SAN JOSE / LONDON (IT BOLTWISE) – NVIDIA positioniert seine neue Data-Center-CPU „Vera“ als gezielten Gegenentwurf zu klassischen x86-CPUs, weil Agenten-Workloads besonders stark von Reaktionszeit abhängen. Der Anbieter nennt eine um 50 % bessere Performance für KI-Agenten gegenüber x86-Architekturen und beschreibt dafür eine Auslegung auf Single-Core-Speed, hohe Speicherbandbreite und geringe Latenz. Laut Angaben seien Vera-Chips bereits im Juni an Kunden geliefert worden, darunter namhafte KI- und Raumfahrtakteure. Entscheidend bleibt für Cloud-Anbieter und Enterprise-Teams, ob sich der CPU-Shift in der Praxis gegen die etablierten Ökosysteme von AMD und Intel durchsetzt.
NVIDIA baut seit Jahren an einer vertikalen Kette aus GPU, Software-Stack und Systemdesign – mit dem Effekt, dass Rechenzentren für KI-Workloads faktisch auf eine bestimmte Architektur „optimiert“ wurden. Genau hier setzt der nächste Schritt an: Mit „Vera“ liefert der Hersteller nun auch die CPU-Komponente für seine KI-Serverplattformen. Das klingt zunächst nach einer klassischen Erweiterung, verschiebt aber die Machtbalance in einem Bereich, der früher vor allem von Intel und AMD dominiert wurde und in dem CPU-Wechsel lange als riskant galten. Für KI-Teams im Enterprise-Umfeld und für Hyperscaler bedeutet Vera damit weniger die Frage „Welche GPU?“, sondern stärker „Welche CPU koordiniert den Datenfluss und federt Latenzen ab?“
Technisch betrachtet adressiert NVIDIA vor allem einen Engpass, der sich mit agentic KI stärker bemerkbar macht. Agenten arbeiten im Hintergrund, stellen laufend Aufgaben an und benötigen eine ständige „Bespielung“ mit Daten sowie eine zügige Rückmeldung an die GPU-Seite. Je schneller der Prozessor dabei Entscheidungen auf hoher Frequenz treffen und Eingaben verarbeiten kann, desto eher bleibt die GPU-Auslastung stabil – ein Punkt, den NVIDIA im Kontext von Vera wiederholt betont. In den bereitgestellten Informationen heißt es außerdem, Vera sei als Server-CPU „from the core“ entworfen worden, statt wie bei manchen Designs auf einen vorgefertigten Arm-Ansatz zurückzugreifen. Damit verschiebt der Hersteller die Entwicklungsarbeit weg von Standardkomponenten hin zu einer Architektur, die gezielt auf den für Agenten relevanten Pfad optimiert ist.
Bei der Leistung unterscheidet NVIDIA zwischen konventionellen CPU-Kennzahlen wie Kernzahl und dem, was der Anbieter für den neuen Fokus als relevanter betrachtet: Single-Core-Performance. Laut NVIDIA zeigt Vera bei KI-Agenten eine 50 % bessere Performance gegenüber x86-Chips; als Begründung nennt das Unternehmen eine Priorisierung der Einzelkern-Geschwindigkeit statt des reinen „Core Count“-Denks. Unterstützt werden soll das Konzept durch hohe Speicherbandbreite und niedrige Latenz, weil CPU und Speicherzugriffe in agentischen Workloads eng mit dem Timing der GPU-Zieloperationen gekoppelt sind. NVIDIA beschreibt zudem, dass die Auslegung auf schnelle CPU-Antworten darauf zielt, dass Agenten schneller zu den GPU-Instanzen zurückkehren und dort die „sehr teure“ Rechenkapazität möglichst durchgehend auslasten können – ein Ansatz, der im Rechenzentrum weniger Schlagzeilen verspricht, dafür aber in der Praxis direkt in Throughput und Warteschlangenlängen übersetzt.
Auch das Produkt- und Rollout-Modell ist Teil des Strategiewechsels. NVIDIA will Vera nicht nur als einzelne Komponente verkaufen, sondern in mehreren Konfigurationen verfügbar machen: als Chip, als Rack mit 256 Vera-Chips in Flüssigkühlung, als Systemvariante mit zwei Vera-Chips pro Server sowie in Kombination mit den eigenen GPUs in einer Plattform namens „Vera Rubin“. Ergänzend verweist NVIDIA darauf, dass Vera-Chips bereits im Juni an Kunden geliefert worden seien; als Beispiele werden dabei Organisationen genannt, die für den KI-Betrieb prominent sind. Für Cloud-Anbieter ist das zwar ein Vertrauenssignal, ersetzt aber nicht die betriebliche Frage: Wie gut integriert sich Vera in existierende Scheduler- und Virtualisierungsumgebungen, und wie stark verändert sich das Tuning im Zusammenspiel mit den GPU-Stacks?
Marktseitig bedeutet das eine erneute Herausforderungsrolle für NVIDIA in einem Feld, das sich seit Jahrzehnten stabil um die x86-Landschaft strukturiert. Für die Konkurrenz ist der Kontext nicht trivial: Analysten und Marktbeobachter ordnen AMD aktuell als „Company to beat“ bei Enterprise-Workloads rund um AI-Server-CPUs ein, während Intel traditionell einen großen Anteil hält. NVIDIA begegnet dem erwartbaren Argument „Ökosystem“ mit einem anderen Hebel: Wenn Cloud-Anbieter ihre eigenen CPU-Wahlmöglichkeiten bereits stark an Rechenzentrums-Standardisierung, Supportprozesse und Anbieterbeziehungen koppeln, muss ein neuer CPU-Standard nicht nur schneller sein, sondern auch planbar liefern. Dazu passt auch der Hinweis, dass Vera für „intensive AI“-Szenarien gedacht sei und weniger für klassische Serveraufgaben. Genau diese Abgrenzung kann ein Vorteil sein, aber auch eine Einschränkung: Sie fordert klare Use-Cases und eine saubere Auslastungsstrategie.
Interessant wird es zusätzlich über den Kosten- und Stromaspekt. NVIDIA nennt einen Verbrauchsbereich von 250 Watt bis 450 Watt pro Chip und beschreibt außerdem einen großen Speicheranspruch auf Basis von „Low-Power Memory“, wie er von Laptop- und Smartphone-Klassen bekannt ist, bis hin zu bis zu 1,5 Terabytes Speicher pro Chip. Damit bewegt sich Vera in einem Spannungsfeld aus Datenzugriff, Energieeffizienz und Systemdesign: Ein aggressives Speicher- und Bandbreitenziel kann die Latenzen senken, erhöht aber zugleich die Anforderungen an Kühlung, Layout und Skalierung. Dazu kommen Erwartungen aus der Marktanalyse: Einige Stimmen gehen von einem durchschnittlichen Verkaufspreis in der Größenordnung von 5.000 US-Dollar pro Vera-Chip aus und erwarten Stückzahlen im einstelligen Millionenbereich für das laufende Jahr. NVIDIA selbst kommentiert Preise nicht, verweist aber auf frühe Auslieferungs- und Adoptionsphase; OpenAI plane demnach den Einsatz in größeren Mengen ab dem laufenden Quartal, während als Partnerliste vor allem Oracle genannt wird.
Für Unternehmen und Entwickler ist der wichtigste Punkt weniger „Welcher Chip ist neu?“, sondern wie sich das Systemverhalten verändert, wenn CPU und GPU enger gekoppelt werden. Bei klassischen Deployments trennt sich die Optimierung oft in zwei Welten: CPU-Tuning für Scheduling, Netzwerk und Storage, GPU-Tuning für Kernel und Training/Inference. Mit Vera und der geplanten Rack-Integration wird daraus ein stärker orchestriertes Zusammenspiel, bei dem CPU-Latenzen direkter in GPU-Auslastungskennzahlen münden. Das ist besonders relevant für Workloads, die nicht nur einmal rechnen, sondern iterativ reagieren – etwa agentische Pipelines, bei denen die „Antwortzeit pro Entscheidung“ und die Übergabe an GPU-Tasks die Gesamtperformance bestimmt.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "NVIDIA stellt Vera-Rubin-CPU vor: Kampf um KI-Server-CPUs gegen AMD und Intel" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "NVIDIA stellt Vera-Rubin-CPU vor: Kampf um KI-Server-CPUs gegen AMD und Intel" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »NVIDIA stellt Vera-Rubin-CPU vor: Kampf um KI-Server-CPUs gegen AMD und Intel« bei Google Deutschland suchen, bei Bing oder Google News!