Im Zeitalter der Agenten: CPU-Strategiewettstreit – Nvidia setzt auf „schnellere Einzelkerne“, AMD auf „mehr Parallelität“
Nvidia hat die Vera-CPU-Architektur vorgestellt, die sich mit dem Schwerpunkt auf "maximale Einzeldraht-Leistung" der hochparallelen Strategie von AMD entgegenstellt. Damit treten die Diskussionen zwischen beiden Unternehmen über die wichtigsten CPU-Kennzahlen im Zeitalter der Agenten-KI offiziell an die Oberfläche. AMD berechnet, dass seine EPYC Turin unter 100-Kilowatt-Rack-Bedingungen einen 2,4-mal höheren Durchsatz als Vera erzielt. Vor dem Hintergrund des weiterhin wachsenden Marktes für Server-CPUs gilt: Wer den Branchen-KPI zuerst definiert, hat die Deutungshoheit.
Nvidia und AMD konkurrieren nicht nur darum, wessen CPU schneller ist, sondern auch darum, wer den Bewertungsstandard für CPUs im Zeitalter der KI definiert.
Nvidia hat kürzlich die detailliertesten technischen Spezifikationen der Vera-CPU-Architektur veröffentlicht. Dieser Prozessor verfügt über 88 eigens entwickelte Olympus-ARM-Kerntypen, eine Speicherbandbreite von 1,2 TB/s und eine On-Chip-Interconnect-Bandbreite von 3,4 TB/s. Das Kernargument von Nvidia lautet: Die Arbeitsweise von AI Agents besteht darin, dass CPU und GPU wiederholt interagieren - Werkzeugaufrufe, Codeausführung, Datenabfrage, Aufgabenkoordination - jeder Schritt hängt vom vorherigen ab, deshalb bestimmen die Geschwindigkeit und die Latenzzeit eines einzelnen CPU-Kerns direkt die Reaktionsfähigkeit eines gesamten Agenten.
Am 23. Juli betonte laut Windy Trading Desk der Analyst Vivek Arya von Bank of America Securities in seinem neuesten Bericht, dass die Veröffentlichung von Vera einen neuen Bewertungsrahmen für die Branche eingeführt hat: "Maximale Single-Thread-Performance unter Skalierung". Dies steht im direkten Gegensatz zum langjährigen Chiplet-Multi-Core-Stacking-Ansatz von AMD. Das Unternehmen qualifiziert diese Debatte als: "Bei intelligenten Agents entscheidet die Zeit zur Erfüllung einer einzelnen Aufgabe oder die Anzahl der parallelen Aufgaben, die pro Rack gleichzeitig verarbeitet werden können?" AMD wird am Donnerstag den KI-Technologietag 2026 abhalten und erwartet, erstmals öffentlich auf diesen Rahmen zu reagieren.
Der Hintergrund dieser Debatte ist, dass der Markt für Server-CPUs durch die KI-Nachfrage neu gestaltet wird und bis 2030 voraussichtlich auf das Vierfache des heutigen Standes wachsen wird, auf etwa 170 Milliarden US-Dollar. Dies ist kein Nullsummen-Wettbewerb, sondern ein wachsender Markt. Wer den von der Branche akzeptierten Leistungsbewertungsstandard zuerst etabliert, erhält Preis- und Narrative-Kontrolle.
Nvidias Logik: Schneller Agentenlauf ist wichtiger als die Anzahl gleichzeitig laufender Prozesse
Nvidia beschreibt den Agenten-Workflow sehr konkret: Wenn ein Agent eine Aufgabe erledigt, treten zwischen CPU und GPU zahlreiche serielle Interaktionen auf, wobei jeder Aufruf erst fortgesetzt werden kann, wenn der vorherige abgeschlossen ist. Das bedeutet, dass jede Latenz in einer Stufe sich summiert und letztlich die Gesamteffizienz der KI-Produktion beeinträchtigt.
Nach dieser Logik ist die Single-Core-Performance nicht nur eine Zahl in der Spezifikation, sondern ein Schlüsselfaktor für die GPU-Nutzung—je schneller die CPU, desto weniger wartet die GPU und desto effizienter werden die Systemressourcen genutzt. Je schneller der einzelne Kern, desto schneller die gesamte Reaktionskette.
Ein weiteres bemerkenswertes Designmerkmal von Vera: Nvidia hat sich für ein monolithisches Die und nicht für eine Chiplet-Trennung entschieden, da ersteres eine bessere "skalierbare Konsistenz" bietet. Dies steht im Gegensatz zur Chiplet-Strategie, auf die AMD seit langem setzt, und verdeutlicht, wie tief die philosophischen Unterschiede auf architektonischer Ebene sind.
Außerdem ist Vera kein isoliertes Produkt, sondern Teil des "koordinierten Designs" der gesamten KI-Infrastruktur von Nvidia und arbeitet mit Rubin GPU, Groq LPX, Spectrum Switches und BlueField Speicher/Netzwerkkarten zusammen. Diese Systemintegration ist Nvidias eigentlicher Schutzwall jenseits des Hardwarevergleichs.
AMDs Gegenargument: In realen KI-Produktionsumgebungen zählt die Parallelitätskapazität
AMDs Position basiert auf einer anderen Definition der „realen Produktionsumgebung“.
AMD betrachtet produktionsfähige KI-Systeme nicht als einen Agenten, der Aufgaben seriell abarbeitet, sondern als eine verteilte Softwareplattform bestehend aus Datenbanken, APIs, Vektorenspeicher, Orchestrierungs-Engines, Caches und Middleware. In diesem Szenario ist der Flaschenhals nicht die Ausführungsgeschwindigkeit einer einzelnen Aufgabe, sondern die Anzahl der Workflows, die unter einem festen Energieverbrauch gleichzeitig verarbeitet werden können.
AMD nennt konkrete Berechnungen: In einem simulierten Rack mit 100 kW Leistung, erzielt EPYC 9965 (Turin) eine Rack-Throughput-Rate von etwa dem 2,4-fachen des Nvidia Vera-Benchmarks; die nächste Generation EPYC 6 (Venice) wird auf das 3,3-fache geschätzt.
AMDs Logik: Höhere Durchsatzdichte bedeutet, dass für denselben Energieverbrauch mehr Nutzer bedient und mehr Anfragen bearbeitet werden können – das sei die tatsächliche Kostenfunktion für die Cloud-KI-Bereitstellung.
AMD x86 oder Nvidia ARM: Die Softwareökosysteme sind das versteckte Schlachtfeld
Der Streit um die CPU-Architektur erstreckt sich auch auf die Ebene der Befehlssätze.
Nvidia setzt auf ARM und vertritt damit den Standpunkt, dass eine herausragende Mikroarchitektur die Kompatibilität des Befehlssatzes in den Hintergrund treten lassen kann. AMD und Intel werden voraussichtlich nach Donnerstag weiterhin die andere Perspektive betonen—KI dehnt sich von Modell-Inferenz auf Unternehmenssoftware-Workflows aus, und der Unternehmenssoftware-Stack hat im Bereich Datenbanken, Middleware, Sicherheitsplattformen, Unternehmensanwendungen jahrzehntelange Optimierung, Validierung und Kompatibilität im x86-Ökosystem angesammelt.
Das ist keine reine technische Debatte. Da KI-Workloads immer stärker in bestehende IT-Systeme von Unternehmen eingebettet werden, ist die historische Ansammlung des Softwareökosystems schwieriger zu ersetzen als die maximale Hardwareleistung. Ob Nvidia mit Vera in diese Szenarien eindringen kann, hängt maßgeblich vom Reifegrad des ARM-Software-Ökosystems ab.
Streit um Standards: Wer bestimmt den nächsten CPU-KPI?
Zwei Rahmen, zwei KPIs – im Grunde kämpfen beide Unternehmen um die Kontrolle über die Branchennarrative.
Nvidias Rahmen konzentriert sich auf Latenz, Single-Thread-Fortschritt, GPU-Nutzung. AMDs Rahmen auf Parallelität, Durchsatz und Servicedichte.
Entscheidend ist: Welcher Indikator wird am Ende für den Einkauf von Server-CPUs herangezogen?
Bank of America ist der Ansicht, dass beim AMD-Event am Donnerstag nicht die Überlegenheit der Benchmark-Daten im Vordergrund steht, sondern die Überzeugung der Branche, das eigene Bewertungssystem zu übernehmen. Das Unternehmen, dessen Rahmen von den Rechenzentren angenommen wird, erhält die Preisgestaltungsmacht auf diesem 170-Milliarden-Dollar-Markt.
Nvidia erhält für NVDA weiterhin ein Kaufen-Rating und ein Kursziel von 350 US-Dollar (aktueller Kurs 207,29 US-Dollar).
Haftungsausschluss: Der Inhalt dieses Artikels gibt ausschließlich die Meinung des Autors wieder und repräsentiert nicht die Plattform in irgendeiner Form. Dieser Artikel ist nicht dazu gedacht, als Referenz für Investitionsentscheidungen zu dienen.
Das könnte Ihnen auch gefallen
Das dritte Quartalsbericht steht bevor, Samsung Electronics und SK Hynix stehen vor "extrem hohen Erwartungen" und stellen die "globale KI-Handel" auf die Probe.
Die KI-Welle treibt den globalen Superzyklus der Halbleiterindustrie voran; Samsung und SK Hynix könnten im dritten Quartal einen zusammengefassten Betriebsgewinn von nahezu 190 Billionen Won erreichen – ein historischer Rekord. Der Wettbewerb um HBM4 ist auf dem Höhepunkt, und die Bedürfnisse intelligenter KI-Systeme treiben die Speicherbandbreite auf das Zehnfache. Speicherlösungen werden zum eigentlichen "Blut" der AI-Rechenzentren. Zwei bald veröffentlichte Geschäftsberichte werden darüber entscheiden, ob dieser Boom nur eine kurzfristige Erscheinung bleibt oder eine strukturelle Veränderung in der technologischen Infrastruktur einleitet.
Meta AI-Leiter Alexandr Wang: Warum ich Muse machen will
Muse hat in den ersten 12 Tagen 2,8 Millionen Downloads erreicht und übertrifft damit die Leistung von ChatGPT im gleichen Zeitraum. Es wurde ein amerikanischer Tagesrekord von 264.000 erzielt – der Marktwert von Meta stieg dadurch um 234 Milliarden Dollar. Dahinter stecken ein offener Brief des Chief AI Officer Alexandr Wang über „menschliche Sehnsüchte“ sowie die damals als „verrückte“ geltende Übernahme von 14,3 Milliarden Dollar durch Zuckerberg: Aus heutiger Sicht könnte dies der profitabelste Talent-Deal in der Geschichte des Silicon Valley gewesen sein.
UBS: Beibehaltung der „Neutral“-Bewertung für Tesla (TSLA.US), Kursziel 385 US-Dollar, KI-Themen dominieren die Preislogik der Aktie
Laut der Prognose von UBS wird die weltweite Auslieferungsmenge von Tesla im dritten Quartal 2026 (3Q26) etwa 470.000 Fahrzeuge betragen, was einem Rückgang von 5 % gegenüber dem Vorjahr und einem Rückgang von 1 % gegenüber dem Vorquartal entspricht.
Der KI-Boom trotzt der „5%-US-Staatsanleihenrendite“! Der Nasdaq erreicht ein Rekordhoch und stärkt die „80/20“-Struktur, während die Wall Street das Aktien-Anleihen-Verhältnis neu bewertet.
Die Rendite der 30-jährigen US-Staatsanleihe erreichte zeitweise etwa 5,53 % und damit den höchsten Stand seit 2004. Brent-Rohöl liegt weiterhin über 100 US-Dollar pro Barrel. Risikoanlagen widerstanden erneut dem Druck, was darauf hindeutet, dass Investoren weiterhin daran glauben, dass die Kommerzialisierung von KI-Anwendungen und das Unternehmensgewinnwachstum die Auswirkungen steigender Finanzierungskosten und Abzinsungssätze in gewissem Maße ausgleichen können.
Krypto-Preise
Mehr
