Agent-Zeitalter CPU-Routenstreit: Nvidia setzt auf „schnelleren Einzelkern“, AMD setzt auf „mehr Parallelität“

Nvidia und AMD kämpfen nicht nur darum, wessen CPU schneller ist, sondern auch darum, wer die Bewertungsstandards für CPUs im KI-Zeitalter definiert.

Nvidia hat kürzlich die detailliertesten technischen Spezifikationen der Vera-CPU-Architektur veröffentlicht. Der Prozessor verfügt über 88 selbstentwickelte Olympus ARM-Kernarchitekturen, eine Speicherbandbreite von 1,2 TB/s und eine On-Chip-Interconnect-Bandbreite von 3,4 TB/s. Nvidias Kernargument lautet: Die Arbeitsweise von KI-Agenten besteht darin, dass CPU und GPU wiederholt miteinander interagieren – Tool-Aufrufe, Codeausführung, Datenabruf, Aufgabenkoordination – jeder Schritt hängt vom Abschluss des vorherigen ab, deshalb bestimmen die Geschwindigkeit und Latenz des einzelnen CPU-Kerns direkt die Effizienz der Agentenreaktion.

Am 23. Juli berichtete das Wind Trading Desk, dass der Analyst von BofA Securities, Vivek Arya, im aktuellen Bericht betonte: Die Veröffentlichung von Vera bringt einen neuen Bewertungsrahmen in die Branche: „Maximale Single-Thread-Leistung im großflächigen Betrieb“. Dies steht im direkten Gegensatz zu AMDs langjährigem Ansatz der chiplet-basierten Multikern-Stapelung. Die Diskussion wird so kategorisiert: „Ist KI-Agenten-Arbeit durch die Fertigstellungszeit einer Aufgabe blockiert oder durch die Anzahl parallel laufender Aufgaben in einem Rack?“ AMD wird am Donnerstag einen AI 2026 Technology Day veranstalten, wo erstmals offiziell auf dieses Rahmenwerk eingegangen wird.

Der Hintergrund dieser Debatte ist: Der Markt für Server-CPUs wird durch die Nachfrage nach KI neu gestaltet und soll bis 2030 von seinem derzeitigen Niveau auf etwa das Vierfache wachsen – 170 Milliarden US-Dollar. Es geht nicht um den bestehenden Markt, sondern um einen neu entstehenden Wachstumsmarkt; wer zuerst einen branchenweit anerkannten Leistungsstandard etablieren kann, erhält das Recht, Preise und Erzählungen zu setzen.

Nvidias Logik: Schnelligkeit des Agenten zählt mehr als parallele Aufgaben

Nvidia beschreibt die Arbeitsabläufe von Agenten sehr konkret: Während ein Agent eine Aufgabe erledigt, gibt es zwischen CPU und GPU viele serielle Interaktionen; jeder Aufruf muss auf den Abschluss des vorherigen warten, bevor er fortfahren kann. Das bedeutet, dass Verzögerungen in jedem Schritt potenziert werden und die Gesamteffizienz der KI-Produktion beeinträchtigen.

Unter dieser Logik ist die Single-Core-Leistung kein bloßer Wert im Datenblatt, sondern eine entscheidende Variable, die die GPU-Auslastung direkt beeinflusst – je schneller die CPU, desto kürzer die Wartezeit der GPU und desto höher die Ressourcenauslastung. Mit schnellerem Single-Core ist die Reaktionsgeschwindigkeit der gesamten Kette höher.

Ein weiteres bemerkenswertes Designmerkmal von Vera ist: Nvidia hat sich für ein monolithisches Die entschieden und verzichtet damit auf die Chiplet-Trennung zugunsten besserer „skalierbarer Konsistenz“. Dies steht dem langjährigen Chiplet-Ansatz von AMD entgegen und zeigt tiefgehende Unterschiede in der Architekturphilosophie beider Unternehmen.

Außerdem ist Vera kein isoliertes Produkt, sondern Teil der „kooperativen Entwicklung“ der gesamten KI-Infrastruktur von Nvidia, die zusammen mit Rubin GPU, Groq LPX, Spectrum Switches und BlueField Speicher-/Karten arbeitet. Diese Systemintegration ist der tatsächliche Burggraben von Nvidia jenseits des Hardwarevergleichs.

AMDs Gegenargument: In realen KI-Produktionsumgebungen zählt die Parallelitätskapazität

AMDs Position basiert auf einer anderen Definition der „realen Produktionsumgebung“.

Aus Sicht von AMD ist ein produktionsreifes KI-System nicht ein einzelner Agent, der Aufgaben seriell erledigt, sondern eine verteilte Softwareplattform bestehend aus Datenbank, API, Vektorspeicher, Orchestrierungs-Engine, Cache und Middleware. In solchen Szenarien ist der Flaschenhals nicht die Geschwindigkeit einer einzelnen Aufgabe, sondern wie viele Workflows gleichzeitig innerhalb eines gegebenen Energie-Budgets verarbeitet werden können.

AMD bietet konkrete Messungen an: In einem simulierten 100-kW-Rack-Betrieb liegt der Rack-Troughput des EPYC 9965 (Turin) etwa 2,4-mal höher als die Basis von Nvidia Vera; die nächste Generation EPYC 6 (Venice) wird voraussichtlich das 3,3-fache erreichen.

AMDs Argument ist: Höhere Durchsatzdichte bedeutet, dass bei gleichem Energieverbrauch mehr Nutzer bedient und mehr Anfragen bearbeitet werden können – das ist die tatsächliche Kostenfunktion bei KI-Publikationen in der Cloud.

AMD x86 oder Nvidia ARM: Die Software-Ökosysteme sind das Verborgene Schlachtfeld

Der Streit um CPU-Architekturen erstreckt sich auch auf die Befehlssatzebene.

Nvidia hat sich für die ARM-Architektur entschieden und steht auf dem Standpunkt: Solange die Mikroarchitektur exzellent ist, kann die Instruktionssatzkompatibilität in den Hintergrund treten. AMD und Intel werden voraussichtlich nach Donnerstag die andere Seite betonen – KI wird sich von Modellinferenz zu Unternehmenssoftware-Workflows ausweiten, und die Softwarestacks der Unternehmen sind über Jahrzehnte hinweg hinsichtlich Datenbank, Middleware, Sicherheitsplattformen und Anwendungen auf x86 optimiert, validiert und kompatibel.

Dies ist kein rein technischer Streit. Mit zunehmender Integration der KI-Workloads in bestehende IT-Systeme von Unternehmen wird sich zeigen, dass die historische Entwicklung der Softwareökosysteme schwerer zu ersetzen ist als die Spitzenleistung der Hardware. Ob Nvidia mit Vera in solche Szenarien eindringen kann, hängt weitgehend von der Geschwindigkeit ab, mit der das ARM-Softwareökosystem reift.

Zwei Rahmenwerke, zwei KPIs – letztlich kämpfen zwei Unternehmen um die Vorherrschaft in der Branchen-Narrative.

Nvidias Rahmenwerk konzentriert sich auf Latenz, Single-Thread-Fortschritt und GPU-Auslastung. Das von AMD setzt auf Parallelität, Durchsatz und Dienstdichte.

Wichtig ist: Nach welchem Indikator wird der Markt am Ende Server-CPUs einkaufen?

BofA schätzt, dass das AMD-Event am Donnerstag nicht darauf zielt, die Konkurrenz mit Benchmark-Daten zu übertreffen, sondern die Branche von seiner Bewertungsmethodik zu überzeugen. Wer das Rahmenwerk liefert, das von den Käufern im Rechenzentrum übernommen wird, bekommt in diesem 170-Milliarden-Dollar-Markt das Preisbestimmungsrecht.

Nvidia hält das „Buy“-Rating für NVDA aufrecht, Kursziel 350 US-Dollar (aktueller Preis 207,29 US-Dollar).