NVIDIA schließt den Kreislauf des „fünfstöckigen Kuchens“ ab

Auf der GTC Taipei präsentierte Jensen Huang eine Gleichung: „Compute equals revenue“ (Rechenleistung ist gleich Umsatz). Die versteckte Botschaft dahinter lautet: KI-Unternehmen, Cloud-Anbieter und Unternehmenskunden kaufen keine Hardware, sondern intelligente Produktionskapazitäten, die nachhaltig Erträge generieren können.

Heute ist NVIDIA nicht mehr nur ein Chiphersteller, sondern vielmehr der „Generalunternehmer“ einer riesigen Token-Fabrik. Und Jensen Huang will der Chefarchitekt sein, der sicherstellt, dass alles reibungslos funktioniert. Fabriken messen sich nicht an der Leistung einzelner Geräte, sondern an der Produktionsmenge der gesamten Fertigungslinie bei gegebenem Energieverbrauch. Mit der Theorie des fünfstöckigen Kuchens lieferte NVIDIA die Antwort: Von der Energie bis zur Anwendung wird jede Ebene als Teil eines Token-Produktionssystems neu definiert. Diese fünf Ebenen sind von unten nach oben „Energie, Chips, Infrastruktur, Modelle und Anwendungen“.

Während Konkurrenten noch die Parameter einer einzelnen Ebene optimieren, hat NVIDIA bereits jede Ebene des Kuchens optimiert und aufgebaut – und durch einen Multiplikatoreffekt sind Konkurrenten kaum noch in der Lage, den Abstand aufzuholen.

01 Energie: Die KI-Fabrik – der Ausgangspunkt der Rechenleistung ist Elektrizität

Von KI-gesteuerter Vorhersage von Wind- und Solarstrom über Hochspannungs-Gleichstrom-Verteilungsanlagen bis hin zu intelligentem Energiespeicher und stabiler Energieversorgung: Die Energieebene löst die Frage, wie KI-Fabriken effizient betrieben werden können und eine stabile Token-Produktion gewährleistet wird.

Der zukünftige Wettbewerb um KI-Fabriken ist zunächst ein Wettbewerb um „wie viel Intelligenz pro Kilowattstunde erzeugt wird“. Jensen Huang stellte die „Token-Fabrik-Ökonomie“ vor und wies darauf hin: Bei feststehender Stromversorgung ist der Kern der Wettbewerbsfähigkeit nicht mehr die Spitzenrechenleistung, sondern „Token per Watt“ (Token-Ausbeute pro Watt). Die Hochleistungs-Computing-Plattform NVIDIA Vera Rubin erreicht eine 10-fache Leistungssteigerung pro Watt und senkt die Kosten pro Token auf ein Zehntel. Zweitens ist es ein Wettbewerb um die Fähigkeit zur Energieversorgung. Im Jahr 2025 beteiligte sich die Risikokapitalabteilung von NVIDIA, NVentures, erstmals im Energiebereich an einer 650-Millionen-Dollar-Finanzierung von TerraPower und investierte in Commonwealth Fusion Systems (CFS). Neben der Erforschung fortschrittlicher sauberer Energie investierte NVIDIA auch in große und kleine Unternehmen, die sich um die Optimierung von Stromversorgungslösungen für Rechenzentren drehen – darunter Chips, Rechenleistung und Netzmanagement – wie Emerald AI oder Utilidata. Im August 2025 aktualisierte NVIDIA auf seiner offiziellen Website die Liste der Partner für 800V-Gleichstromversorgungsarchitektur, wobei die chinesischen Unternehmen Innoscience und Megmeet ausgewählt wurden.

Wenn Elektrizität zu einer harten Einschränkung für KI-Fabriken wird, bedeutet es, mit den Innovationen auf der Energieebene Schritt zu halten, die Verhandlungsmacht für vorgelagerte Rohstoffe zu sichern. Die Investitionen von NVIDIA auf der Energieebene, die Bindung von Lieferketten und die technische Befähigung gewährleisten die Versorgungsstabilität des gesamten fünfstöckigen Kuchens.

02 Chips: Die Vera-Rubin-Plattform ergänzt das Rechenleistungspaket

Als typisches Beispiel für das extrem kooperative Design von NVIDIA ist die Vera-Rubin-Plattform aus Vera-CPU, Rubin-GPU, NVLink-6-Switch, ConnectX-9-SuperNIC, BlueField-4-DPU, Spectrum-6-Ethernet-Switch und Groq-3-LPU zusammengesetzt.

Der Grund, warum NVIDIA diese Chips zu einem Ganzen vereint, liegt darin, dass KI-Modelle extrem empfindlich auf Kommunikationsbandbreite und Latenz reagieren. NVLink 6 und CPO-Switches (Co-Packaged Optics) lösen Kommunikationsengpässe auf Softwareebene durch eine enge Kopplung auf physischer Ebene. Noch wichtiger: Im Zeitalter des kooperativen Designs steigen die Kosten für gemischte Kombinationen drastisch an.

Zuerst die Vera-CPU betrachtet: Sie ist die erste CPU von NVIDIA, die speziell für Agenten-KI entwickelt wurde. Die Vera-CPU ist mit 88 von NVIDIA speziell entworfenen Olympus-Kernen, räumlicher Multithreading-Technologie und einem LPDDR5X-Arbeitssubsystem mit einer Bandbreite von 1,2 TB/s ausgestattet. Bei Arbeitslasten von Agenten erledigt die Vera-CPU Aufgaben 1,8 Mal schneller als x86-CPUs. Noch wichtiger: Als Teil der Vera-Rubin-NVL72-Plattform koppelt die Vera-CPU über die NVLink-C2C-Interverbindungstechnologie an NVIDIA-GPUs und bietet eine kohärente Bandbreite von bis zu 1,8 TB/s – etwa siebenmal so hoch wie die Bandbreite von PCIe Gen 6. Dadurch wird ein Hochgeschwindigkeits-Datenaustausch zwischen CPU und GPU ermöglicht.

Als Nächstes das Netzwerk: NVLink 6 ermöglicht die schnelle, nahtlose GPU-zu-GPU-Kommunikation, die für heutige groß angelegte MoE-Modelle erforderlich ist. Jede GPU unterstützt eine Bandbreite von 3,6 TB/s, jeder Vera-Rubin-NVL72-Rack bietet eine Bandbreite von 260 TB/s. Spectrum-X ist die weltweit erste in Serie produzierte Ethernet-Siliziumphotonik-Switch-Plattform. Die neue Generation von Spectrum-X-Switches basiert auf CPO-Technologie (integrierte Opto-Elektronik-Verpackung). Durch die Verpackung von Siliziumphotonik-Bauteilen zusammen mit dem Switch-ASIC wird der Stromverbrauch weiter gesenkt, die Zuverlässigkeit erhöht und die KI-Produktivität gesteigert. ConnectX-9-SuperNIC erreicht einen Durchsatz von bis zu 1,6 Tb/s, bahnbrechende Beschleunigungsfunktionen und optimierte Netzwerkleistung. Es bietet ein 800-Gb/s-Netzwerk mit extrem niedriger Latenz, beschleunigt die Datenübertragung, optimiert die RoCE-Leistung und gewährleistet konsistente, vorhersehbare Netzwerkleistung für anspruchsvolle KI-Arbeitslasten.

Zuletzt der Speicher: Der BlueField-4-DPU ist eine von NVIDIA vorgestellte Rechenzentrumsprozessoreinheit – Teil der vollständigen BlueField-Plattform und zugleich Teil der Rubin-Plattform. Auf Basis des BlueField-4-DPU hat NVIDIA die BlueField-4-STX-Speicherarchitektur aufgebaut. Das erste rack-levelige Bereitstellungskonzept integriert die brandneue CMX-Kontextspeicherplattform. Die CMX-Plattform behandelt KV-Cache als neuartigen KI-nativen Datentyp, der speziell zum Speichern und Abrufen von KV-Cache-Daten dient, die während der LLM-Inferenz generiert werden. Dadurch wird der Kontext zu einer hochbreiten Ressource, die sich zwischen KI-Cluster-Systemen teilen lässt. Auf der GTC Taipei 2026 hat die neu aktualisierte Vera-BlueField-4-STX-Plattform von NVIDIA zudem die NVIDIA DOCA-Sicherheitsbibliothek und Mikrodienste in die KI-Speicherebene eingeführt – um Unternehmen dabei zu unterstützen, Daten, Agenten und Kontextspeicher zu schützen, wenn sie agentenbasierte KI in die Produktivumgebung überführen.

Im Vergleich dazu verfolgt die getrennte Architektur von AMDs Instinct MI350+EPYC im Branchenbereich einen modularen Weg. Doch der Engpass bei der CPU-GPU-Kommunikationsbandbreite schränkt die Effizienz des Datenaustauschs zwischen CPU und GPU stark ein – besonders bei Agenten-Szenarien, die häufigen Datenaustausch erfordern. Eigenentwickelte Chip-Lager wie Googles TPU, AWS Trainium oder Microsofts Maia bauen ihre kleinen geschlossenen Systeme vertikal auf, aber ihr Umfang kann nicht mit dem vollständigen Stack von NVIDIA mithalten. Wenn die Vera-CPU über NVLink-C2C mit der Rubin-GPU bei einer Bandbreite von 1,8 TB/s eng gekoppelt ist, können Kunden die Vera-CPU kaum noch durch x86-CPUs ersetzen – weil dadurch die Token-Produktivität massiv einbüßen würde.

03 Infrastruktur: Von „Servern kaufen“ zu „Fabriken bauen“

Chips müssen in einer KI-Infrastruktur betrieben werden. Jensen Huang listet die Infrastruktur separat als dritte Ebene auf – dazu gehören Grundstücke, Stromversorgung, Kühlung, Netzwerke und Systeme, die Tausende von Prozessoren zu einer einzigen Maschine orchestrieren. Im Wesentlichen ist das das „KI-Fabrik“-Konzept, das NVIDIA immer wieder erwähnt. NVIDIA will Kunden dazu bewegen, vom „Kauf von Servern“ zum „Bau von KI-Fabriken“ überzugehen.

Wie soll eine KI-Fabrik gebaut werden? IBM hat mit System/360 den Standard für Großrechner definiert, AWS hat mit dem Well-Architected Framework den Cloud-Architekturstandard festgelegt. NVIDIA definiert den KI-Fabrik-Standard mit Hardware-Richtlinien für KI-Infrastruktur und NVIDIA Dynamo. Aufgrund seines starken Einflusses im Bereich intelligenter Rechenzentren hat NVIDIA eine Richtlinie für den Aufbau kooperativ designter KI-Infrastruktur veröffentlicht: das Vera-Rubin-DSX-KI-Fabrik-Referenzdesign. Das Vera-Rubin-DSX-KI-Fabrik-Referenzdesign skizziert, wie der gesamte Stack der KI-Fabrikinfrastruktur entworfen, gebaut und betrieben wird – einschließlich Computing, Spectrum-X-Ethernet-Netzwerk und Speicher. Dadurch wird eine wiederholbare, skalierbare und hervorragende Cluster-Leistung erreicht. Die Dokumentation im Referenzdesign bietet Branchenpartnern Best Practices für den Entwurf, Bau und Betrieb von Stromversorgungs-, Kühl- und Steuerungssystemen – um eine nahtlose Software-Hardware-Integration und skalierbare Bereitstellung zu ermöglichen. Offensichtlich hofft NVIDIA, dass zukünftige KI-Fabriken alle seinen Standard übernehmen – dadurch lassen sich langfristig die Chip-Produkte von NVIDIA festigen. Das Ersetzen anderer Chips bedeutet nicht nur, eine Platine auszutauschen, sondern die gesamte Designlogik der Fabrik umzuwerfen. Und das „Betriebssystem“ dieser Fabrik ist genau Dynamo. Dynamo ist ein quelloffenes, latenzarmes, modulares Inferenz-Framework, das dazu dient, generative KI-Modelle in verteilten Umgebungen zu betreiben. Es unterstützt die nahtlose Skalierung von Inferenz-Arbeitslasten auf großen GPU-Clustern, bietet intelligente Ressourcenplanung und Anforderungsrouting, optimiertes Speichermanagement sowie effiziente Datenübertragung.

04 Modelle: Die Einführung von Agenten beschleunigen und die Effizienz von KI-Fabriken steigern

NVIDIA bietet nicht nur Hardware-Lösungen an, sondern baut auch aktiv die Modellebene auf. Nemotron ist die derzeit am weitesten verbreitete selbst entwickelte Modellfamilie von NVIDIA. Das kürzlich online gegangene Nemotron 3 Ultra ist ein Mixed-Experts-Modell mit insgesamt 550 Milliarden Parametern und 55 Milliarden aktivierten Parametern pro Ausführung. Es kann Orchestrierungen und anspruchsvolle Inferenzaufrufe in autonomen Arbeitsabläufen verarbeiten: Architekturentscheidungen in lang andauernden Codierungssitzungen treffen, Synthesen über hunderte von Forschungsquellen hinweg durchführen und Tausende voneinander abhängiger Einschränkungen validieren. Cosmos ist das grundlegende Weltmodell von NVIDIA für physische KI (Roboter, autonomes Fahren). Seine Hauptaufgabe besteht darin, synthetische Daten und Aktionsstrategien zu generieren, die den physikalischen Gesetzen folgen – und so die Kosten für die Datenerfassung in der Industrie zu senken. Cosmos 3 löst eine zentrale Herausforderung der physischen KI: Es ermöglicht Robotern, intelligenten Fahrzeugen oder visuellen Agenten, sich in der realen Welt zu generalisieren – auch bei begrenzten Trainingsdaten und fragmentierten Simulationsstapeln.

Für vertikale Branchen hat NVIDIA auch entsprechende Modelle – beispielsweise die vertikale Modellplattform BioNeMo von NVIDIA im Bereich der Biowissenschaften. NVIDIA will nicht das „nächste OpenAI“ werden. Vielmehr will es beweisen, dass seine eigene Hardware mit niedrigeren Token-Kosten betrieben werden kann und dass der vollständige Stack von NVIDIA die optimale „Tokens per Watt“-Leistung erreicht. So werden Kunden in der Gleichung „Rechenleistung ist gleich Umsatz“ dazu bereit, die Hardware von NVIDIA auszuwählen, um diese nachweislich effizienten Modelle auszuführen.

05 Anwendungen: Der echte Markt

Ganz oben auf dem fünfstöckigen Kuchen liegen die Bereiche, die direkt auf Nutzer ausgerichtet sind und echten Mehrwert erzeugen – darunter Anwendungen von Agenten, Unternehmensautomatisierung und physischer KI in Bereichen wie Arzneimittelentwicklung, Industrierobotik und autonomes Fahren. Das ist die letzte Ebene des Monetarisierens für den vollständigen Stack von NVIDIA und zugleich die Ausgangsseite der gesamten „KI-Fabrik“. Durch die Definition von Agenten-Standards, die Bereitstellung von Entwicklungsplattformen für physische KI und die Zertifizierung branchenspezifischer Fähigkeitsmodule lässt NVIDIA in seinem Ökosystem einen „Wald von Anwendungen“ wachsen.

Agentische KI ist das aktuelle Ziel von NVIDIA. Nachdem OpenClaw populär wurde, hat NVIDIA schnell nachgezogen und das zugehörige unternehmensweite sichere Bereitstellungs-Software-Stack NemoClaw veröffentlicht. Es ergänzt OpenClaw um Sandbox-Isolierung, Zugriffskontrolle und skalierbare Betriebsfähigkeiten – und versucht so den Boom von OpenClaw zu festigen. Um die Sicherheit zu gewährleisten, hat NVIDIA zudem Verified Agent Skills eingeführt. Die überprüften Fähigkeiten integrieren Transparenz, Herkunftsnachweise, Sicherheitsvalidierungen und Echtheitsprüfungen in die Fähigkeitsebene von Agenten – um Entwicklern dabei zu helfen, autonome Agenten mit größerer Zuversicht zu erweitern. Physische KI ist der Hebel von NVIDIA für die Zukunft. Kürzlich hat NVIDIA zusammen mit Unitree Robotics und Sharpa ein offenes Referenzdesign für humanoide Roboter vorgestellt, das auf der NVIDIA Isaac GR00T-Plattform basiert. Gemäß der offiziellen Roadmap wird die Isaac-GR00t-Plattform für humanoide Roboter Ende 2026 von Unitree Robotics offiziell veröffentlicht.

Von Energie, Chips und Infrastruktur bis zu Modellen und Anwendungen treibt NVIDIA die vollständige Stack-Technologie voran. Heute ist jede Ebene des fünfstöckigen Kuchens bereit. Auf der Chain-Expo, die am 22. Juni in Peking stattfand, haben wir am Stand von NVIDIA auch lokalisierte Anwendungsfälle in China und das Portfolio chinesischer Partner seines vollständigen Stack-Ökosystems gesehen. Auf der Energieebene nutzen Hersteller wie Star Energy XuanGuang und Energy Singularity beschleunigtes Computing und Digital Twins, um zukünftige Energietechnologien zu erforschen; Golden Dragon und Chint nutzen die KI-Technologie von NVIDIA, um vollzyklisches Design und Betrieb zu realis