Nvidia mischt mit: Vier Großmächte ringen um die Vorherrschaft im CPU-Markt

Im Jahr 2026 entbrennt der Wettbewerb auf dem Markt für Server-CPUs erneut heftig.

Am 19. Oktober gab der US-amerikanische KI-Cloud-Dienstleister Modal bekannt, dass er plant, die neue Generation von Vera-CPUs von Nvidia einzuführen, um Arbeitslasten im Zusammenhang mit KI-Agenten auszuführen. Bisher stützte sich die CPU-Infrastruktur dieses Unternehmens ausschließlich auf x86-Prozessoren von Intel und AMD. Nun versucht Nvidia, mit Vera den Markt aufzubrechen, der seit langem von den traditionellen CPU-Giganten dominiert wird.

Doch Nvidia ist nicht der einzige neue Akteur. Im März dieses Jahres brachte Arm, dessen Kerngeschäft seit langem die IP-Lizenzierung ist, erstmals eine selbst entwickelte Rechenzentrumsprozessor der Baureihe AGI CPU auf den Markt und trat damit offiziell aus dem Hintergrund hervor.

Plötzlich steht der Markt für Server-CPUs, der früher hauptsächlich von Intel und AMD dominiert wurde, vor zwei starken Konkurrenten: Nvidia und Arm. Angesichts dieser durch Agenten ausgelösten Tsunami an Rechenleistung – was genau ist der Kern des neuen Aufteilungs- und Wettbewerbsspiels auf dem CPU-Markt?

Die Agenten sind da – die Rolle der CPUs ändert sich

In den vergangenen Jahrzehnten konzentrierte sich die Entwicklung von Server-CPUs vor allem auf eine höhere allgemeine Rechenleistung. Mit dem Aufkommen von Agentic AI ändert sich diese seit Jahren praktizierte Designlogik jedoch zunehmend.

In herkömmlichen GPU-beschleunigten Servern ist die CPU hauptsächlich für die Datenvorbereitung, Aufgabenplanung, E/A-Verarbeitung und die Zusammenarbeit mit Beschleunigern zuständig, wobei ihre Kernaufgabe darin besteht, einen effizienten Betrieb der GPUs zu gewährleisten. In der Ausführungsumgebung für Agenten muss die CPU zudem eine große Anzahl von Aufgaben wie Sandbox-Betrieb, Codeausführung, Tool-Aufrufe und Datenverarbeitung übernehmen. Insbesondere wenn Tausende von Agenten gleichzeitig ausgeführt werden, gewinnen die Single-Thread-Leistung, die Speicherbandbreite, der Aufgabendurchsatz und die Fähigkeit zur Isolierung von Ressourcen zunehmend an Bedeutung.

Verschiedene KI-Arbeitslasten stellen völlig unterschiedliche Anforderungen an die CPU.

Im Juni dieses Jahres wies Satadal Bhattacharjee, Leiter der globalen Cloud- und KI-Infrastrukturchips bei Arm, in seinem Artikel „From Host Node to Heterogeneous Rack: Rethinking the AI CPU“ darauf hin, dass mit der Weiterentwicklung der KI-Infrastruktur hin zu spezialisierter Berechnung die CPUs immer mehr differenzierte Aufgaben übernehmen. Agentic AI treibt Rechenzentren dazu, von einer beschleunigerzentrierten Architektur zu einem heterogenen Rack-Design überzugehen, das auf den vollständigen KI-Arbeitsablauf ausgerichtet ist. Das bedeutet, dass zukünftige CPUs nicht nur allgemeine Rechenleistung bereitstellen, sondern auch für verschiedene Berechnungsabschnitte speziell optimiert werden müssen.

Arm unterteilt die CPUs in der KI-Berechnung weiter in drei Rollen: Host-CPUs für die Vorverarbeitungsphase (Prefill) von Modellen, Host-CPUs für die Dekodierungsphase (Decode) sowie Agent-Ausführungs-CPUs, die für Aufgaben wie Codeausführung und Tool-Aufrufe zwischen Modellaufrufen zuständig sind.

Diese Unterteilung sendet ein wichtiges Signal aus: Der Wert der CPUs verschiebt sich von dem reinen Wettbewerb um allgemeine Rechenleistung hin zum Wettbewerb um die tatsächliche Effizienz bei bestimmten Arbeitslasten.

Für Hersteller von Server-CPUs bedeutet dies nicht nur, dass sich die Ausrichtung des Produktdesigns anpassen muss, sondern es kann auch zu stärker segmentierten Marktanforderungen führen. Der Wettbewerb, der früher auf der allgemeinen Leistung basierte, entwickelt sich allmählich zu einem neuen Muster, bei dem allgemeine Leistung und Optimierung für Arbeitslasten gleichermaßen wichtig sind.

Vier starke Akteure treten an – jeder hat seine eigene Trumpfkarte

Angesichts der neuen Berechnungsanforderungen, die durch Agentic AI entstehen, haben Nvidia, Arm, AMD und Intel ihre jeweiligen Karten auf den Tisch gelegt. Obwohl die vier Hersteller auf denselben Markt abzielen, unterscheiden sich ihre technischen Wege und strategischen Überlegungen voneinander.

Nvidia – Ausweitung von GPUs auf CPUs, um die Kontrolle über KI-Systeme zu erlangen.

Sehen wir uns zuerst Nvidia an. Die Zuversicht von Nvidia beruht zunächst auf dem riesigen Ökosystem, das es im Bereich der KI-Beschleunigungsberechnung aufgebaut hat.

Da GPUs eine zentrale Stellung auf dem Markt für KI-Training und -Inferenz einnehmen, erkennt Nvidia allmählich, dass die Effizienz von KI-Systemen nicht mehr nur von der GPU selbst beeinflusst wird, sondern auch von CPU, Speicher, Verbindungen und der gesamten Softwareausführungsumgebung.

Vera ist die Fortsetzung dieses Denkansatzes. Als neue Generation von CPUs nach Grace verwendet Vera den von Nvidia selbst entworfenen Olympus-Kern, integriert 88 Kerne und 176 Threads und erreicht über das LPDDR5X-Speichersystem eine maximale Speicherbandbreite von 1,2 TB/s.

Nvidia Vera CPU (Quelle: Nvidia)

Man erkennt, dass sein Designschwerpunkt nicht darin liegt, die Anzahl der Kerne blind zu erhöhen, sondern die Single-Thread-Leistung zu verbessern und gleichzeitig die Ressourcenkonflikte und die Effizienz des Speicherzugriffs in Umgebungen mit hoher Parallelität zu optimieren. Dies stimmt genau mit den Eigenschaften von Agent-Arbeitslasten überein: Viele Aufgaben werden parallel ausgeführt, aber jede einzelne Aufgabe erfordert eine schnelle Reaktionsgeschwindigkeit. Noch wichtiger ist, dass Vera sowohl über NVLink-C2C eng mit den Nvidia-GPUs zusammenarbeiten als auch unabhängig in CPU-Servern eingesetzt werden kann.

Laut dem technischen Bericht, den Modal am 19. Oktober veröffentlicht hat, ist Vera nicht bei allen Einzeltestaufgaben den Konkurrenten überlegen, und sein Vorteil ist nicht sehr ausgeprägt. Die folgende Abbildung zeigt die Einzeltask-Latenz von erwarteten Agent-Aufgaben in einer Sandbox (ausgewählt aus Terminal-Bench). Das Experiment wurde auf einem unbelasteten Gerät seriell ausgeführt, sodass das Ergebnis die reine Single-Thread-/Einzeltask-Latenz darstellt.

Vergleich der Einzeltask-Latenz unter unbelasteten Bedingungen (Quelle: Modal)

Mit zunehmender Anzahl gleichzeitiger Aufgaben erweitert sich jedoch sein Durchsatzvorteil. Unter bestimmten Testbedingungen erreicht Vera im Vergleich zur Intel-Plattform Granite Rapids einen bis zu doppelt so hohen Aufgabendurchsatz. Sein entscheidender Vorteil liegt in der Speicherbandbreite und der Kontrolle über Ressourcenkonflikte unter hoher Last. Aus diesem Grund ist Modal zu einem überzeugten Anhänger von Vera geworden.

Vergleich des Aufgabendurchsatzes verschiedener CPU-Plattformen in Szenarien mit hohem Ressourcenkonflikt bei unterschiedlich vielen (50/100/150) gleichzeitigen Containern (Modal-Benchmark)

Es ist nicht das erste Mal, dass Nvidia eine CPU auf den Markt bringt, aber es ist ein wichtiger Durchbruch für die Kommerzialisierung seiner unabhängigen CPUs. Vera wird nicht nur mit der Rubin-GPU kombiniert, sondern kann auch in eigenständigen CPU-Servern eingesetzt werden. Modal nutzte seit langem die x86-Architektur und beginnt nun, seine Infrastruktur für die Arm-Architektur anzupassen – das bedeutet, dass Nvidia die Möglichkeit hat, in den Ressourcenpool für Rechenleistung einzudringen, der bisher von Intel und AMD beliefert wurde. Laut einem Bericht der Reuters vom 19. Oktober hat die von Nvidia den Investoren vorgelegte Verkaufsprognose für den Vera-Chip im laufenden Geschäftsjahr mindestens 20 Milliarden US-Dollar erreicht.

Arm – Ausweitung von der IP-Lizenzierung auf selbst entwickelte Chips, um die Rolle in der Industriekette zu verändern.

Sehen wir uns nun Arm an: Arm betreibt seit Jahren das „harte Geschäft“ der IP-Lizenzierung und wollte schon lange in den Prozessormarkt einsteigen.

Tatsächlich brachte Arm im März dieses Jahres die für Rechenzentren konzipierte AGI CPU auf den Markt, die gemeinsam mit Meta entwickelt wurde. Dieser Prozessor auf Basis der Neoverse-V3-Architektur integriert bis zu 136 CPU-Kerne, hat eine thermische Verlustleistung von 300 W, wird im 3-nm-Verfahren von TSMC gefertigt und ist vor allem für die Agentic-KI-Infrastruktur ausgelegt.

Arm AGI CPU (Quelle: Arm)

Arm legt nicht den gesamten Fokus auf die Leistung einer einzelnen CPU, sondern betont die Rechen dichte und Energieeffizienz auf Rack-Ebene. Nach den von Arm veröffentlichten Daten erreicht die AGI CPU unter bestimmten Test- und Konfigurationsbedingungen eine mehr als doppelt so hohe Leistung auf Rack-Ebene wie x86-Plattformen – dieses Ergebnis muss jedoch unter Berücksichtigung der spezifischen Arbeitslasten und Testbedingungen betrachtet werden. Diese Ausrichtung des Designs spiegelt Arme Einschätzung des Rechenzentrumsmarktes wider: Wenn die Anzahl der Agenten stetig wächst, ist die Anzahl der Aufgaben, die mit einem begrenzten Energiebudget ausgeführt werden können, möglicherweise wichtiger als die Spitzenleistung einer einzelnen CPU.

Arm hat die AGI CPU zudem gemeinsam mit Meta entwickelt und erhält Unterstützung von zahlreichen Cloud-Computing- und Geräteherstellern.

Bemerkenswert ist, dass sich die Beziehungen zu seinen Kunden verändern, seit Arm selbst in den Chipmarkt eintritt. Produkte wie Nvidias Vera, AWS Graviton und Google Axion basieren alle auf dem Ökosystem der Arm-Architektur. Nun ist Arm nicht nur der Technologielieferant dieser Unternehmen, sondern wird auch zu einem direkten Konkurrenten auf dem Markt für Server-CPUs. Wie das Geschäft mit eigenen Chips entwickelt werden kann, während das offene Lizenzökosystem aufrechterhalten wird, wird eine neue Aufgabe sein, die Arm bewältigen muss.

AMD – Weiterer Ausbau der Vorteile bei Mehrkernarchitektur, Chiplet-Design und x86-Ökosystem.

Angesichts der beiden neuen Akteure plant AMD nicht, seine auf dem x86-Markt angesammelten Vorteile aufzugeben.

Im Mai dieses Jahres gab AMD bekannt, dass die sechste Generation des EPYC-Prozessors mit dem Codenamen Venice in der Massenproduktion im 2-nm-Verfahren von TSMC hochgefahren wird. Dieses Produkt basiert auf der Zen-6-Architektur, verfügt über bis zu 256 Kerne und 512 Threads pro CPU und unterstützt 16-Kanal-DDR5-Speicher sowie PCIe 6.0. Das Mehrkern-Design, die Chiplet-Architektur und die stetig verbesserten Speicher- und E/A-Fähigkeiten bleiben wichtige Trümpfe von AMD im Wettbewerb um den Server-Markt.

Aber die neuesten Schritte von AMD zeigen, dass es ebenfalls die Veränderungen bei den Anforderungen an die Agent-Berechnung erkannt hat. Am 12. Oktober veröffentlichte AMD das Helion-Agentic-KI-Rack-Konzept und schlägt zwei verschiedene Infrastrukturformen vor: Eine ist ein reines CPU-Rack, das bis zu 32.768 CPU-Kerne unterstützt, speziell für die Ausführung von Agent-Aufgaben zuständig ist und mit externen Modell-Inferenzsystemen verbunden wird. Die andere Form integriert EPYC-CPUs, Instinct-GPUs und allgemeine Rechenknoten in dasselbe Rack.

Man erkennt, dass AMD beginnt, die Agent-Ausführung und die Modell-Inferenz als zwei Arten von Arbeitslasten zu betrachten, deren Rechenressourcen unabhängig voneinander konfiguriert werden können. Für große Cloud-Dienstleister können große Mengen an Agenten über hochdichte CPU-Cluster ausgeführt werden. Für Unternehmenskunden können CPUs und GPUs je nach Bedarf auf einer einheitlichen Plattform bereitgestellt werden.

Nach den Plänen von AMD werden die entsprechenden Helion-Konfigurationen ab November dieses Jahres verfügbar sein, sie befinden sich derzeit noch in der Entwicklungsphase für Ökosystempartner.

Intel – Verteidigung der Grundposition mit neuer Architektur und ausgereiftem Ökosystem.

Unter den vier Herstellern steht Intel vor dem komplexesten Wettbewerbsdruck. Einerseits erweitert AMD kontinuierlich seinen Anteil auf dem Markt für x86-Server, andererseits dringt die Arm-Familie mit ihren Vorteilen bei der Energieeffizienz in Rechenzentren ein – und nun kommt noch Nvidias Vera hinzu.

Daten von Mercury Research zufolge lag im zweiten Quartal 2026 der Lieferanteil von Intel bei 65,5 % und der von AMD bei 34,5 % im breiten Statistikbereich für x86-Server-CPUs. Vergleicht man nur die EPYC- und Xeon-Prozessoren im Kern-Server-Markt, hat der Lieferanteil von AMD bereits 46,4 % erreicht.

Datenquelle: tom’shardware