Das Wettrüsten um die KI-Infrastruktur beschleunigt sich – und die Kosten steigen

Der Open Compute Project (OCP) Global Summit, der heute, am 15. Oktober 2026, endet, war in San Jose komplett ausgebucht. Mit einem Rekord von 15.000 Teilnehmern unterstreicht er das immense Interesse an der Zukunft der Data-Center-Infrastruktur. Die großen Halbleiterhersteller Intel, AMD und Nvidia nutzten diese Plattform, um ihre Strategien für die nächste Generation von KI-Rechenzentren mit neuen Technologien vorzustellen, von denen viele den von OCP geförderten standardisierten Serverspezifikationen entsprechen.

Der globale GPU-Markt für Rechenzentren wird voraussichtlich erheblich wachsen, von geschätzten 138,88 Milliarden US-Dollar im Jahr 2026 auf 624,17 Milliarden US-Dollar, was das Ausmaß dieses technologischen Wettrüstens verdeutlicht. Während Nvidia derzeit eine dominierende Position auf dem Markt für KI-Infrastruktur nach Umsatz innehat, ist man sich unter den Branchenführern einig, dass die gemeinsamen Anstrengungen von AMD, Intel und Nvidia für Channel-Partner unerlässlich sind, um die anhaltende Nachfrage nach der Erweiterung von KI-Rechenzentren zu befriedigen. Bob Venero, CEO von Future Tech Enterprise, bemerkte: „Der Channel braucht AMD, Intel und Nvidia, um die Grenzen immer weiter zu verschieben.“

Intels Streben nach KI-Dominanz mit der D-Series GPU

Intel enthüllte wichtige Details zu seiner kommenden luftgekühlten Data-Center-GPU mit dem Codenamen „Crescent Island“ und dem offiziellen Namen Intel GPU D-Series. Diese neue GPU ist für KI-Inferenz-Workloads konzipiert, verfügt über 480 GB Speicher und liefert bis zu 1,3 Petaflops 8-Bit-Gleitkomma-Rechenleistung (FP8) bei einer Leistungsaufnahme von 350 Watt. Sie wird in einem standardisierten PCIe-Formfaktor angeboten, was eine unkomplizierte Integration in bestehende Rechenzentren ermöglicht, mit Unterstützung für bis zu acht Karten pro Server. Intel arbeitet mit einem breiten Ökosystem von Partnern zusammen, darunter Asus, Cisco, Dell Technologies, HPE, Lenovo und Supermicro, um die D-Series GPU auf den Markt zu bringen.

Die auf der Xe3P-Architektur basierende D-Series GPU ist für Large Language Models (LLMs), Workloads mit langen Kontextfenstern und parallele Dienste optimiert. Eine einzelne D-Series-Karte kann Modelle mit bis zu 300 Milliarden Parametern unterstützen, während ein System mit acht GPUs Modelle mit bis zu einer Billion Parametern verarbeiten kann. Diese Markteinführung stellt Intels erneuten Versuch dar, sich einen stärkeren Fuß auf dem Markt für KI-Beschleuniger zu verschaffen, mit dem Ziel einer breiteren Akzeptanz als bei seinen früheren Gaudi-Chipserien.

Intels Strategie betont auch offene System- und Softwarearchitekturen, von denen das Unternehmen glaubt, dass sie Entwicklern ermöglichen werden, Workloads effizient über verschiedene Hardware hinweg bereitzustellen. Zusätzlich zur D-Series GPU kündigte Intel auch neue Server-Racks mit Intel Xeon CPUs an, die eine kollektive Rechenleistung von über 46.000 Kernen bieten.

Nvidia und AMD forcieren Innovation und offene Standards

Nvidia, obwohl Marktführer, treibt die Innovation weiter voran und kündigte auf dem Gipfel Updates zu seinen Vera-Rubin-Racks an. Nvidias RTX Pro 6000 Blackwell Server Edition dient als direkter Konkurrent zu Intels D-Series GPU. Sie bietet 96 GB GDDR7-Speicher, 2 Petaflops FP8-Rechenleistung und 4 Petaflops FP4-Rechenleistung, konfigurierbar bis zu 600 Watt in einem PCIe-Formfaktor. Während Nvidias Lösung im Allgemeinen eine höhere FP8-Leistung bietet und FP4-Unterstützung für eine schnellere Anwendungsausführung beinhaltet, bietet Intels D-Series deutlich mehr Speicher (480 GB) und eine vergleichbare Speicherbandbreite, zusammen mit einer höheren Energieeffizienz bei 350 Watt.

AMD machte ebenfalls mehrere wichtige Ankündigungen, darunter ein neues flexibles Referenzdesign für Server-Racks, die Einführung seiner ersten EPYC CPU mit LPDDR-Speicherschnittstelle und weitere Entwicklungen bei Open-Source-Lösungen. AMDs Instinct MI200- und MI210-Serien, basierend auf der CDNA2-Architektur, sind bereits für ihre signifikanten Fortschritte bei HPC- und KI-Leistung bekannt, insbesondere für Deep-Learning-Training. Das ROCm-Ökosystem des Unternehmens hat ebenfalls eine erhebliche Entwicklung erfahren und bietet nun funktionale Unterstützung für beliebte KI-Frameworks wie PyTorch und Tools wie llama.cpp und Ollama unter Linux. Die Radeon AI Pro R9700 bietet 32 GB VRAM und wettbewerbsfähige Bandbreite zu einem niedrigeren Preis und stellt ein starkes Wertversprechen für Entwickler dar, die mit ROCm vertraut sind.

Kosten- und Sicherheitszwänge in der KI-Infrastruktur

Über die reine Leistung hinaus wurden auf dem OCP Summit wachsende Bedenken hinsichtlich Kosten und Sicherheit in der KI-Infrastruktur deutlich. Während Hyperscaler und Neocloud-Anbieter schnell agentenbasierte KI-Kapazitäten aufbauen, gibt es für Channel-Partner eine große Chance, Unternehmen beim Aufbau ihrer eigenen On-Premises-Infrastruktur zu unterstützen. Viele Kunden, die hohe Kosten erlebt und Token-Budgets mit unregulierten cloudbasierten KI-Agenten überschritten haben, suchen nun aktiv nach Lösungen zur Kostenkontrolle und zur internen, On-Premises-Agentenbereitstellung, die ihre internen Modelle nutzen.

Die Betonung von VRAM, Speicherbandbreite und ausgereiften Software-Ökosystemen gegenüber theoretischen Rechenspitzen (TOPS) wird für die lokale LLM-Inferenz entscheidend. Nvidias CUDA bleibt der Industriestandard, aber AMDs ROCm gewinnt an Zugkraft, und Intels oneAPI verbessert sich ständig. Dieses dynamische Umfeld deutet darauf hin, dass, während das Hardware-Rennen hart ist, der Kampf um die Dominanz des Software-Ökosystems und praktische, kosteneffektive Bereitstellungslösungen letztendlich darüber entscheiden wird, wer das Wettrüsten um die KI-Infrastruktur gewinnt.