KI-Hardware: CPUs erobern die KI-Bühne zurück

Führende Chiphersteller wie Arm, AMD und Intel treiben mit neuen KI-optimierten Prozessoren den Wettbewerb jenseits von Nvidias GPUs an. Der Markt diversifiziert sich hin zu spezialisierten Architekturen.

Der Markt für KI-Hardware befindet sich in einer tiefgreifenden Transformation. Neben den etablierten Grafikprozessoren (GPUs) von Nvidia gewinnen speziell für KI optimierte Hauptprozessoren (CPUs) massiv an Bedeutung. Eine Reihe von Ankündigungen führender Chiphersteller in diesem März markiert den Beginn einer neuen, intensiven Wettbewerbsphase im Rennen um das Herzstück der wachsenden KI-Ökonomie.

Der globale KI-Hardware-Markt, 2024 noch mit rund 60 Milliarden US-Dollar bewertet, wird bis 2035 auf schätzungsweise 172 Milliarden US-Dollar anwachsen. Getrieben wird dieses Wachstum von der explodierenden Nachfrage nach spezialisierter Rechenleistung in Rechenzentren, an Netzwerk-Rändern und in industriellen Anwendungen.

Anzeige

Während die Hardware-Entwicklung rasant voranschreitet, schafft die EU mit dem AI Act bereits den rechtlichen Rahmen für den Einsatz dieser Technologien. Dieser kostenlose Leitfaden zeigt Ihnen kompakt aufbereitet, welche Anforderungen und Fristen Unternehmen jetzt kennen müssen. EU-KI-Verordnung: Jetzt kostenlosen Umsetzungsleitfaden sichern

Arm wagt den Sprung ins Chipgeschäft

Eine der spektakulärsten Entwicklungen dieser Woche kommt von Arm. Der britische Chip-Designer, der bisher nur Lizenzgeber war, steigt nun selbst in die Chip-Produktion ein. Am 24. März kündigte das Unternehmen seinen ersten eigenen Produktions-Chip an: die AGI CPU. Sie ist für den Betrieb sogenannter agentenbasierter KI-Systeme im Rechenzentrums-Maßstab konzipiert und stellt damit das Geschäftsmodell von Arm komplett auf den Kopf.

Mit Meta Platforms hat Arm einen prominenten Entwicklungspartner und ersten Kunden gewonnen. Der Chip packt 136 Rechenkerne in ein 300-Watt-Design und zielt auf effiziente, hochverdichtete Installationen in Server-Racks ab. Die Ankündigung begeisterte die Anleger: Der Aktienkurs von Arm schoss um 16 Prozent in die Höhe.

AMD und Intel setzen auf „CPU-First“-Strategie

Parallel treibt AMD eine klare „CPU-First“-Strategie voran, besonders für Rechenzentren mit begrenzten Stromkapizitäten. CEO Lisa Su nannte 2026 bereits im Februar ein entscheidendes „Wendejahr“, angetrieben von der explodierenden KI-Nachfrage nach CPUs. Im zweiten Halbjahr will AMD seine nächste Server-CPU-Generation „Venice“ auf den Markt bringen. Zudem erweitert das Unternehmen seine Ryzen-AI-Prozessoren für Desktop-PCs, um KI-Beschleunigung direkt auf dem Endgerät zu ermöglichen.

Auch Intel kämpft mit neuen Produkten um seine Position zurück. Auf der CES stellte der Konzern die Core Ultra Series 3 für den KI-PC-Markt vor, auf der MWC folgte die nächste Generation der Xeon-E-Core-Server-CPU „Clearwater Forest“. Diese strategische Fokussierung auf KI-taugliche Prozessoren könnte jedoch zu Engpässen bei einfacheren PCs führen und deren Preise in die Höhe treiben. Analysten berichten, dass sowohl Intel als auch AMD ihre CPU-Preise in diesem Monat um bis zu 15 Prozent anheben werden – ein klares Zeichen für die enorme Marktnachfrage.

Nvidia baut sein Ökosystem aus GPUs, CPUs und LPUs aus

Trotz des CPU-Booms bleibt Nvidia der innovationsstärkste Treiber. Auf seiner Entwicklerkonferenz GTC legte das Unternehmen eine ehrgeizige Roadmap bis 2028 vor. Ein Höhepunkt ist die „Vera Rubin“-Plattform für die zweite Jahreshälfte 2026. Sie kombiniert neue Vera-CPUs mit Rubin-GPUs. Die Vera-CPU, die in Vollproduktion geht, soll deutlich effizienter sein als herkömmliche Prozessoren.

Strategisch expandiert Nvidia auch in eine neue Kategorie: die Language Processing Units (LPUs). Nach einer Lizenzvereinbarung mit Groq will das Unternehmen noch 2026 den Groq 3 LPU auf den Markt bringen, speziell für KI-Ableitungen mit minimaler Latenz. CEO Jensen Huang betonte den Fokus auf das „Zeitalter der Inferenz“, also den Betrieb fertiger KI-Modelle, das er für ein milliardenschweres Geschäft hält. Die Nachfrage nach Nvidias Produkten bis 2027 soll bereits die Marke von einer Billion Dollar erreicht haben.

Anzeige

Der technologische Wandel durch KI bringt nicht nur neue Hardware, sondern auch komplexe regulatorische Pflichten für Entwickler und Anbieter mit sich. Erfahren Sie in diesem Gratis-E-Book, wie Sie Ihr KI-System richtig klassifizieren und die Dokumentationsanforderungen der neuen EU-Regeln erfüllen. Kostenloses E-Book zur KI-Verordnung herunterladen

Der Kampf um Effizienz am Edge und im Rechenzentrum

Der verschärfte Wettbewerb spiegelt einen breiteren Trend wider: die Suche nach spezialisierten Architekturen, die sowohl für das Training als auch den Betrieb von KI optimiert sind. Im Fokus stehen energieeffiziente Designs und die Integration von KI-Fähigkeiten direkt in Geräte am Netzwerkrand.

AMDs „CPU-First“-Ansatz zielt darauf ab, Rechenzentren zu helfen, ihre Workloads innerhalb bestehender Stromgrenzen zu halten. Intel setzt für KI-Inferenz in Live-Netzwerken ebenfalls auf CPU-basierte Lösungen, wie der auf der MWC vorgestellte Xeon-6-SoC mit integrierter KI zeigt. Diese Strategie ermöglicht es, Infrastruktur zu skalieren, ohne teure und komplexe Hardware-Upgrades durchführen zu müssen.

Die hybride KI, die Cloud- und On-Device-Verarbeitung kombiniert, wird zum Kernkonzept. Intels Core-Ultra-Plattform für KI-PCs und AMDs Ryzen-AI-Prozessoren für Laptops und Desktops verfolgen diesen Weg. Sie reduzieren die Abhängigkeit von entfernten Rechenzentren und verbessern Antwortzeiten – ein entscheidender Faktor für Anwendungen wie computergestütztes Sehen oder vorausschauende Wartung in der Industrie.

Ausblick: Spezialisierung und heterogene Architekturen

Die aktuelle Dynamik zeigt einen reifer werdenden KI-Hardware-Markt, der sich von der alleinigen Abhängigkeit von GPUs löst. Während Nvidia mit seinen GPU-Architekturen und dem CUDA-Software-Ökosystem eine dominante Stellung behält, schaffen leistungsstarke, KI-optimierte CPUs von Arm, Intel und AMD Raum für diversifizierte Rechenstrategien.

Der Übergang ins „Zeitalter der Inferenz“ erfordert andere Hardware-Profile. Das eröffnet Chancen für spezialisierte Chips und heterogene Architekturen. Die Zukunft wird von Energieeffizienz, Leistung pro Watt und speziellen Beschleunigern für immer komplexere KI-Workloads geprägt sein. Die Integration von KI in Robotik, autonome Systeme und industrielle Anwendungen wird die Nachfrage nach leistungsstarken und vielfältigen Computing-Lösungen weiter anheizen. Der Kampf um die technologische Vorherrschaft wird auf dem Feld der KI-Hardware entschieden.