NVIDIA Vera CPU: Benchmarks deklassieren AMD und Intel – Architektur-Geheimnisse und Milliardengeschäft

• Bis zu 5,5-fach niedrigere Latenzzeiten
• Bis zu 73 % höherer Durchsatz

Diese Werte sind für Echtzeit-Datenverarbeitung, wie sie in modernen KI-Fabriken üblich ist, ein massiver Vorteil. Vera skalierte dabei mit wachsender Kernzahl stetig weiter, während die x86-Konkurrenz bei etwa 32 Kernen eine Leistungsgrenze erreichte .

Phoronix-Tests (Mai 2026): Das unabhängige Linux-Hardware-Portal testete Vera gegen Einzel- und Doppel-Sockel-Systeme mit Intels Xeon Granite Rapids 6980P sowie verschiedenen AMD EPYC Turin-Modellen. In allen von NVIDIA zugelassenen Workloads – darunter Code-Kompilierung, Python-Performance und Java-Workloads – hatte Vera die Nase vorn .

NVIDIAs eigene Messlatte: Das Unternehmen selbst spricht von einer 1,5-fach höheren Leistung in „Agentic Sandbox“-Umgebungen gegenüber nicht näher genannten x86-Konkurrenten . Im Vergleich zum hauseigenen Vorgänger Grace soll Vera die doppelte Leistung und eine 50 % schnellere Rack-Performance bieten .

Ein genauerer Blick auf den Redpanda-Benchmark

Der Redpanda-Test ist besonders aufschlussreich, weil er eine reale, datenintensive Anwendung abbildet. Die Plattform verglich Vera in einer Kafka-kompatiblen Streaming-Umgebung mit fünf anderen Systemen. Das Ergebnis: Vera lieferte nicht nur die niedrigsten Streaming-Latenzen über die gesamte Testbreite, sondern auch die beste Skalierung der Inter-Core-Kommunikation und die schnellsten Build-Zeiten . Dieser Benchmark unterstreicht, dass Vera nicht auf rohe Rechenleistung allein setzt, sondern auf einen völlig neuen Datenfluss. Genau das ist der Kern seiner Architektur.

Die Architektur: Warum Vera so schnell ist

NVIDIA hat für Vera nicht einfach ein bestehendes Design lizenziert, sondern eine komplett eigene CPU-Architektur entwickelt. Die Grundzutaten:

• 88 maßgeschneiderte „Olympus“-Kerne (Armv9.2-ISA): Das Herzstück ist der erste vollständig von NVIDIA selbst entwickelte Rechenkern für das Rechenzentrum. Er bietet eine 1,5-fache IPC-Verbesserung (Instructions per Cycle) gegenüber der Vorgängergeneration .
• NVIDIA Spatial Multithreading: Jeder physische Kern kann zwei Threads gleichzeitig ausführen, was in Summe 176 Hardware-Threads pro Sockel liefert. So wird eine konstant hohe Auslastung in Multi-Tenant-Umgebungen erreicht .
• Monolithisches Chip-Design: Während AMD und Intel für viele Kerne auf Multi-Chiplet-Designs setzen, die durch NUMA-Latenzen (Non-Uniform Memory Access) bestraft werden, setzt Vera auf einen einzelnen, großen Chip. Das eliminiert diese Latenzprobleme komplett und sorgt für eine gleichmäßige Performance über alle Kerne hinweg .
• 1,2 TB/s LPDDR5X-Speicherbandbreite: Über ein 1.024-Bit-Interface und acht SOCAMM-Module erreicht Vera eine gewaltige Speicherbandbreite. Pro Kern stehen damit etwa 14 GB/s zur Verfügung – rund das Dreifache dessen, was herkömmliche x86-CPUs bereitstellen. Zum Vergleich: AMDs Top-Modell EPYC 9965 bietet pro Sockel rund 614 GB/s .
• NVLink-C2C-Interconnect: Dieser hauseigene Interconnect koppelt Vera eng an die Rubin-GPUs und ermöglicht kohärenten Speicherzugriff mit einer Fabric-Bandbreite von bis zu 22 TB/s . So wird die CPU zum perfekten Zulieferer für die GPU-Rechenbeschleuniger.

Das Konzept ist klar: Vera ist kein Allzweck-Prozessor, sondern ein Spezialist, der die KI-Beschleuniger (Rubin-GPUs) kontinuierlich mit Daten füttern und die komplexe Orchestrierung von KI-Agenten übernehmen soll.

Der Markt: Ein neues 200-Milliarden-Dollar-Spielfeld

NVIDIA-CEO Jensen Huang ließ auf der letzten Bilanzkonferenz keinen Zweifel an den Ambitionen. Er bezeichnete Vera als den Schlüssel zu einem „brandneuen adressierbaren Gesamtmarkt von 200 Milliarden Dollar" – einem Markt, den NVIDIA bisher noch nicht einmal ansatzweise bedient hat .

CFO Colette Kress wurde konkret: Das Unternehmen erwartet 2026 einen Umsatz von 20 Milliarden Dollar allein mit eigenständigen Vera-CPUs. Sie betonte eine außergewöhnlich hohe „Sichtbarkeit“ (Visibility) dieser Einnahmen, was auf bereits unterzeichnete Großaufträge hindeutet .

Frühe Kunden und Cloud-Pläne

Die ersten Vera-Systeme sind keine theoretischen Konstrukte mehr. Im Mai 2026 lieferte Ian Buck, NVIDIAs Vizepräsident für Hyperscale und High-Performance Computing, die ersten Systeme persönlich an die kalifornischen Standorte von Anthropic, OpenAI, SpaceXAI und Oracle Cloud Infrastructure (OCI) .

OCI scheint dabei der größte frühe Partner zu sein und hat Pläne signalisiert, ab 2026 Hunderttausende von Vera-CPUs einzusetzen . Das Vera Rubin NVL72-Rack, das Vera-CPUs mit Rubin-GPUs kombiniert, soll in der zweiten Jahreshälfte 2026 den Betrieb aufnehmen .

Diese Zahlen sind in den Gesamtkontext einzuordnen: NVIDIA meldete für das erste Quartal des Geschäftsjahres 2027 einen Rekordumsatz von 81,6 Milliarden Dollar und prognostizierte für das zweite Quartal 91 Milliarden Dollar (±2 %). Die Vera-CPU ist als „KI-Agenten-Orchestrator" positioniert und zielt auf Bereiche wie bestärkendes Lernen, die Ausführung von KI-Agenten und Inferenz-Koordination ab – eine Domäne, die historisch fest in der Hand der x86-Platzhirsche AMD und Intel lag .

Fazit: Potenzial mit Vorbehalt

NVIDIAs Vera CPU demonstriert in ersten, wenn auch kontrollierten Benchmarks eine beeindruckende Leistung, die die Konkurrenz alt aussehen lässt. Die architektonischen Vorteile – monolithisches Design, extreme Speicherbandbreite und native GPU-Kopplung – machen sie zu einer erstklassigen Wahl für die KI-Fabriken der Zukunft.

Die größten Unsicherheiten bleiben jedoch: Ohne neutrale SPEC- oder MLPerf-Ergebnisse, ohne Angaben zu Taktfrequenzen, Leistungsaufnahme (TDP) und Preisgestaltung ist ein echter Vergleich nicht möglich . NVIDIA hat einen meisterhaften ersten Eindruck inszeniert. Der Praxistest unter Realbedingungen und mit offenen Benchmark-Karten steht noch aus. Sollte Vera dort halten, was die ersten Zahlen versprechen, steht ein massiver Umbruch in der Prozessorlandschaft der Rechenzentren bevor.