AMD schlägt zurück bei Rack‑Scale‑CPU‑Leistung für agentische KI

Statt eines direkten Single‑Core‑Duells schlägt AMD ein Gedankenexperiment vor: Man gebe jeder Plattform ein Rack‑Leistungsbudget von 100 kW und prüfe, wie viel reale agentische Arbeit sie bewältigen kann. In diesem Szenario, so AMDs interne Modellierung, schlagen die EPYC‑Prozessoren mit ihrer hohen Kernzahl Nvidias Vera deutlich – nicht weil jeder einzelne Kern dramatisch schneller wäre, sondern weil die bessere Energieeffizienz es erlaubt, weit mehr Kerne im gleichen Leistungsbudget unterzubringen .

Die Rack‑Scale‑Scorecard: So schlagen sich die CPUs laut AMD

Der modellierte Vergleich von AMD normalisiert alle Plattformen auf ein 100‑kW‑Serverrack mit Dual‑Socket‑Servern (2P). Er fasst sechs Arbeitslasten, die für agentische KI zentral sind – SPECrate 2017 Integer Performance, Server‑seitiges Java, NGINX‑Webserving, Redis, Memcached und relationale Datenbanken – in einen geometrischen Mittelwert des Durchsatzes zusammen, mit Vera als Basislinie .

Besonders aggressiv fällt die Einzelwertung des kommenden Venice‑Chips gegenüber Vera aus: Die Projektionen reichen von einem 2,40‑fachen Vorsprung bei Integer‑Performance bis zu einem 4,05‑fachen Vorteil bei Transaktionen in relationalen Datenbanken (TPROC‑C) .

Die Methodik‑Debatte: Kerne pro Watt vs. Leistung pro Kern

Der Disput lässt sich auf eine fundamentale physikalische und wirtschaftliche Rechnung herunterbrechen. AMDs Modell schätzt, dass seine Chips eine geringere normalisierte 2‑P‑Node‑Leistungsaufnahme aufweisen als Vera. Bei einer festen Obergrenze von 100 kW pro Rack bedeutet eine geringere Leistungsaufnahme pro Knoten, dass physisch mehr Server eingebaut werden können. Während ein Vera‑Rack eine normalisierte Knotenzahl von 1,00x aufweist, passen in ein EPYC‑9965‑Rack rechnerisch 1,86x normalisierte Kerne und in ein Venice‑Rack sogar 2,08x .

Der Rack‑Durchsatz wird dann als Produkt aus der Leistung pro Knoten und der Anzahl der Knoten pro Rack berechnet. Selbst wenn Vera pro Kern etwas schneller wäre – was erste unabhängige Benchmarks für einige Aufgaben tatsächlich nahelegen –, argumentiert AMD, dass es mathematisch unmöglich sei, den schieren Kernzahlvorteil wettzumachen, den seine energieeffizienteren Designs in einem leistungsbeschränkten Rack ermöglichen .

Allerdings stellt AMD auch Behauptungen zur Pro‑Kern‑Leistung selbst auf. Das Methodikpapier schätzt, dass eine 64‑Kern‑Venice‑CPU eine um 27 % höhere Pro‑Kern‑SPECrate‑Leistung als Veras 88‑Kern‑Prozessor erzielen wird, und dass selbst ein 96‑Kern‑Venice‑Chip noch einen Pro‑Kern‑Vorteil von 11 % behalten wird .

Die zwei Blickwinkel des CPU‑Krieges

Hier prallen klassische Benchmark‑Interpretationen aufeinander: Jedes Unternehmen wählt die Messlatte, die seiner Design‑Philosophie am besten entspricht .

• Nvidias Linse: Single‑Socket‑Geschwindigkeit. Nvidia positioniert Vera als „die CPU für Agenten“, gebaut für massiv parallele Sandbox‑Umgebungen, bei denen schnelle Einzelchip‑Leistung an erster Stelle steht. Der eigene technische Blog des Unternehmens gibt an, dass Vera eine bis zu 1,5‑mal höhere agentische Sandbox‑Leistung im Vergleich zu konkurrierenden x86‑Plattformen liefert, unterstützt durch 1,2 TB/s Speicherbandbreite und kundenspezifische Olympus‑Kerne mit Nvidia Spatial Multithreading .
• AMDs Linse: Rack‑Scale‑Service‑Dichte. AMD verschiebt den Fokus auf produktive agentische KI‑Umgebungen, in denen eine GPU das Modell ausführt, aber die CPU alles darum herum erledigt – Orchestrierung, Benutzerauthentifizierung, Caching‑Schichten und Datenbankabfragen. Aus dieser Sicht erfordert die Bedienung von 10.000 gleichzeitigen KI‑Agenten einen massiven, multi‑threaded Durchsatz, der am besten durch Maximierung der Kerndichte pro Rack erreicht wird .

Kritische Einwände hinter der 3,3‑fachen Zahl

So augenfällig die Schlagzeilen von AMD auch sind, sie benötigen eine gesunde Portion Kontext.

• Alle Zahlen sind interne Schätzungen von AMD. Der wichtigste Vorbehalt ist, dass insbesondere die Venice‑Zahlen Vor‑Silizium‑Projektionen und keine unabhängig gemessenen Ergebnisse sind. Die Analyse selbst ist ein Modell, kein Test .
• Nvidia erzählt mit anderen Workloads eine andere Geschichte. Nvidias eigene Benchmarks, die eine Auswahl von Sandbox- und Kompilierungs‑Workloads nutzen, zeigen Vera oft auf Single‑Socket‑Basis vor AMDs aktuellen High‑End‑EPYC‑Prozessoren .
• Äpfel‑und‑Birnen‑Benchmarks. Der geometrische Mittelwert von AMD aus sechs Workloads konzentriert sich auf CPU‑seitige Infrastrukturdienste. Er beinhaltet nicht die agentischen Sandbox‑Kompilierungs‑, Code‑Ausführungs‑ und Tool‑Call‑Workloads, die das Herzstück von Nvidias Vera‑Marketing bilden .
• Veras Leistungsaufnahme ist von AMD geschätzt. Ein entscheidender Treiber für AMDs Vorteil auf Rack‑Ebene ist die Annahme zur Knotenleistung von Vera. In AMDs normalisiertem Modell hat Vera die höchste 2P‑Node‑Leistung, was die Anzahl der Knoten pro Rack begrenzt. Dies ist eine Modellannahme von AMD und keine unabhängig verifizierte Messung des finalen Siliziums .

Verfügbarkeit: Wann kommt das Silizium tatsächlich?

Die Produktionszeitpläne fügen der Wettbewerbsdynamik eine weitere Ebene hinzu.

• AMD EPYC 9965 „Turin“ (Zen 5): Dieser 192‑Kern‑Prozessor ist das aktuelle Flaggschiff und die Grundlage für AMDs Behauptung eines 2,37‑fachen Rack‑Durchsatzes gegenüber Vera. Er wird bereits ausgeliefert .
• AMD EPYC „Venice“ (Zen 6, 256‑Kerne): Am 21. Mai 2026 bestätigte AMD, dass Venice in der Serienproduktion im fortschrittlichen 2‑nm‑Prozess von TSMC angelaufen ist . Die EPYC‑Venice‑Serie für Server soll in der zweiten Hälfte 2026 auf den Markt kommen, Desktop‑Modelle mit Zen 6 folgen später .
• NVIDIA Vera: Nvidia begann Mitte Mai 2026 mit der Auslieferung der ersten Vera‑CPUs an führende KI‑Labore wie Anthropic, OpenAI und Oracle Cloud Infrastructure, eine breitere Verfügbarkeit für Partner wird für die zweite Jahreshälfte 2026 erwartet .

Während sich beide Chips der allgemeinen Verfügbarkeit nähern, wird sich die Debatte endlich von den Präsentationsfolien der Anbieter zu unabhängigen Tests in Rechenzentren verlagern. Bis dahin ist die vielleicht nützlichste Schlussfolgerung nicht, welche CPU schneller ist, sondern die Gewissheit, dass Ihre Infrastruktur‑Evaluierung genau auf den Workload abgestimmt ist, den Sie ausführen wollen.