Warum SpaceXAI Nvidia Vera für die nächste Generation von Grok einsetzt

Nvidia will SpaceXAI mit seinen neuen Vera-CPUs ausstatten. Die Prozessoren sollen die CPU-intensiven Aufgaben hinter der nächsten Generation agentischer KI von Grok übernehmen: etwa die Koordination von Werkzeugen und Modellen, Codeausführung, Datenverarbeitung und Simulationen. Dabei geht es nicht primär darum, die eigentliche Antwort eines Sprachmodells zu erzeugen. Vera soll vielmehr die vielen Schritte organisieren, die zwischen den einzelnen GPU-Aufrufen stattfinden. 1

Die Ankündigung ist zugleich Teil eines deutlich größeren Infrastrukturplans. SpaceXAI will Vera-Rubin-Systeme perspektivisch auf Rechenkapazitäten im Gigawattbereich skalieren. Außerdem ist ein für den Weltraum optimiertes Vera-Rubin-NVL72-System für einen geplanten Starmind-KI-Satelliten der ersten Generation vorgesehen. 1

Warum agentische KI mehr als eine leistungsfähige GPU braucht

Bei herkömmlichen KI-Anwendungen steht meist der Beschleuniger im Mittelpunkt, auf dem das Modell läuft. Agentische Systeme fügen jedoch eine umfangreiche Steuerungs- und Ausführungsebene hinzu. Ein KI-Agent muss seinen Zustand verwalten, mehrere Modell- und Tool-Aufrufe koordinieren, Code ausführen, Zwischendaten verarbeiten, Umgebungen simulieren und seine Planung wiederholt anpassen.

Damit gewinnt die CPU eine größere Bedeutung. Sie muss viele Prozesse gleichzeitig verwalten, große Mengen an Zustandsdaten bewegen und die GPUs kontinuierlich mit Arbeit versorgen. Nvidia positioniert Vera deshalb nicht als gewöhnliche Host-CPU, sondern als Prozessor für agentische KI, Reinforcement Learning und datenintensive Anwendungen. 33

Das verspricht Nvidia für Vera

Zu den von Nvidia genannten Eckdaten gehören:

• 88 maßgeschneiderte Olympus-CPU-Kerne
• LPDDR5X-Speicher mit bis zu 1,2 TB/s Bandbreite
• Bis zu 1,5 TB Speicher pro Sockel in Konfigurationen, die in der Berichterstattung zum Chip genannt werden 7 32
• Unterstützung für eigenständige Vera-Server, Vera-Rubin-Systeme und weitere Plattformen für KI-Infrastrukturen 33

Diese Eigenschaften zielen auf typische Engpässe agentischer Workloads. Viele Kerne können parallele Orchestrierungs- und Simulationsaufgaben unterstützen. Eine hohe Speicherbandbreite kann Verzögerungen verringern, wenn Agenten wiederholt auf Zustände, Zwischenergebnisse und große Datensätze zugreifen. In einem Vera-Rubin-System ist die CPU außerdem Teil einer größeren Nvidia-Plattform aus CPUs, Rubin-GPUs, Netzwerken, DPUs und Software. 33 40

Die Angabe von 1,5 TB pro Sockel sollte allerdings mit Vorsicht behandelt werden. Sie stammt aus Produktbeschreibungen und sekundärer Berichterstattung; die hier vorliegenden primären Nvidia-Veröffentlichungen bestätigen diese konkrete Konfiguration nicht unabhängig. Sicherer ist daher, sie als gemeldete oder konfigurierbare Angabe zu bezeichnen – nicht als universell geltende Spezifikation.

Wie die Leistungsangaben einzuordnen sind

Beim Start von Vera am 16. März 2026 erklärte Nvidia, der Prozessor liefere bei den anvisierten Workloads die doppelte Effizienz und eine um 50 Prozent höhere Leistung als herkömmliche Rack-Scale-CPUs. 38 In der späteren Ankündigung mit SpaceXAI sprach Nvidia außerdem von einer bis zu 1,8-mal schnelleren Aufgabenerledigung als bei x86-CPUs für bestimmte Anwendungen aus den Bereichen agentische KI, Reinforcement Learning und Datenverarbeitung. 1

Das sind wichtige Hinweise auf Nvidias Positionierung, aber kein unabhängiger Beleg dafür, dass Vera bei jeder Serveraufgabe schneller ist. Die Zahlen sind Herstellerangaben und beziehen sich auf ausgewählte Workload-Kategorien und Vergleichssysteme. Sie belegen keine allgemeine Überlegenheit gegenüber AMD EPYC oder Intel Xeon im klassischen Unternehmensrechenzentrum.

Für Kunden dürfte deshalb die Leistung des Gesamtsystems entscheidender sein: Wie schnell erledigt eine Kombination aus CPU, GPU und Software den kompletten Arbeitsablauf eines Agenten? Wie hoch ist der Energieverbrauch? Wie gut funktionieren Aufgabenplanung, Speicherverwaltung und Tool-Aufrufe? Nvidias isolierte CPU-Werte beantworten diese Fragen allein nicht.

Von den ersten Testsystemen zum Ausbauplan

Die Partnerschaft entwickelte sich schrittweise. Nvidia stellte Vera am 16. März 2026 vor und kündigte zunächst an, dass Partnersysteme in der zweiten Jahreshälfte verfügbar werden sollten. 38 Im Mai übergab Nvidia-Manager Ian Buck erste Vera-Systeme persönlich an SpaceXAI, Anthropic, OpenAI und Oracle Cloud Infrastructure. Nvidia bezeichnet diese Übergaben als ersten Kundenausbau. Sie sollten jedoch nicht mit dem Nachweis verwechselt werden, dass jeder Empfänger bereits eine vollständige Bereitstellung im großen Maßstab abgeschlossen hatte. 11

Mit der Ankündigung vom 24. August wurde aus SpaceXAI ein früher Hardwareempfänger mit einem öffentlich formulierten Einsatzplan. Nvidia zufolge sollen die Prozessoren agentische Grok-Workloads auf der Erde unterstützen und Teil eines geplanten, für den Weltraum optimierten Vera-Rubin-Systems für Starmind werden. 1

Der terrestrische Einsatz ist dabei der näherliegende und leichter nachvollziehbare Anwendungsfall: CPU-intensive Steuerungs- und Datenverarbeitungsaufgaben werden mit Rubin-GPUs in einer KI-Rechenzentrumsumgebung kombiniert. Der Orbitalteil ist deutlich spekulativer. Nvidia weist selbst darauf hin, dass Rechnen im Orbit andere Anforderungen an Energieversorgung, Wärmeabfuhr, Bandbreite, Zuverlässigkeit und Systemintegration stellt. 1

Ein KI-Satellit ist vor allem ein Systemtest

Ein KI-System im Orbit lässt sich nicht auf Kernzahl und Speicherbandbreite reduzieren. Berücksichtigt werden müssen unter anderem Energieerzeugung, Kühlung beziehungsweise Wärmeabfuhr, Strahlungsbeständigkeit, Startmasse, Kommunikationskapazität und die langfristige Wartbarkeit.

Der geplante Starmind-Satellit wäre deshalb ebenso ein Test für die Systemtechnik wie für Vera selbst. Die Ankündigung beschreibt eine geplante Architektur und Partnerschaft, beweist aber noch keinen dauerhaft betriebenen Orbitalrechner im großen Maßstab. Berichte nannten einen möglichen Start bereits für 2027; dabei handelt es sich weiterhin um ein Zukunftsvorhaben. 18

Nvidia greift nach der CPU-Schicht

Vera erweitert Nvidias Strategie für KI-Infrastrukturen. Das Unternehmen konkurriert damit nicht mehr nur um den Beschleuniger in einem KI-Server, sondern bietet zunehmend auch CPU, Verbindungen, Netzwerke, Speicherkomponenten und Software rundherum an. In seiner März-Ankündigung nannte Nvidia Cloud-Anbieter und Systemhersteller, die mit dem Unternehmen an Vera arbeiten. Oracle erklärte zudem, dass sein künftiger OCI-Supercluster Vera-CPUs mit Rubin-GPUs, BlueField-DPUs, NVLink, SuperNICs und Ethernet-Switches kombinieren soll. 38 40

Oracle Cloud Infrastructure ist dabei ein besonders wichtiger Prüfstein. Nach Angaben aus der Berichterstattung plant die Cloud-Sparte, ab 2026 Hunderttausende Vera-CPUs einzusetzen. 8 39 Sollten diese Pläne umgesetzt werden, würde Vera über eine prominente Kundenerprobung hinaus zu einer relevanten Hyperscale-Bereitstellung werden.

Der Wettbewerbsdruck trifft vor allem AMD und Intel, deren Serverprozessoren weiterhin eine zentrale Rolle in Rechenzentren spielen. Nvidias Vorteil muss dabei nicht in einer allgemein führenden CPU-Leistung liegen. Entscheidend könnte vielmehr die Möglichkeit sein, eine eng integrierte Plattform für sogenannte KI-Fabriken aus einer Hand zu verkaufen. Für agentische KI kann diese Integration attraktiv sein. Andere Kunden könnten dagegen heterogene Serverflotten bevorzugen, um ihre CPU-Wahl zu behalten und die Abhängigkeit von einem einzelnen Anbieter zu begrenzen.

Der Kursrückgang war kein Urteil über Vera

Am Tag der Ankündigung vom 24. August gaben die Aktien von Nvidia und SpaceX nach. Ein Bericht bezifferte den Rückgang bei Nvidia auf 2,91 Prozent und bei SpaceX auf 1,44 Prozent. 18

Aus dieser eintägigen Bewegung lässt sich weder ableiten, dass Anleger die Partnerschaft ablehnen, noch dass Vera technisch gescheitert ist. Aktienkurse spiegeln auch die allgemeine Marktlage, Gewinnerwartungen, Investitionspläne und die Positionierung von Anlegern wider. Aussagekräftiger wird sein, ob SpaceXAI und andere Kunden ihre angekündigten Pläne in dauerhaft laufende Systeme überführen – und ob unabhängige Messungen Nvidias Effizienz- und Leistungsversprechen bestätigen.

Fazit

Die geplante Vera-Bereitstellung bei SpaceXAI ist vor allem deshalb bemerkenswert, weil sie die CPU als eigenständige Schlüsselkomponente agentischer KI-Infrastrukturen behandelt. Nvidia zufolge sind Veras 88 Olympus-Kerne und der Speicher mit hoher Bandbreite auf Koordination, Ausführung, Simulation und Datenbewegung rund um GPU-Inferenz und -Training ausgelegt. 1 33

Die unmittelbare Geschäftsbotschaft lautet: Ein prominenter KI-Kunde übernimmt Nvidias CPU-Plattform. Strategisch geht es um mehr. Nvidia versucht, einen größeren Teil des Serverstacks zu kontrollieren. Oracles geplanter Hyperscale-Ausbau wird dabei ein weiterer wichtiger Nachfrage- und Praxistest.

Der Orbitalcomputer für Starmind ist die ambitionierteste Erweiterung dieses Plans. Solange er jedoch nicht gestartet ist und zuverlässig arbeitet, sollte er als angekündigtes Ziel verstanden werden – nicht als bereits demonstrierte Fähigkeit.