AMD-Nvidia-Benchmarkduell rückt näher, da offizielle EPYC-Ergebnisse Veras Vorsprung infrage stellen

NVIDIA präsentierte Vera in ausgewählten Vergleichen als bis zu 50 Prozent schneller, doch der AMD-Nvidia-Benchmarkvergleich verändert sich, sobald offizielle EPYC-Turin-Ergebnisse in die Berechnung einfließen.

NVIDIAs Vera-CPU-Material vom Juli 2026 vergleicht den neuen 88-Kern-Prozessor mit AMDs 128-Kern-EPYC 9755. NVIDIA nutzte jedoch interne Messungen für Vera und ein geschätztes Ergebnis für das AMD-System. ServeTheHome ersetzte diese AMD-Schätzung durch veröffentlichte SPEC-CPU-2026-Daten und stellte einen deutlich engeren Wettbewerb fest.

Diese Normalisierung macht Vera nicht zu einem schwachen Prozessor. Sie verändert die Frage, die Käufer stellen sollten. Vera scheint bei einigen Vergleichen der Leistung pro Kern weiterhin vorn zu liegen, während AMD stärkere Optionen für den Gesamtdurchsatz pro Sockel behält. Der eigentliche Konflikt besteht zwischen der von Herstellern gewählten Einordnung und Kaufentscheidungen, die auf passende Workloads abgestimmt sind.

NVIDIAs Vera-Zahlen sehen mit offiziellen AMD-Ergebnissen anders aus

Die wichtigste Veränderung ist kein neues Prozessorergebnis, sondern eine bessere Grundlage zur Einordnung von NVIDIAs bestehender Behauptung.

NVIDIA veröffentlichte am 21. Juli neue Architekturdetails und interne SPEC-CPU-2026-Messungen für Vera. SPEC CPU 2026 ist eine standardisierte Sammlung von Prozessor-Workloads, die die Rechenleistung verschiedener Systeme vergleichbar machen soll. Das Unternehmen stellte die Ergebnisse in den Kontext agentischer KI, bei der CPUs Codeausführung, Retrieval, Orchestrierung, Datenbanken und weitere Aufgaben rund um GPU-Inferenz übernehmen.

Vera verwendet 88 maßgeschneiderte Olympus-Kerne und unterstützt über NVIDIA Spatial Multithreading 176 Hardware-Threads. NVIDIA meldete einen Integer-Base-Wert von 925 für SPECrate 2026 mit zwei Sockeln. SPECrate misst den Durchsatz durch die parallele Ausführung mehrerer Workload-Kopien und reagiert damit empfindlich auf Kernzahl, Speicherverhalten, Compiler-Entscheidungen und Systemkonfiguration.

Der Vergleich in NVIDIAs Whitepaper nutzte AMDs EPYC 9755, einen 128-Kern-Turin-Prozessor, der 2024 eingeführt wurde. NVIDIA schätzte die Leistung des konkurrierenden AMD-Systems, statt die stärkste verfügbare veröffentlichte und geprüfte SPEC-Einreichung für diesen Prozessor zu verwenden.

Diese Entscheidung ist relevant. Ein veröffentlichtes EPYC-9755-System mit zwei Sockeln erzielte im offiziellen SPEC-Ergebnis einen Integer-Base-Wert von 1.070 für SPECrate 2026. NVIDIAs Schätzung lag laut der anschließenden Benchmark-Normalisierung rund 16 Prozent unter diesem geprüften Ergebnis.

Der offizielle Wert bringt den Vergleich zudem in eine unerwartete Position. Veras gemeldeter Wert von 925 liegt beim gesamten Integer-Durchsatz hinter den 1.070 Punkten des Dual-Socket-EPYC-9755-Systems. NVIDIA verfügt weiterhin über weniger Kerne, weshalb das Ergebnis sein Argument zur Leistung pro Kern stützt. Es stützt jedoch nicht die einfache Schlussfolgerung, dass Vera in jedem relevanten Sinn der schnellere Prozessor ist.

NVIDIAs Diagramme betonten Verhältnisse gegenüber der geschätzten AMD-Basislinie. Sobald das offizielle Ergebnis diese Schätzung ersetzt, schrumpft der scheinbare Abstand zwischen den Prozessoren. ServeTheHome berechnet, dass Vera in diesem Vergleich etwa 5,3 Punkte pro Kern erreicht. AMDs auf Leistung ausgerichteter EPYC 9575F liegt bei etwa 4,8 bis 5,0 Punkten pro Kern.

Damit bleibt Vera gegenüber AMDs hochfrequenten Turin-Optionen ein geschätzter Vorteil pro Kern von rund 6 bis 10 Prozent. Das unterscheidet sich erheblich von Vergleichen, die Vorteile von 50 Prozent oder mehr nahelegen.

Diese Unterscheidung ist zentral für die AMD-Nvidia-Debatte. Ein Prozessor kann pro Kern führen und pro Sockel verlieren. Er kann auch bei ausgewählten latenzsensiblen Aufgaben führen und zugleich weniger Durchsatz für parallele Dienste bieten. Jede dieser Aussagen kann zutreffen, doch keine beschreibt die gesamte Kaufentscheidung.

NVIDIA hat den Vera-Wert nicht als unabhängig geprüftes SPEC-Ergebnis eingereicht. Die Juli-Messungen bleiben interne Unternehmensdaten. Das macht die Zahl nicht ungültig, ordnet sie aber in eine andere Evidenzkategorie ein als eine veröffentlichte SPEC-Einreichung.

Das normalisierte Ergebnis erzeugt daher die zentrale Spannung des Artikels. NVIDIA scheint eine konkurrenzfähige Arm-Server-CPU mit starken einzelnen Kernen entwickelt zu haben. Sein Marketingvergleich lässt diesen Vorteil breiter erscheinen, als die verfügbaren geprüften Daten nahelegen.

Der AMD-Nvidia-Vergleich hängt davon ab, welche Einheit Käufer bewerten

Vera wirkt am stärksten, wenn ein aktiver Kern die Vergleichseinheit ist, während EPYC stärker aussieht, wenn ein vollständiger, auf Durchsatz ausgelegter Sockel die Einheit ist.

NVIDIA entwickelte Vera rund um eine bestimmte Auffassung von agentischem Computing. Ein KI-Agent erzeugt mehr als nur Tokens. Er kann Kontext abrufen, Python-Code ausführen, eine Datenbank abfragen, einen externen Dienst aufrufen, das Ergebnis prüfen und die Schleife wiederholen.

Viele dieser Schritte erfolgen sequenziell. Ein langsamer Tool-Aufruf kann die gesamte Antwort aufhalten, selbst wenn Hunderte andere Aufgaben an anderer Stelle im System laufen. NVIDIA argumentiert daher, dass eine starke Single-Thread-Leistung unter Last – also die Geschwindigkeit jedes Threads bei ausgelastetem Sockel – stärker gewichtet werden sollte.

Die Vera-Architekturdetails des Unternehmens beschreiben einen breiten Out-of-Order-Olympus-Kern. Out-of-Order-Ausführung ermöglicht es einem Prozessor, unabhängige Operationen neu anzuordnen, statt darauf zu warten, dass jede Anweisung sequenziell abgeschlossen wird.

Olympus umfasst eine 10-fach breite Decode-Engine, fortschrittliche Sprungvorhersage und einen neuronalen Prädiktor für schwierige Sprungmuster. Diese Funktionen richten sich an Interpreter, Compiler, Agent-Laufzeiten, Graph-Software und anderen Code mit unregelmäßigem Kontrollfluss.

Das ist ein schlüssiges Entwicklungsziel. Es erklärt auch, warum NVIDIA eine Perspektive pro Kern oder pro Thread bevorzugt. Wenn der Fortschritt eines Agenten von einem verzweigungslastigen Ausführungspfad abhängt, verringert das Hinzufügen weiterer langsamerer Kerne nicht zwangsläufig die Latenz dieses Pfads.

AMDs Turin-Portfolio wurde für ein breiteres Spektrum an Serverrollen entwickelt. Es umfasst Modelle, die auf hohe Frequenz, ausgewogene Leistung und maximale Kerndichte optimiert sind. Vera mit nur einem EPYC-Modell zu vergleichen, verdeckt diese Unterschiede innerhalb von AMDs eigenem Portfolio.

Der EPYC 9575F ist ein besonders wichtiger Gegenpol. Er verfügt über 64 Zen-5-Kerne, eine maximale Boost-Frequenz von 5,0 GHz und eine standardmäßige Thermal Design Power von 400 Watt. AMD positioniert ihn für Workloads, die hohe Geschwindigkeit pro Kern schätzen, einschließlich Host-Verarbeitung neben Beschleunigern.

Der EPYC 9755 verfolgt einen anderen Ansatz. Seine 128 Kerne erhöhen den parallelen Gesamtdurchsatz, doch jeder Kern erhält einen kleineren Anteil an Energie- und Speicherressourcen des Sockels. Das macht ihn zu einer unvollkommenen Referenz für Behauptungen, die auf Single-Thread-Leistung ausgerichtet sind.

Der EPYC 9965 verschiebt sich noch weiter in Richtung Dichte. AMDs EPYC-Spezifikationen nennen 192 Kerne, 384 Threads, 384 MB L3-Cache und eine standardmäßige Thermal Design Power von 500 Watt. Ein veröffentlichtes System mit zwei Sockeln und diesem Prozessor hat einen Integer-Base-Wert von 1.230 für SPECrate 2026 erreicht.

Dieses Ergebnis auf Systemebene übertrifft sowohl Veras gemeldete 925 als auch das EPYC-9755-Ergebnis. Es bedeutet nicht, dass jeder 9965-Kern schneller ist. Es zeigt, warum ein einzelnes Verhältnis keinen Portfoliovergleich entscheiden kann.

Ein Cloud-Anbieter, der Tausende kleine Webdienste betreibt, könnte die Anzahl der pro Rack erledigten Anfragen bewerten. Eine Plattform für interaktive Agenten könnte eine konsistente Latenz für jede Sandbox priorisieren. Ein Datenbankkäufer könnte auf Softwarelizenzierung pro Kern achten. Ein Entwickler von KI-Systemen könnte vor allem sicherstellen wollen, dass teure GPUs ausreichend mit Arbeit versorgt werden.

Jeder Käufer misst eine andere ökonomische Einheit. Prozessor, Sockel, Node, Rack, lizenzierter Kern und abgeschlossene Agentenaufgabe sind nicht austauschbar.

Das setzt beide Unternehmen unter Druck. NVIDIA muss zeigen, dass seine Gewinne pro Kern vollständige Agent-Workloads verbessern und nicht nur ausgewählte CPU-Benchmarks. AMD muss zeigen, dass seine höhere Kerndichte unter den von NVIDIA betonten unregelmäßigen Workloads keine Latenz- oder Speicherengpässe erzeugt.

Das Ergebnis ist hilfreicher, als einen Hersteller zum Sieger zu erklären. Es benennt den Punkt, an dem Architektur zur operativen Ökonomie wird. Käufer müssen die Einheit wählen, die zu ihrem Dienst passt, bevor sie den Benchmark wählen.

Speicherbandbreite macht Veras Vorsprung real, aber bedingt

Veras Speichersystem ist ein erheblicher Architekturvorteil, doch ein Teil dieses Vorteils beruht auf einer neueren Speichergeneration und einer geringeren Kernzahl.

Vera kombiniert 88 Olympus-Kerne mit bis zu 1,2 TB pro Sekunde LPDDR5X-Speicherbandbreite. NVIDIA verwendet laut seinen Architekturunterlagen SOCAMM2-Module mit 9.600 MT/s. Diese Bandbreite hilft bei den vielen Speicherzugriffen, die von Interpretern, Datenbanken, Retrieval-Systemen und parallelen Agent-Sandboxes erzeugt werden.

AMD EPYC Turin unterstützt 12 DDR5-Speicherkanäle. Die Produktseite des EPYC 9965 nennt Speichergeschwindigkeiten von bis zu 6.400 MT/s und 614 GB pro Sekunde Sockelbandbreite. Der EPYC 9755 verwendet dieselbe Generation von Speicherschnittstelle.

Auf Sockelebene bietet Vera daher fast die doppelte Spitzen-Speicherbandbreite von Turin. Auf Kernebene wird der Unterschied größer, da Vera diese Bandbreite auf 88 Kerne verteilt. Ein EPYC-Prozessor mit 128 oder 192 Kernen verteilt eine geringere Gesamtsumme auf mehr Kerne.

NVIDIA sagt, Vera biete in seinen ausgewählten Vergleichen mehr als die dreifache Speicherbandbreite pro Kern gegenüber traditionellen x86-Serverprozessoren. Diese Einordnung ist mathematisch plausibel, wenn Vera mit einem Turin-Modell mit hoher Kernzahl verglichen wird. Das Ergebnis vereint jedoch Architektur, Speichergeschwindigkeit, Kanaldesign und Kernzahl.

ServeTheHome weist darauf hin, dass ein großer Teil des Vergleichs der Sockelbandbreite die Generation des Speichers widerspiegelt. Turin kam im Oktober 2024 mit Unterstützung für DDR5-6400 auf den Markt. Vera-Systeme sind für die zweite Hälfte des Jahres 2026 geplant und verwenden schnelleren LPDDR5X-Speicher.

Das hebt Veras Vorteil nicht auf. NVIDIA traf eine bewusste Architekturentscheidung, mehr Speicherbandbreite an weniger, stärkere Kerne anzubinden. Es bedeutet jedoch, dass der Vergleich nicht als reine Messung des Kerndesigns interpretiert werden sollte.

Die Speicherkapazität bringt einen weiteren Zielkonflikt hinzu. NVIDIAs frühes Vera-Testsystem umfasste acht Module mit je 96 GB und stellte damit 768 GB bereit. EPYC-Plattformen können wesentlich größere Speicherkonfigurationen unterstützen, was für Datenbanken, Analysen, Virtualisierung und CPU-gehostete Daten rund um große GPU-Cluster wichtig sein kann.

Auch die Latenz hängt von mehr als der bloßen Bandbreite ab. Vera verwendet einen monolithischen Compute-Die, einen einheitlichen Cache und NVIDIAs Scalable Coherency Fabric. NVIDIA sagt, das Fabric liefere 3,4 TB pro Sekunde On-Die-Bandbreite und unterstütze eine einzelne NUMA-Domäne über ein System mit zwei Sockeln hinweg.

NUMA, oder nicht-uniformer Speicherzugriff, beschreibt Systeme, in denen die Zugriffszeit auf Speicher davon abhängt, welcher Prozessor oder welches Chiplet die Daten besitzt. Software, die Speicher ungünstig über NUMA-Domänen verteilt, kann unter unvorhersehbaren Verzögerungen leiden.

AMDs EPYC-Prozessoren mit hoher Kernzahl verwenden Chiplets. Chiplets ermöglichen AMD, viele Kerne wirtschaftlich zusammenzustellen, doch die Kommunikation zwischen Compute-Dies läuft über einen I/O-Die und ein Fabric. Dieses Design kann bei bestimmten dieübergreifenden Zugriffsmustern Latenznachteile verursachen.

NVIDIA nutzt diesen Kontrast, um zu argumentieren, dass Vera unter Parallelität vorhersehbare Latenz liefert. Bei Agent-Workloads kann Vorhersehbarkeit ebenso wichtig sein wie die Durchschnittsgeschwindigkeit. Eine verzögerte Tool-Ausführung kann die Antwortzeit verlängern, die ein Nutzer wahrnimmt.

Dennoch ist der relevante Test nicht allein die Spitzenbandbreite. Eine Arbeitslast muss genügend nützlichen Speicherverkehr erzeugen, um davon zu profitieren. Die Software benötigt außerdem ausreichend Parallelität und einen Working Set, der das Speichersystem beansprucht.

Einige Kompilierungs-, Kryptografie- und verzweigungsintensive Arbeitslasten bleiben durch die Core-Ausführung begrenzt. Andere Datenbank- und Analyse-Workloads können empfindlich auf Kapazität, Cache-Verhalten oder Speicherzugriff reagieren. Spitzenbandbreite kann nicht jedes Ergebnis vorhersagen.

Auch der Compiler kann das Ergebnis verschieben. NVIDIAs interne SPEC-Messungen verwendeten für mehrere Vergleiche LLVM und Clang, während veröffentlichte AMD-Ergebnisse häufig GCC nutzen. Compiler-Optimierung beeinflusst Scheduling, Vektorisierung, Code-Layout und die Auswahl von Bibliotheken.

Ein valider Kaufvergleich sollte daher Compiler und Software-Stack nach Möglichkeit konstant halten. Wenn ein Käufer GCC-kompilierte Software einsetzen will, kann ein Clang-Vorteil niemals sichtbar werden. Wenn die Software ohne Kompatibilitätsprobleme auf den schnelleren Compiler wechseln kann, würde auch der Ausschluss dieser Option das Ergebnis verzerren.

Veras Speichersystem stärkt NVIDIAs Argument für agentische Workloads. Es führt jedoch nicht automatisch zu einem festen Vorteil bei jedem Dienst. Der Gewinn muss sich gegenüber Anwendungscode, Compiler-Entscheidungen, Datenplatzierung und vollständigen Systemtests behaupten.

Was die NVIDIA-Vera-Benchmarks weiterhin nicht beweisen

Die verfügbaren Belege zeigen, dass Vera konkurrenzfähig ist, begründen jedoch noch keinen universellen Vorsprung gegenüber AMD EPYC Turin.

Die erste Einschränkung betrifft die Validierung. NVIDIA hat das SPEC CPU 2026-Ergebnis vom Juli intern gemessen. Das Unternehmen legte Konfigurationen in seinem Whitepaper offen, doch das Ergebnis erhielt nicht dieselbe öffentliche Prüfung wie die von AMD in der SPEC-Datenbank eingereichten Werte.

Dieser Unterschied ist besonders wichtig, weil NVIDIA sowohl den Vergleichsprozessor als auch die Normalisierungsmethode auswählte. Ein Anbieter kann Benchmark-Regeln einhalten und dennoch eine Darstellung wählen, die sein Produkt begünstigt.

Die zweite Einschränkung ist die Auswahl der Workloads. SPEC CPU bietet eine kontrollierte Möglichkeit, Prozessorverhalten zu vergleichen, ist aber keine Agentenplattform. Es misst keine vollständige Abfolge aus Retrieval, Code-Ausführung, Netzwerkkommunikation, Datenbanken, Modellinferenz und GPU-Scheduling.

NVIDIAs Behauptung bezieht sich letztlich auf AI Factories. Das Unternehmen argumentiert, dass schnellere CPU-seitige Arbeit GPUs auslastet und die End-to-End-Reaktionsfähigkeit von Agenten verbessert. Ein CPU-Durchsatzwert ist ein unterstützender Beleg für diese Behauptung, keine direkte Messung davon.

Die dritte Einschränkung ist der Plattformzugang. Phoronix testete Vera in NVIDIAs Einrichtung in Santa Clara, bevor Systeme breit verfügbar waren. Die unabhängigen Linux-Tests umfassten Vera, Grace, mehrere AMD-EPYC-Konfigurationen und Intel-Xeon-Systeme.

Diese Ergebnisse waren für NVIDIA ermutigend. Vera erzielte bei ausgewählten Kompilierungs-, Code- und Server-Workloads eine starke Leistung. In den gewählten Tests konkurrierte es eng mit mehreren x86-Prozessoren oder übertraf sie.

NVIDIA kontrollierte jedoch die zugelassene Benchmark-Auswahl und stellte nur begrenzte Testzeit bereit. Phoronix beschrieb die Suite ausdrücklich als die für die Sitzung erlaubten Workloads. Unabhängige Tester konnten noch nicht jede Anwendung ausführen, die Firmware umfassend verändern oder die Plattform in ihren eigenen Laboren reproduzieren.

Die vierte Einschränkung ist die Leistungsmessung. Veras getestete Konfiguration hatte ein Spitzenleistungsziel von 450 Watt für den Prozessor. AMDs verglichene Prozessoren lagen zwischen 300 und 500 Watt. Die thermische Verlustleistung eines Prozessors entspricht nicht der Gesamtleistungsaufnahme eines Nodes, und unterschiedliche Speichertechnologien verändern die Plattformbilanz.

Ein fairer Effizienzvergleich benötigt die Leistungsaufnahme vollständiger Systeme an der Steckdose unter derselben Arbeitslast. Außerdem müssen Durchsatz, Latenz und Energie gleichzeitig gemessen werden. Einen Schlagzeilenwert durch die angegebene Prozessorwattzahl zu teilen, lässt zu viele Plattformvariablen offen.

Die fünfte Einschränkung ist die Softwarekompatibilität. Vera nutzt den Arm-Befehlssatz, während AMD EPYC x86-64 verwendet. Linux und viele Cloud-Anwendungen unterstützen beide, doch Unternehmen betreiben weiterhin native Erweiterungen, proprietäre Agenten, Sicherheitssoftware und Betriebshilfsmittel, die für x86 kompiliert wurden.

Die Portierungsreibung wird unterschiedlich ausfallen. Containerisierte Open-Source-Dienste können sich leicht umstellen lassen. Ältere kommerzielle Software kann eine Herstellerzertifizierung oder Codeänderungen erfordern. Ein Prozessor kann einen Benchmark gewinnen und bei einer Einführung dennoch verlieren, wenn der Softwaresupport die Produktion verzögert.

Die sechste Einschränkung betrifft den Vergleichszeitpunkt. Vera kommt rund zwei Jahre nach Turin. NVIDIAs Whitepaper erschien, als AMD sich darauf vorbereitete, seine EPYC-Venice-Familie der nächsten Generation vorzustellen. Turin ist damit eher der auslaufende Vergleichspunkt als die zeitgleiche Architektur.

Ein Vergleich mit einem lieferbaren Prozessor ist angemessen. Käufer können Turin-Systeme jetzt erwerben, während Veras Verfügbarkeit für die zweite Hälfte des Jahres 2026 geplant ist. Langfristige Architekturbehauptungen sollten jedoch auch gegen Hardware geprüft werden, die während Veras zentralem Einsatzzeitraum konkurrieren wird.

AMD hat bereits erklärt, dass Venice auf 16 Speicherkanäle erweitert wird und die Sockelbandbreite steigert. Frühe Unternehmensprognosen betonen zudem eine höhere Rack-Dichte und mehr Durchsatz. Diese Behauptungen erfordern dieselbe Vorsicht wie NVIDIAs interne Vera-Zahlen.

AMDs veröffentlichte Rack-Methodik schätzt die Leistung unter einer Rack-Grenze von 100 kW. Sie prognostiziert für EPYC 9965 gegenüber Vera einen Vorteil bei sechs Workloads und einen größeren Vorsprung für Venice.

AMD schätzt Veras Leistung jedoch, indem es Ergebnisse von Grace hochrechnet, und schätzt Teile des zukünftigen Venice-Vergleichs. Diese Methode beantwortet NVIDIAs vorteilhafte Darstellung mit AMDs vorteilhafter Darstellung. Kein Herstellermodell ersetzt abgestimmte Tests auf lieferbaren Systemen.

Die richtige skeptische Haltung ist symmetrisch. NVIDIAs Diagramme sollten nicht als Beweis einer breiten Überlegenheit gelten. AMDs Rack-Prognosen sollten nicht als Beweis gelten, dass Vera in bereitgestellter AI-Infrastruktur verliert.

Beide Unternehmen wählen die Ebene, auf der ihre Designs am stärksten wirken. NVIDIA betont Fortschritte pro Core, Speicherbandbreite und Latenz. AMD betont Gesamtdurchsatz, Dichte und die Zahl der unter einer Rack-Leistungsgrenze verfügbaren Cores.

Käufer sollten diese Narrative als überprüfbare Hypothesen behandeln. Die entscheidenden Daten müssen von reproduzierbaren Systemen stammen, auf denen Software läuft, die dem vorgesehenen Dienst ähnelt.

Der eigentliche Wettbewerb heißt Agentenlatenz gegen Rack-Durchsatz

Die Rivalität zwischen AMD und Nvidia wird zu einem Wettbewerb darüber, welche Leistungseinheit die Ökonomie eines AI-Rechenzentrums definiert.

NVIDIAs Strategie beginnt mit der GPU. Vera ist Teil der Vera-Rubin-Plattform, bei der CPU, GPU, Interconnect, Networking und Software-Stack gemeinsam entwickelt werden. Die Aufgabe der CPU besteht darin, Verzögerungen rund um teure Beschleuniger zu beseitigen.

Das macht Fortschritt pro Thread strategisch wertvoll. Wenn ein schnellerer CPU-Schritt die GPU-Leerlaufzeit reduziert, kann Vera über seinen eigenen Benchmark-Wert hinaus Wert schaffen. NVIDIA kann zudem NVLink-C2C-Kohärenz nutzen, um die CPU eng mit dem Rest seiner Plattform zu verbinden.

AMD nähert sich dem Markt von einer breiteren Serverbasis aus. EPYC bedient Cloud-Instanzen, Datenbanken, Analytik, Virtualisierung, Speicher, High-Performance Computing und GPU-Hosts. Seine hohen Core-Zahlen ermöglichen es Betreibern, mehr Workloads auf jedem Sockel oder Rack zu konsolidieren.

Für viele Dienste dominiert weiterhin der aggregierte Durchsatz. Webserver, Key-Value-Stores, Batch-Analytik, virtuelle Maschinen und Container-Plattformen können Arbeit auf Hunderte Cores verteilen. Mehr abgeschlossene Aufgaben pro Rack können eine geringere Leistung jedes einzelnen Cores überwiegen.

Die beiden Strategien überschneiden sich bei agentischer AI, weil Agentenplattformen beide Eigenschaften benötigen. Sie brauchen schnelle sequenzielle Schritte für nutzerseitige Reaktionsfähigkeit. Zugleich benötigen sie massive Parallelität, wenn viele Nutzer, Tools und Umgebungen gleichzeitig arbeiten.

Eine kleine interaktive Bereitstellung könnte Veras Design bevorzugen. Man denke an einen Agenten, der Code bearbeitet, eine Sandbox startet, ein Projekt kompiliert, einen Fehler liest und es erneut versucht. Schnellere verzweigungsintensive Verarbeitung und Kompilierung können jede Schleife verkürzen.

Eine große Cloud-Plattform könnte zu einem anderen Schluss kommen. Sie kann Tausende Agenten neben Datenbanken, Retrieval-Diensten, Sicherheitsfiltern und nicht verwandten Kunden-Workloads ausführen. Höherer Sockeldurchsatz und mehr Speicherkapazität können die Flottenauslastung verbessern.

Lizenzierung kann die Wirtschaftlichkeit erneut umkehren. Manche Unternehmenssoftware wird pro Prozessorkern lizenziert. Stärkere Leistung mit weniger Cores kann die benötigte Zahl an Lizenzen senken. Open-Source-Dienste ohne Gebühren pro Core können stattdessen maximale Core-Dichte belohnen.

Architektur ist nur ein Teil der Entscheidung. Beschaffungsbeziehungen, Systemverfügbarkeit, Firmware-Reife, Virtualisierungsunterstützung und operative Vertrautheit beeinflussen die Bereitstellung ebenfalls. AMD verfügt über eine etablierte x86-Serverbasis, während Vera als neuere Arm-Plattform auf den Markt kommt.

NVIDIA besitzt durch Plattformintegration einen weiteren Vorteil. Organisationen, die bereits Rubin-Systeme kaufen, könnten die für dieses Rack entwickelte CPU bevorzugen, insbesondere wenn Management-Tools und Performance-Tuning als Gesamtpaket bereitgestellt werden. Diese Entscheidung kann fallen, selbst wenn ein isolierter CPU-Benchmark eng bleibt.

AMD kann mit Flexibilität gegenhalten. EPYC-Systeme unterstützen Beschleuniger mehrerer Anbieter und passen in etablierte Serverkonfigurationen. Käufer, die sich um Plattformkonzentration sorgen, können diese Option unabhängig von einem Benchmark-Vorsprung schätzen.

Deshalb sind die normalisierten Ergebnisse wichtig. Ein vermeintlicher Prozessorsprung von 50 Prozent kann eine Diskussion beenden, bevor sie beginnt. Ein Vorsprung von 6 bis 10 Prozent pro Core ermöglicht eine realistischere Bewertung.

Bei diesem kleineren Abstand können Speicherkapazität, Gesamtdurchsatz, Softwarekompatibilität, Rack-Leistung und Plattformintegration über das Ergebnis entscheiden. Der Vergleich wird zu einem Beschaffungsproblem statt zu einem Siegerdiagramm.

Vera verdient weiterhin Aufmerksamkeit. NVIDIA hat seinen ersten kundenspezifischen Arm-Core auf einen entstehenden Workload ausgerichtet und offenbar eine konkurrenzfähige Serverleistung erreicht. Das ist in einem Markt bedeutsam, in dem ausgereifte x86-Architekturen von jahrzehntelanger Optimierung profitiert haben.

AMD hat ebenfalls eine glaubwürdige Antwort. Turins geprüfte Ergebnisse zeigen, dass seine aktuellen Prozessoren konkurrenzfähig bleiben, während das Portfolio unterschiedliche Optionen bei Core-Zahl und Frequenz bietet. Käufer sind nicht auf die eine in NVIDIAs Whitepaper ausgewählte EPYC-SKU beschränkt.

Der Marktdruck reicht über diese beiden Unternehmen hinaus. Intel muss Xeon gegen AMDs Dichte und NVIDIAs vertikal integrierte AI-Plattform verteidigen. Arm-Serveranbieter müssen nun mit einem von NVIDIA entwickelten Core konkurrieren, der vom dominierenden Beschleunigeranbieter unterstützt wird.

Dennoch bleibt der primäre Wettbewerb NVIDIAs Agentenstrategie pro Core gegen AMDs Sockel- und Rack-Durchsatzstrategie. Andere Anbieter liefern Kontext, definieren jedoch nicht die zentrale Entscheidung, die diese Ergebnisse hervorrufen.

Drei Signale werden entscheiden, ob Veras Vorsprung Bestand hat

Die nächste Phase benötigt reproduzierbare Plattformbelege, abgestimmte Anwendungstests und direkten Wettbewerb mit AMDs aktueller Generation.

Das erste Signal ist eine geprüfte Vera-Einreichung in die SPEC CPU 2026-Datenbank. NVIDIAs gemeldeter Wert von 925 bietet einen nützlichen Ausgangspunkt, doch eine unabhängige Prüfung würde die Benchmark-Konfiguration bestätigen und neben AMDs veröffentlichten Ergebnissen einen konsistenten Datensatz schaffen.

Ein geprüfter Wert nahe 925 würde die normalisierte Schlussfolgerung stärken. Er würde bestätigen, dass Vera eine ausgezeichnete Leistung pro Core liefert, während es bei Gesamtdurchsatz hinter Turin-Systemen mit höherer Core-Zahl zurückbleibt. Ein wesentlich anderer Wert würde eine Neuberechnung des Vergleichs erfordern.

Das zweite Signal sind uneingeschränkte Tests auf allgemein verfügbaren Vera-Systemen. Reviewer benötigen ausreichend Zugang, um Compiler, Firmware-Einstellungen, Speicherplatzierung, Thread-Zahlen und Softwareversionen zu ändern. Außerdem müssen sie die Leistungsaufnahme an der Steckdose messen.

Die aussagekräftigsten Tests werden vollständige Agentenabläufe abbilden. Dazu sollten Abruf, Sandbox-Erstellung, Codeausführung, Kompilierung, Datenbankzugriff, Netzwerkaufrufe und GPU-Koordination gehören. Die Ergebnisse sollten Medianlatenz, Tail-Latenz, Durchsatz, Energieverbrauch und Auslastung der Beschleuniger ausweisen.

Wenn Vera seinen Vorsprung über diese Workflows hinweg hält, wird NVIDIAs Architekturargument deutlich überzeugender. Verschwindet der Vorsprung außerhalb ausgewählter Benchmarks, wirkt das Whitepaper eher wie enges Produktpositioning.

Das dritte Signal ist ein vergleichbarer Vera-Vergleich mit AMD EPYC Venice. Turin ist heute verfügbar, doch Venice wird während eines großen Teils von Veras kommerzieller Lebensdauer konkurrieren. Der Vergleich sollte identische Compiler, Betriebssysteme, Workload-Versionen, Leistungsgrenzen und Knotenkonfigurationen verwenden.

Dieser Test muss Ergebnisse pro Kern, pro Sockel und pro Rack getrennt ausweisen. Sie zu einer einzigen Zahl zusammenzufassen, würde das Darstellungsproblem wiederholen, das diese Debatte ausgelöst hat.

Ein Venice-Sieg bei Agenten-Workloads pro Kern würde NVIDIAs zentrale Argumentation schwächen. Ein Vera-Sieg bei der Ende-zu-Ende-Latenz, insbesondere bei niedrigerer Knotenleistung, würde NVIDIAs Entscheidung bestätigen, weniger leistungsstarke Kerne und höhere Bandbreite zu priorisieren.

Für Infrastrukturkäufer ist die praktische Konsequenz einfach. NVIDIAs Vera-Behauptungen und AMDs Antworten sollten in getrennten Spalten bleiben, bis beide denselben Workload ausführen. Halten Sie fest, ob jede Zahl gemessen, geschätzt, eingereicht oder unabhängig überprüft wurde.

Wählen Sie anschließend die Einheit, die zum Service passt. Eine interaktive Agentenplattform sollte abgeschlossene Agentenschritte und Tail-Latenz messen. Eine Cloud-Flotte sollte den nutzbaren Durchsatz pro Rack messen. Eine lizenzierte Datenbank sollte die Leistung pro bezahltem Kern messen.

Der Benchmark-Streit zwischen AMD und NVIDIA wirft bereits bessere Fragen auf als die ursprünglichen Diagramme. Wird Veras Vorsprung pro Kern einer unabhängigen Prüfung standhalten? Wird dieser Vorsprung die vollständige Antwortzeit von Agenten verkürzen? Wird AMDs höhere Dichte innerhalb desselben Leistungsrahmens mehr nutzbare Arbeit liefern?

Diese drei Antworten – nicht ein von einem Anbieter ausgewähltes Verhältnis – sollten über den nächsten Serverkauf entscheiden.