AMD-Nvidia-Rivalität verschärft sich: EPYC 9996 fordert Vera und Xeon heraus

AMD hat einen 256-Kern-Prozessor EPYC 9996 vorgestellt, der Nvidia Vera und Intel Xeon mit ungewöhnlich offensiven Leistungsversprechen herausfordert. Der Wettbewerb zwischen AMD und Nvidia reicht damit über Beschleuniger hinaus bis zu den CPUs, die KI-Workloads orchestrieren, GPUs mit Daten versorgen und Agent-Tools ausführen.

Der Zen-6-Prozessor mit dem Codenamen Venice kombiniert 256 Zen-6c-Kerne, 512 Threads und 1.024 MB L3-Cache. AMD zufolge liefert er in einem ausgewählten KI-Benchmark bis zu 3,4-mal die Leistung von Intels 128-Kern-Xeon 6980P.

AMD beansprucht in einem vorläufigen Vergleich außerdem 20 Prozent höhere Pro-Kern-Leistung als Nvidia Vera. Das Ergebnis ist relevant, weil Nvidia Vera als KI-orientierte Host-CPU für seine Rubin-Systeme positioniert und nicht lediglich als weiteren Allzweck-Serverchip.

Diese Zahlen wurden bislang nicht umfassend unabhängig validiert. Sie stammen aus von AMD kontrollierten Tests, ausgewählten Workloads und Vergleichen, die teils unterschiedliche Venice-Konfigurationen verwenden. Die Spezifikationen sind konkret, das Wettbewerbsurteil bleibt jedoch offen.

EPYC 9996 macht Venice zu einem vollständigen Serverportfolio

AMD bringt nicht nur einen einzelnen Vorzeigeprozessor auf den Markt. Das Unternehmen gliedert Venice in eigenständige Plattformen für dichte Cloud-Computing-Umgebungen, Unternehmensserver und KI-Host-Systeme.

Der führende EPYC 9996 nutzt 256 Zen-6c-Kerne und unterstützt 512 gleichzeitige Threads. Zen 6c ist AMDs auf Dichte ausgelegtes Kerndesign, das mehr Kerne innerhalb praktikabler Sockel- und Leistungsgrenzen unterbringen soll.

Laut den veröffentlichten Spezifikationen arbeitet der Prozessor mit einem Basistakt von 2,55 GHz und erreicht im Boost 4,1 GHz. Seine Thermal Design Power liegt bei bis zu 600 Watt und ordnet ihn klar in die Kategorie hochdichter Rechenzentren ein.

Dieses Leistungsbudget unterstützt 1.024 MB nativen L3-Cache. L3 ist der gemeinsam genutzte Last-Level-Cache des Prozessors, der bei häufig abgerufenen Daten Zugriffe auf den langsameren Systemspeicher reduziert.

Der Cache ist nicht AMDs vertikal gestapelter 3D V-Cache. Stattdessen gewährt AMD jedem 32-Kern-Zen-6c-Chiplet Zugriff auf 128 MB L3, entsprechend 4 MB pro Kern.

AMD hat bestätigt, dass Zen 6 in TSMCs N2-Fertigungsprozess der 2-Nanometer-Klasse gefertigt wird. Die EPYC-9006-Spezifikationen nennen bis zu 16 Speicherkanäle und MRDIMM-Geschwindigkeiten von bis zu 12.800 MT/s.

MRDIMMs, also Multiplexer Combined-Rank Memory Modules, erhöhen die effektiven Datenraten durch die Kombination von Übertragungen aus mehreren Speicher-Ranks. AMD zufolge liefert diese Konfiguration 1,6 TB/s Speicherbandbreite pro Sockel.

Das ist eine wesentliche Architekturänderung gegenüber EPYC Turin. Turin unterstützt 12 Speicherkanäle, DDR5-Geschwindigkeiten bis 6.400 MT/s und in dem angeführten Vergleich rund 576 GB/s Bandbreite.

Venice führt zudem 128 PCIe-6.0-Lanes in einem SP7-Server mit einem Sockel ein. Dual-Socket-Systeme können 160 Lanes bereitstellen und geben Systemherstellern damit mehr Kapazität für Beschleuniger, Netzwerke und Hochgeschwindigkeitsspeicher.

Kerndichte ist nur ein Teil des Portfolios. Standardmodelle mit Zen 6 erreichen 128 Kerne, während Hochfrequenzmodelle bei 96 Kernen enden und auf bis zu 5 GHz boosten.

Der 96-Kern-EPYC 9686F und der 64-Kern-EPYC 9586F erreichen beide diesen Spitzenwert von 5 GHz. Diese Prozessoren zielen auf Workloads, bei denen Latenz und Pro-Kern-Geschwindigkeit wichtiger sind als maximale Thread-Dichte.

AMD plant eine kleinere SP8-Plattform mit Konfigurationen von acht bis 128 Kernen. SP8 reduziert die Speicherunterstützung auf acht Kanäle, behält jedoch 128 PCIe-6.0-Lanes bei.

Ein separater Prozessor namens Verano zielt auf Aufgaben als KI-Host-Knoten. AMD zufolge kombiniert er bis zu 72 Kerne, Taktraten von bis zu 5 GHz und 24-Kanal-LPDDR5X-Speicher mit SOCAMM2-Modulen.

Venice-X wird später erwartet und soll 3D V-Cache für cache-sensitive technische Workloads bieten. Berichten zufolge sind 96 Kerne, 1.152 MB gesamter L3-Cache und ein Boost-Takt von 5,15 GHz geplant.

Diese Segmentierung offenbart AMDs umfassendere Strategie. Das Unternehmen will mit einer Architektur Cloud-Dichte, klassische Unternehmensanwendungen, High-Performance Computing und CPU-intensive Teile von KI-Systemen abdecken.

Diese Breite schafft die zentrale Spannung. Nvidia optimiert Vera für eine eng integrierte KI-Plattform, während AMD darauf setzt, dass ein flexibles x86-Portfolio attraktiver bleibt.

Der Kampf zwischen AMD und Nvidia verlagert sich auf die Host-CPU

Der entscheidende Wettbewerb beschränkt sich nicht mehr darauf, wessen GPU mehr Matrixoperationen ausführt. Die Host-CPU bestimmt zunehmend, ob teure Beschleuniger produktiv bleiben.

KI-Agenten führen mehr als nur Modellschnittstellen aus. Sie starten Python-Code, fragen Datenbanken ab, rufen externe Tools auf, durchsuchen Vektorindizes, kompilieren Software und verwalten zahlreiche parallele Ausführungsumgebungen.

Diese Schritte laufen häufig auf CPUs. Ein langsamer Host kann GPUs auf Daten, Orchestrierungsentscheidungen oder Ergebnisse von Tools außerhalb des Modells warten lassen.

Nvidia hat Vera auf diesen Engpass ausgerichtet. Der Prozessor verwendet 88 kundenspezifische Olympus-Kerne, unterstützt 176 Threads und liefert bis zu 1,2 TB/s LPDDR5X-Speicherbandbreite.

Sein Speicher befindet sich in SOCAMM-Modulen, kompakten Speicherpaketen für hohe Bandbreite und niedrigeren Energieverbrauch. Nvidia verbindet Vera zudem über NVLink-C2C direkt mit Rubin-GPUs.

Diese Verbindung liefert bis zu 1,8 TB/s kohärente Bandbreite zwischen CPU und GPU. Kohärenter Speicher ermöglicht Prozessoren, Daten gemeinsam zu nutzen und dabei einen konsistenten Zustand beizubehalten.

Nvidia zufolge erledigt Vera ausgewählte agentische Workloads 1,8-mal schneller als Vergleichsprozessoren auf x86-Basis. Die Einführung der Vera CPU beansprucht zudem die doppelte Leistung pro Watt für bestimmte Rack-Scale-Konfigurationen.

AMD antwortet mit anderen Stärken. EPYC 9996 verfügt über fast dreimal so viele Kerne wie Vera und über eine beanspruchte Speicherbandbreite von 1,6 TB/s pro Sockel.

Allerdings verbindet AMDs SP7-Plattform Beschleuniger über PCIe statt über Nvidias proprietäre CPU-zu-GPU-Struktur. PCIe 6 bietet breite Kompatibilität, kann jedoch nicht mit der beworbenen kohärenten Bandbreite von NVLink-C2C mithalten.

Daraus ergibt sich eine klare strategische Trennung.

Speicherarchitektur

• AMD: Bis zu 16 DDR5-Kanäle, MRDIMMs mit 12.800 MT/s und 1,6 TB/s beanspruchte Sockelbandbreite.

• Nvidia: LPDDR5X-SOCAMM-Speicher, 1,2 TB/s Bandbreite und Fokus auf Effizienz pro Kern.

CPU-Design

• AMD: Bis zu 256 x86-Zen-6c-Kerne sowie Modelle mit weniger Kernen, die auf hohe Frequenzen optimiert sind.

• Nvidia: 88 kundenspezifische Arm-basierte Olympus-Kerne, ausgelegt für agentische Verarbeitung und KI-Infrastruktur.

Beschleunigeranbindung

• AMD: PCIe-6-Konnektivität unterstützt Beschleuniger mehrerer Anbieter.

• Nvidia: NVLink-C2C koppelt Vera über eine kohärente Schnittstelle eng mit Rubin-GPUs.

Bereitstellungsmodell

• AMD: Ein breites Serverportfolio für klassische Datenbanken, Cloud-Dienste, HPC und KI.

• Nvidia: Eine integrierte KI-Fabrik, die CPU, GPU, Netzwerk, Speicher und Software umfasst.

Nvidias Ansatz kann die Integrationshürden für Kunden senken, die ihre Infrastruktur auf der vollständigen Plattform des Unternehmens standardisieren. Derselbe Anbieter kontrolliert die Prozessoren, Interconnects, Netzwerkadapter, Systemdesigns und einen großen Teil der Software.

AMD bietet eine andere Art von Flexibilität. Kunden können EPYC mit AMD-Instinct-Beschleunigern, Nvidia-GPUs oder anderen PCIe-Geräten einsetzen, ohne eine vertikal integrierte Architektur übernehmen zu müssen.

Diese Wahl ist für Cloud-Anbieter und Unternehmen mit gemischten Flotten relevant. Bestehende x86-Anwendungen können auf Venice migrieren, ohne den Befehlssatz zu wechseln oder gesamte Softwareumgebungen für Arm neu aufzubauen.

Vera hat dennoch erhebliche Unterstützung. Nvidia zufolge planen große Cloud-Anbieter und KI-Unternehmen den Einsatz, ebenso wie Dell, HPE, Lenovo und Supermicro.

Die Wettbewerbsfrage geht daher über die Benchmark-Geschwindigkeit hinaus. Käufer müssen entscheiden, ob eine offene Serverplattform oder ein integrierter KI-Stack über den gesamten Workload hinweg bessere Ergebnisse liefert.

Zen 6 macht Kerndichte zu einem Bandbreitenproblem

EPYC 9996 funktioniert, weil AMD zusammen mit der Kernanzahl auch Speicherdurchsatz, Cache-Kapazität und Ein-/Ausgabebandbreite erhöht hat. Allein die Kerne würden einen überfüllten und ineffizienten Prozessor schaffen.

Eine Server-CPU mit 256 Kernen muss diese Kerne kontinuierlich mit Instruktionen und Daten versorgen. Andernfalls verbringen viele Kerne Zeit damit, auf Speicher zu warten, statt nützliche Arbeit zu erledigen.

AMDs erste Antwort ist das größere Speichersubsystem. Sechzehn Kanäle bieten mehr parallele Wege zum Speicher als Turins 12-Kanal-Design oder die 12 Kanäle des Intel Xeon 6980P.

Die zweite Antwort ist die schnellere MRDIMM-Unterstützung. Eine theoretische Datenrate von 12.800 MT/s verschafft jedem Kanal mehr Übertragungskapazität, auch wenn reale Anwendungen den beworbenen Höchstwert selten dauerhaft erreichen.

Die dritte Antwort ist der Cache. Die 1.024 MB L3 des EPYC 9996 bieten einen deutlich größeren gemeinsam genutzten Arbeitsbereich als Intels Xeon 6980P mit 504 MB.

Die Spezifikationen des Xeon 6980P von Intel nennen 128 Kerne, 256 Threads, 12 Speicherkanäle, 96 PCIe-5.0-Lanes und eine TDP von 500 Watt.

Venice verdoppelt die Kernanzahl dieses Intel-Prozessors und erhöht gleichzeitig die Sockelleistung um 20 Prozent. Dieser Vergleich spricht für AMD bei der theoretischen Kerndichte, belegt jedoch keine Effizienz auf Anwendungsebene.

Software muss ausreichend parallele Arbeit bereitstellen, um 256 Kerne zu nutzen. Datenbanken, Webdienste, virtuelle Maschinen, Kompilierungsfarmen und Cloud-Container können dies häufig effektiv leisten.

Andere Anwendungen hängen von einer begrenzten Zahl schneller Threads ab. Diese Workloads können stärker von AMDs 5-GHz-Modellen oder Intels Angeboten mit höheren Frequenzen profitieren als von der größten EPYC-Konfiguration.

Das Chiplet-Design bringt einen weiteren Aspekt hinzu. AMD verteilt die Kerne auf mehrere Compute-Dies und verbindet sie mit zwei Ein-/Ausgabe-Dies.

Diese Anordnung verbessert die Fertigungsausbeute und ermöglicht AMD, mehrere Produkte aus wiederverwendbaren Komponenten aufzubauen. Sie kann jedoch auch zu ungleichmäßigen Latenzen führen, wenn ein Kern auf Speicher- oder Cache-Ressourcen zugreift, die sich an anderer Stelle befinden.

AMDs Benchmark-Auswahl spiegelt die Workloads wider, die am besten zur Architektur passen. NGINX-Webserver, Redis, Vektorsuche, Datenbanken und Agent-Sandboxes unterstützen allesamt erhebliche Parallelität.

Bei NGINX-Tests mit dem WRK-Lastgenerator meldete AMD 28.789.170 Anfragen pro Sekunde für EPYC 9996. Das Unternehmen ermittelte 24.320.476 für EPYC 9965 und 10.162.179 für Intel Xeon 6980P.

AMD beansprucht daher eine Steigerung von 1,2-mal gegenüber der vorherigen Generation und einen Vorsprung von 2,8-mal gegenüber Intel. Es handelt sich um Herstellerergebnisse, nicht um Befunde eines neutralen Labors.

Der FAISS-Vektorsuchtest zeigt ein ähnliches Muster. FAISS ist eine Open-Source-Bibliothek, die große Sammlungen numerischer Embeddings nach ähnlichen Einträgen durchsucht.

AMD meldete 751.453 Anfragen pro Sekunde für EPYC 9996. Die Zahlen des Unternehmens lagen bei 472.079 für EPYC 9965 und 316.069 für Xeon 6980P.

Vektorabruf ist für KI-Systeme relevant, die Retrieval-Augmented Generation nutzen. Er hilft einer Anwendung, Dokumente oder Datensätze zu finden, bevor sie ein Sprachmodell um eine Antwort bittet.

Der Prozessor zielt außerdem auf Code-Kompilierung und Medienverarbeitung. Beide Workloads können unabhängige Aufgaben auf viele Kerne verteilen, wodurch dichte Prozessoren für gemeinsam genutzte Infrastruktur attraktiv werden.

Cloud-Betreiber können mehr Dienste auf jedem Sockel konsolidieren, wenn die Auslastung hoch bleibt. Außerdem können sie die Anzahl lizenzierter Server, Netzwerkverbindungen und Mainboard-Komponenten reduzieren, die für einen festen Workload erforderlich sind.

Konsolidierung erhöht jedoch die Auswirkungen eines einzelnen Serverausfalls. Sie steigert zudem die Kühldichte und stellt höhere Anforderungen an Speicherkapazität, Netzwerk und Speicher.

EPYC 9996 ist daher nicht einfach nur eine schnellere CPU. Er ist eine Wette darauf, dass Rechenzentren einen sehr dichten Sockel ausreichend mit Daten versorgen, kühlen und auslasten können, um sein Design zu rechtfertigen.

AMDs 3,4-facher Anspruch braucht mehr Kontext

AMDs Benchmark-Ergebnisse begründen einen glaubwürdigen Performance-Fall, belegen jedoch noch keinen universellen 3,4-fachen Vorteil gegenüber Intel oder Nvidia.

Der umfangreichste Vergleich mit Intel stammt aus TPCx-AI, einer Suite für Data-Science- und Machine-Learning-Workflows. Ihr wichtigstes Ergebnis wird als pro Minute verarbeitete KI-Anwendungsfälle ausgedrückt.

AMD meldete 5.982,91 AIUCpm für EPYC 9996. Dieselbe Präsentation führte 3.458,79 für EPYC 9965, 2.704,19 für EPYC 9755 und 1.750,36 für Xeon 6980P auf.

Diese Ergebnisse ergeben den genannten 3,4-fachen Vorteil gegenüber Intel sowie eine Verbesserung von 1,7-fach gegenüber der vorherigen Generation. Der TPCx-AI benchmark bietet einen anerkannten Rahmen, doch Implementierungsdetails beeinflussen weiterhin jedes Ergebnis.

Compiler-Einstellungen, Speicherkonfiguration, Softwareversionen, Storage, Tuning und Server-Firmware können die Leistung beeinflussen. Von Herstellern durchgeführte Vergleiche wählen zudem Produkte und Workloads aus, die ihre Argumentation stützen.

AMD lieferte für mehrere Tests konkrete Werte, was seine Aussagen nützlicher macht als nicht erläuterte normierte Balken. Einige kombinierte Scores bleiben jedoch schwerer zu interpretieren.

Der Vergleich der Enterprise-Tools kombiniert TPC-H-, TPC-C-ähnliche und Redis-Workloads zu einem geometrischen Mittelwert. AMD behauptet den 2,6-fachen Durchsatz von Intel und die 1,6-fache Leistung des EPYC 9965.

Ein weiterer Test spielte fünf Agenten-Personas nach und erzeugte einen kombinierten Durchsatz-Score. AMD meldete 4,451 für EPYC 9996, verglichen mit 2,97 für EPYC 9965 und 1,779 für Xeon 6980P.

Die öffentlichen Ergebnisse liefern nur begrenzte Details dazu, wofür eine Einheit dieses Scores steht. Ohne reproduzierbare Testumgebung können Käufer die Zahl nicht einfach in Reaktionszeit oder Betriebskapazität übersetzen.

Der Vergleich mit Nvidia erfordert noch mehr Vorsicht. AMD nutzte Nvidias veröffentlichte SPEC CPU 2026-Ergebnisse als Vergleichsbasis und führte Venice anschließend mit demselben GNU-15.2-Compiler aus.

AMD erklärt, sein 256-Kern-Modell Zen 6c habe den Integer-Durchsatz von Vera um das 2,2-Fache übertroffen. Das überrascht in einer Hinsicht nicht, da die EPYC-Konfiguration 256 Kerne besitzt, Vera hingegen 88.

Die wichtigere Behauptung betrifft die Leistung pro Kern. AMD sagt, ein 96-Kern-Venice-Prozessor mit hoher Frequenz habe Veras Ergebnis pro Kern um das 1,2-Fache übertroffen.

Diese Zahl stützt AMDs Argument, dass sein Vorsprung nicht vollständig aus der Kernzahl resultiert. Dennoch vergleicht sie vorläufige Hersteller-Einreichungen statt unabhängig getesteter Produktionssysteme.

AMD verwendete für beide Venice-Konfigurationen eine Einstellung von 600 Watt. Nvidia gibt in seinen aktuellen Plattforminformationen eine konfigurierbare Vera-CPU-Leistung zwischen 250 und 450 Watt an.

Leistungsunterschiede sind relevant, weil Rechenzentren innerhalb elektrischer und thermischer Grenzen auf Rack-Ebene arbeiten. Ein schnellerer Sockel führt nicht automatisch zu einem schnelleren Rack, wenn jeder Sockel mehr Energie verbraucht.

Nvidia betont diesen Punkt in seiner eigenen Vera performance analysis. Das Unternehmen konzentriert sich auf nachhaltige Geschwindigkeit pro Kern, Speicherbandbreite pro Kern, Latenz und Leistung unter Volllast.

AMD betont Gesamtdurchsatz, x86-Kompatibilität und Workload-Konsolidierung. Beide Perspektiven sind nachvollziehbar, heben jedoch jeweils die für ihre Architektur günstigsten Messgrößen hervor.

Die Vergleiche lassen zudem mehrere Faktoren der Gesamtbetriebskosten außer Acht. Speicherkapazität, Softwarelizenzen, Serverdichte, Kühldesign, Beschleuniger-Auslastung und Anwendungs-Migration können einen Benchmark-Vorsprung überwiegen.

Die TDP von 600 Watt des EPYC 9996 ist kein Maß für den durchschnittlichen Energieverbrauch von Anwendungen. Die TDP dient als Orientierung für das Kühldesign, während der tatsächliche Verbrauch mit Konfiguration und Workload variiert.

Dieselbe Vorsicht gilt für Nvidias Effizienzbehauptungen. Veras endgültige Ergebnisse hängen von ausgelieferten Servern, Firmware, Compilern, Speicherausstattung und dem Reifegrad der Software ab.

Auch Intels Position kann sich verändern. Neuere Xeon-Produkte mit hoher Dichte erhöhen Kernzahlen und Speicherkapazitäten, während künftige Plattformen Venice direkter begegnen werden.

AMD hat genügend Details geliefert, um EPYC 9996 zu einem ernstzunehmenden Kandidaten zu machen. Unabhängige Belege reichen jedoch noch nicht aus, um jede Intel- oder Nvidia-Alternative als unterlegen zu erklären.

Intel steht unter unmittelbarem Dichtedruck

Nvidia prägt den strategischen Wettbewerb, doch Intel steht kurzfristig unter dem deutlichsten Druck, weil AMD mit doppelt so vielen Kernen pro Sockel auf klassische x86-Workloads zielt.

Xeon 6980P bleibt ein großer Serverprozessor mit 128 Kernen, 12 Speicherkanälen und Unterstützung für MRDIMMs bis 8.800 MT/s. Er verfügt zudem über 504 MB Cache und eine TDP von 500 Watt.

EPYC 9996 verdoppelt die Kernzahl, verdoppelt ungefähr den Cache, erweitert den Speicher auf 16 Kanäle und hebt die Ein-/Ausgabe-Unterstützung von PCIe 5.0 auf PCIe 6.0 an.

Diese Kombination kann die Zahl der für hochgradig parallele Workloads benötigten Server senken. Sie liefert AMD zudem eine überzeugende Geschichte für Unternehmen, die eine alternde x86-Infrastruktur modernisieren.

Bei leicht parallelisierter Software ist der Vergleich weniger eindeutig. Intel kann dort wettbewerbsfähig bleiben, wo Anwendungs-Tuning, Beschleuniger-Unterstützung, Datenbank-Zertifizierung oder bestehendes Flottenmanagement stärker ins Gewicht fallen.

Intel bietet zudem Plattformfunktionen, die sich nicht auf Kernzahlen reduzieren lassen. Seine Beschleunigungs-Engines zielen auf Kryptografie, Komprimierung, Datenbewegung, Analytik und Netzwerk-Workloads.

Kunden ersetzen Serverplattformen selten aufgrund eines einzigen Diagramms. Beschaffungsteams bewerten Verfügbarkeit, Supportverträge, validierte Konfigurationen, Softwarelizenzen, Sicherheitsupdates und langfristige Lieferfähigkeit.

AMDs Herausforderung besteht darin, architektonische Vorteile in breite Auslieferungen zu überführen. Ein Prozessor, der in Tests führt, benötigt weiterhin Mainboards, Firmware, Speicherqualifikationen, Cloud-Instanzen und verlässliche Stückzahlen.

Nvidia geht den Markt anders an. Vera versucht nicht primär, jeden x86-Server zu verdrängen. Das Ziel ist vielmehr, die CPU-Rolle innerhalb von KI-Fabriken zu kontrollieren, die um Nvidia-Beschleuniger herum aufgebaut sind.

Das setzt beide etablierten x86-Anbieter unter Druck. Wenn Nvidia Erfolg hat, verlagern sich einige CPU-Kaufentscheidungen von allgemeinen Serverteams hin zu einer vollständigen Nvidia-Plattformbestellung.

AMDs Antwort besteht darin, EPYC für agentische KI relevant zu machen, bevor sich dieser Übergang etabliert. Seine Kommunikation vom Juli 2026 verbindet Venice wiederholt mit Web-Serving, Vektorsuche, Datenbanken, Codeausführung und Agenten-Orchestrierung.

Diese Positionierung ist bewusst gewählt. Diese Workloads liegen rund um das Modell und können erhebliche CPU-Ressourcen verbrauchen, selbst wenn GPUs die eigentlichen Inferenzberechnungen durchführen.

AWS eröffnet mit Graviton einen weiteren Wettbewerbsweg. AMDs Präsentation enthielt Graviton5-Ergebnisse für Web-Serving, Vektorsuche, datenintensive KI und Enterprise-Workloads.

Graviton kann innerhalb von AWS wirtschaftliche und effiziente Vorteile bieten, Kunden können es jedoch nicht in ihren eigenen Rechenzentren einsetzen. EPYC bietet eine breitere Portabilität über Cloud- und On-Premises-Umgebungen hinweg.

Arm-Server-CPUs schwächen weiterhin die historische x86-Annahme, wonach Softwarekompatibilität ein unschlagbarer Vorteil sei. Viele Linux-Cloud-Anwendungen laufen inzwischen problemlos auf beiden Befehlssätzen.

Vera baut auf diesem Fortschritt auf und ergänzt ihn um Nvidias Software- und Beschleuniger-Beziehungen. Die Einführung durch große Systemhersteller bietet Käufern mehr Optionen als Nvidias frühere, eng geschnürte Systeme.

AMD muss daher an zwei Fronten kämpfen. Es muss die Rolle von x86 in allgemeinen Servern bewahren und zugleich verhindern, dass Nvidia KI-Host-CPUs als eigene Kategorie definiert.

EPYC 9996 verschafft AMD eine glaubwürdige Waffe, weil er extreme Dichte mit vertrauter Software kombiniert. Die offene Frage lautet, ob sein breit angelegtes Design Prozessoren übertrifft, die für engere KI-Umgebungen optimiert sind.

Worauf Käufer nach den AMD-Nvidia-Behauptungen achten sollten

Das nächste Urteil wird von unabhängigen Systemen, Messungen auf Rack-Ebene und realen Softwareeinsätzen kommen – nicht von einer weiteren Runde herstellerausgewählter Folien.

Das erste Signal sind reproduzierbare Benchmark-Daten von ausgelieferten EPYC-9996-Servern. Unabhängige Tester und Cloud-Anbieter müssen identische Software auf Venice-, Vera- und aktuellen Xeon-Plattformen testen.

Diese Tests sollten Compiler-Einstellungen, Speicherkonfigurationen, Leistungsgrenzen, Firmware und Kühlung offenlegen. Sie sollten zudem Latenzverteilungen und nicht nur den Gesamtdurchsatz berichten.

Ein starkes Ergebnis bei Datenbanken, Kompilierung, Vektorsuche und Webdiensten würde AMDs Argument einer breiten Plattform stützen. Große Unterschiede zwischen Workloads würden jede universelle Leistungsbehauptung schwächen.

Das zweite Signal ist die Effizienz auf Rack-Ebene. Käufer sollten erledigte Arbeit innerhalb fester Grenzen für Leistung, Kühlung und Stellfläche vergleichen.

Ein 600-Watt-Prozessor kann die Rack-Effizienz dennoch verbessern, wenn er mehrere Sockel mit geringerer Dichte ersetzt. Er kann diesen Vorteil verlieren, wenn Speicher, Netzwerk oder Kühlung eine vollständige Auslastung verhindern.

Nvidias vertikal integrierte Systeme verdienen dieselbe Prüfung. NVLink-C2C kann den Datenaustausch verbessern, doch Kunden benötigen Belege dafür, dass diese Gewinne den Durchsatz vollständiger Anwendungen erhöhen.

Das dritte Signal ist der tatsächliche Einsatz. Verfügbarkeit von Cloud-Instanzen, OEM-Auslieferungsvolumen, Kundenreferenzen und Unterstützung durch Produktionssoftware werden zeigen, ob die Hardware über kontrollierte Demonstrationen hinausgeht.

Veras Verfügbarkeit in der zweiten Jahreshälfte bietet Nvidia die Chance, KI-orientierte Systeme zu etablieren, bevor jede Venice-Variante den Markt erreicht. AMDs bestehendes x86-Ökosystem bietet ihm einen schnelleren Weg für konventionelle Anwendungen.

Käufer sollten außerdem die Platzierung von Workloads sorgfältig prüfen. Ein CPU-intensives Agentensystem kann von mehr Kernen profitieren, doch ein GPU-gebundener Dienst gewinnt möglicherweise wenig durch das größte EPYC-Modell.

Die ideale Wahl kann sich selbst innerhalb einer KI-Anwendung ändern. Retrieval, Orchestrierung, Codeausführung, Inferenz und Storage können jeweils andere Hardwareeigenschaften bevorzugen.

Unternehmen, die den Wettbewerb zwischen amd und nvidia bewerten, sollten mit Traces ihrer eigenen Produktions-Workloads beginnen. Anfrageraten, Speicher-Stalls, GPU-Leerlaufzeit und Tail-Latenz zeigen, worauf die Infrastruktur tatsächlich wartet.

Synthetische Benchmarks bleiben nützlich, weil sie architektonische Unterschiede isolieren. Sie werden irreführend, wenn ein normierter Score die operative Kennzahl ersetzt, die Kunden wichtig ist.

EPYC 9996 verändert die Serverdiskussion, indem er 256 Kerne, 1 TB Cache und 16 Speicherkanäle in einem Sockel vereint. Das ist unabhängig von der endgültigen Wettbewerbsrangfolge eine bedeutende technische Aussage.

AMDs kühnste Behauptungen bleiben Behauptungen. Auch Nvidias Effizienz-Narrativ wartet auf breitere unabhängige Tests, während Intel über etablierte Installationen und eine weitere Produktantwort verfügt.

Die nützliche Frage ist nicht, ob AMD, Nvidia oder Intel jeden Benchmark gewinnt. Entscheidend ist, welche Plattform den teuersten Engpass in einem bestimmten Rechenzentrum beseitigt.

Vor der Auswahl eines Systems sollten Käufer die Anbieter nach vollständigen Konfigurationen und wiederholbaren Testmethoden fragen. Anschließend sollten sie den Durchsatz vollständiger Workloads, Rack-Leistung, Latenz und Beschleuniger-Auslastung unter realistischer Last messen.

Diese Belege werden entscheiden, ob EPYC 9996 die KI-Infrastruktur neu gestaltet oder lediglich eine sorgfältig ausgewählte Reihe von Diagrammen gewinnt.