NVIDIA Vera Rubin Architecture wird offen, doch der AI-Factory-Stack bleibt eng gekoppelt

NVIDIA hat bei OCP zentrale Rack- und Compute-Tray-Designs für Vera Rubin geöffnet, obwohl die Plattform als eng abgestimmtes Gesamtsystem entwickelt wurde. Der Beitrag zur NVIDIA Vera Rubin Architektur stellt Herstellern gemeinsame Spezifikationen für Racks mit bis zu 250 Kilowatt bereit. Rubin wird dadurch nicht zu einer Sammlung austauschbarer Komponenten.

Diese Unterscheidung prägt die Ankündigung. NVIDIA will, dass Zulieferer, Cloud-Betreiber und Rechenzentrumsbauer die physische Infrastruktur rund um seine nächste Generation von AI-Hardware standardisieren. Zugleich kontrolliert NVIDIA weiterhin die zentralen Rechen-, Netzwerk- und Softwaretechnologien, die bestimmen, wie Rubin-Systeme funktionieren.

AMD, Meta, Google, Microsoft, Cisco und Intel werben auf dem OCP Global Summit 2026 ebenfalls für offene Infrastruktur. Ihre Teilnahme zeigt, dass Offenheit zu einer Wettbewerbsanforderung geworden ist und keine freiwillige Geste mehr darstellt. Die Debatte hat sich von der Frage, ob AI Factories Standards benötigen, zu der Frage verlagert, wessen Architektur zur Standardimplementierung wird.

NVIDIAs Ansatz verbindet offene Rack-Mechanik mit eng integrierten Chips und Software. Das kann Reibung beim Bau verringern und zugleich die Reichweite von NVIDIAs Plattform erhöhen. Käufer stehen daher vor einer komplexeren Wahl als einfach zwischen offener und proprietärer Infrastruktur.

Sie müssen entscheiden, ob standardisierte Einrichtungen ausreichend praktische Flexibilität schaffen, wenn das operative Zentrum weiterhin anbieterspezifisch bleibt.

NVIDIA Vera Rubin Architecture kommt zu OCP

NVIDIA öffnet den physischen Bauplan rund um Vera Rubin, behält aber die Kontrolle über die Technologien, die das vollständige System funktionsfähig machen.

NVIDIA kündigte die Beiträge am 12. Oktober auf dem OCP Global Summit in San Jose an. Die Veranstaltung findet vom 12. bis 15. Oktober im San Jose McEnery Convention Center statt.

Laut der Vera Rubin Ankündigung des Unternehmens umfasst der Beitrag zentrale Rack- und Compute-Tray-Designs. NVIDIA reichte sie über seine modulare MGX-Referenzarchitektur und die Open DC Initiative von OCP ein.

Die aktualisierte MGX-1.2-Spezifikation umfasst mehr als die Abmessungen eines Servergehäuses. Sie enthält Blind-Mate-Flüssigkeitskühlung, konfigurierbare Ein- und Ausgabeschächte, standardisierte Kühlschnittstellen und interoperable Rack-Scale-Verbindungen.

Eine Blind-Mate-Verbindung ermöglicht Technikern, Geräte an Strom- oder Kühlanschlüssen zu installieren, ohne jede Leitung manuell anschließen zu müssen. Dieses Design kann Installations- und Wartungsarbeiten verkürzen, wenn ein Rack viele dicht gepackte Komponenten enthält.

MGX 1.2 spezifiziert außerdem eine flüssigkeitsgekühlte 5.000-Ampere-Stromschiene, einen Leiter zur Verteilung elektrischer Energie innerhalb des Racks. Sie unterstützt native 19-Zoll-Geräte und Rack-Bereitstellungen mit bis zu 250 Kilowatt.

Diese Details sind wichtig, weil moderne AI-Systeme nicht länger wie gewöhnliche, einzeln installierte Server funktionieren. Ein Vera Rubin NVL72-System koordiniert 36 Vera-CPUs und 72 Rubin-GPUs innerhalb einer Rack-Scale-Rechendomäne.

Das Rack ist auf NVLink-Switching, Netzwerkadapter, Data-Processing-Units, High-Bandwidth-Memory, Kühltechnik und Stromversorgung angewiesen. Eine Änderung auf einer Ebene kann die Kapazität oder Betriebsgrenzen mehrerer anderer Ebenen beeinflussen.

NVIDIA steuerte außerdem ein separates Vera-CPU-Rack-Design bei. Dieses System richtet sich an Workloads wie Agentenorchestrierung, Tool-Aufrufe, Code-Kompilierung und isolierte Ausführung.

Diese Aufteilung spiegelt die sich wandelnde Form der AI-Nachfrage wider. Training bleibt wichtig, doch agentische Anwendungen erzeugen auch kontinuierliche Inferenz und CPU-intensive Koordinationsarbeit. Agentische AI bezeichnet Software, die mehrstufige Aufgaben mithilfe von Tools, Modellen und externen Diensten plant und ausführt.

NVIDIA versucht, beide Seiten dieses Workloads zu standardisieren. Vera Rubin NVL72 übernimmt Training und Inferenz im großen Maßstab, während das Vera-CPU-Rack dichte universelle Rechenleistung bereitstellt.

Das Unternehmen veröffentlichte außerdem Komponenten von DSX OS, seiner Betriebsebene für Infrastruktur im Rechenzentrumsmaßstab. Die Veröffentlichungen behandeln Switch-Konfiguration, Cluster-Validierung, Rack-Management, Bare-Metal-Provisionierung und das Onboarding von Mandanten.

Diese Tools erweitern den Beitrag über Blechgehäuse und Kühlleitungen hinaus. Sie bieten Betreibern einen Ausgangspunkt, um Hardware vorzubereiten, Fehler zu finden und Rack-Firmware zu verwalten.

Die Grenzen bleiben jedoch wichtig. Eine offene Rack-Spezifikation macht NVLink, Rubin-GPUs, Spectrum-X-Netzwerke oder NVIDIAs Software-Stack nicht herstellerneutral.

NVIDIA öffnet die Bereitstellungsumgebung rund um seine Produkte. Die Kontrolle über die prägende Rechenarchitektur der Plattform gibt das Unternehmen nicht auf.

Diese Vereinbarung kann dennoch erhebliche Vorteile bringen. Hersteller können auf Grundlage gemeinsamer mechanischer Anforderungen sowie Vorgaben für Strom, Kühlung und Wartung bauen. Betreiber können Einrichtungen planen, bevor jedes endgültige System geliefert wird.

Das Ergebnis ähnelt einer gemeinsamen Bauordnung für eine bestimmte Maschinenklasse. Mehr Unternehmen können die Fabrik errichten, auch wenn ein Lieferant einen großen Teil der Produktionslinie bereitstellt.

Offene Standards sind zu einer Skalierungsanforderung geworden

Der Druck entsteht durch physische Bereitstellungsgrenzen, denn AI-Infrastruktur im Gigawatt-Maßstab kann nicht für jedes Gebäude auf kundenspezifische Planung setzen.

NVIDIA bezeichnet große AI-Rechenzentren als AI Factories, weil sie Energie und Daten in trainierte Modelle oder generierte Tokens umwandeln. Die Bezeichnung erfasst auch eine praktische Realität. Diese Einrichtungen ähneln zunehmend Industrieprojekten statt erweiterten Serverräumen.

Zu ihren Einschränkungen zählen Netzanschlüsse, Transformatoren, Kühlanlagen, Pumpen, Netzwerktopologie, Inbetriebnahme und Austauschverfahren. Rechenleistung ist nur dann relevant, wenn diese unterstützenden Systeme gemeinsam funktionieren.

Der Übergang von Megawatt-Anlagen zu Gigawatt-Campussen vergrößert jede Inkompatibilität. Ein nicht standardisierter Anschluss oder eine Kühlungschnittstelle kann die Beschaffung über Tausende Komponenten hinweg erschweren.

Kundenspezifische Designs verlängern zudem die Validierung. Jeder Lieferant muss bestätigen, dass seine Geräte mit den Strom-, Wärme-, Steuerungs- und Sicherheitssystemen der Einrichtung funktionieren.

OCP-Standards schaffen gemeinsame Zielvorgaben für diese Lieferanten. Das Open Compute Project begann damit, dass Hyperscale-Betreiber Hardwaredesigns teilten, die Effizienz und Wartbarkeit verbessern konnten.

AI-Racks haben diese Mission erweitert. Die Open Systems initiative von OCP strebt gemeinsame Designs für Cluster und die sie unterstützenden Einrichtungen an. Zu ihrem erklärten Ziel gehört die Ermöglichung einer Lieferkette mit mehreren Anbietern.

Die jüngste Arbeit reicht über ein einzelnes Rack hinaus. NVIDIA schloss sich AMD, Google und Meta bei Open Data Center Specification Version 0.7 an.

Die Spezifikation umfasst Anlagenlayout, Kühlung und Stromarchitektur. Diese Koordination kann Bauherren helfen, Beschleuniger-Racks an die umgebende physische Infrastruktur anzubinden, ohne bei einem leeren Entwurf zu beginnen.

Google, Meta, Microsoft und NVIDIA veröffentlichten außerdem eine OCP Grid Resilience Specification. Sie beschreibt, wie große AI-Lasten reagieren sollen, wenn es im Stromnetz zu einer Störung kommt.

Nach der Spezifikation sollen Einrichtungen verbunden bleiben, automatisch reagieren und sich in weniger als zwei Sekunden auf nahezu volle Last erholen. Dieses Verhalten ist wichtig, weil ein großer Rechencampus eine bedeutende und sich schnell verändernde elektrische Last darstellen kann.

Eine plötzliche Trennung könnte dem Netz Hunderte Megawatt entziehen. Ein schlecht koordinierter Neustart könnte kurz darauf eine weitere starke Nachfrageänderung auslösen.

NVIDIA sagt, dass sein DSX-Referenzdesign einen Implementierungsweg für beide Spezifikationen bietet. DSX koordiniert Rechenleistung, Netzwerke, Anlagen, Kühlung, Stromversorgung und Betriebssoftware.

Diese Ausrichtung verschafft NVIDIA einen Vorteil. Das Unternehmen half bei der Gestaltung der offenen Spezifikation und bietet bereits eine integrierte Implementierung an, die auf denselben Annahmen beruht.

Darin liegt der zentrale strategische Wert des Beitrags. Wenn Hersteller NVIDIA-kompatible Rack- und Anlagenmuster übernehmen, lassen sich Rubin-Bereitstellungen leichter über Regionen hinweg reproduzieren.

Ausrüstungshersteller können kompatible Teile früher produzieren. Colocation-Unternehmen können Hallen vorbereiten, bevor jede Kundenkonfiguration endgültig feststeht. Cloud-Anbieter können Betriebsverfahren über mehrere Standorte hinweg wiederverwenden.

Der Ansatz hilft NVIDIA auch bei der Steuerung des eigenen Veröffentlichungsrhythmus. Das Unternehmen plant häufige Plattformgenerationen, doch Anlagen halten deutlich länger als Beschleunigerprodukte.

Standardisierte physische Schnittstellen können es einem Betreiber ermöglichen, Compute-Trays auszutauschen, ohne das gesamte Strom- und Kühlsystem neu aufzubauen. Dieses Versprechen wird Tests über mehrere Hardwaregenerationen hinweg erfordern.

Der Wettbewerbsdruck betrifft jeden Lieferanten, der außerhalb einer vollständig kundenspezifischen Hyperscale-Umgebung verkaufen will. Kunden erwarten zunehmend ein bereitstellbares Rack-Design und nicht nur einen isolierten Beschleuniger-Benchmark.

AMD hat mit Helios reagiert, während Intel die Kompatibilität mit bestehender Infrastruktur betont. Meta, Google und Microsoft tragen zu Standards bei, weil sie Einrichtungen in einem Maßstab betreiben, in dem wiederholte kundenspezifische Arbeit teuer wird.

Der Wettbewerb dreht sich nun darum, welche Referenzdesigns Zulieferer zuerst umsetzen. Ein Standard gewinnt Einfluss, wenn Hersteller, Installateure, Betreiber und Serviceteams um ihn herum investieren.

NVIDIAs bestehende Beziehungen verschaffen MGX eine starke Ausgangsposition. Das Unternehmen erklärte im Juli, Rubin sei in die Vollproduktion gegangen, und nannte mehr als 80 MGX-Partner.

Dabei handelt es sich um vom Unternehmen gemeldete Akzeptanzsignale, nicht um einen unabhängigen Nachweis der Bereitstellungsqualität. Sie zeigen jedoch, warum NVIDIA Offenheit als Expansionsstrategie nutzen kann.

Offene Racks bedeuten keine austauschbaren AI-Systeme

NVIDIAs Modell verringert Reibung rund um seinen Stack, schafft aber keine uneingeschränkte Austauschbarkeit innerhalb dieses Stacks.

Das Wort „offen“ umfasst in der Infrastruktur mehrere unterschiedliche Konzepte. Es kann veröffentlichte Abmessungen, zugängliche Designdateien, Open-Source-Software, Lizenzbedingungen oder Interoperabilität zwischen konkurrierenden Produkten beschreiben.

Diese Eigenschaften sind nicht gleichwertig. Ein Rack kann eine offene mechanische Spezifikation nutzen und dennoch von proprietären Beschleunigern, Interconnects, Firmware und Programmierwerkzeugen abhängen.

Vera Rubin veranschaulicht diese Unterscheidung. NVIDIA entwickelte seine CPU-, GPU-, NVLink-Switch-, ConnectX SuperNIC-, BlueField-DPU- und Spectrum-Ethernet-Hardware als eine koordinierte Plattform.

NVLink ermöglicht Kommunikation mit hoher Bandbreite innerhalb des Racks. Spectrum-X übernimmt Scale-out-Ethernet zwischen Systemen. CUDA und NVIDIAs Bibliotheken verbinden Anwendungen mit den zugrunde liegenden Beschleunigern.

Der OCP-Beitrag kann einem anderen Hersteller helfen, ein MGX-kompatibles Chassis oder eine Kühlbaugruppe zu bauen. Er erlaubt diesem Hersteller jedoch nicht, Rubin-GPUs in einem NVL72-System durch einen konkurrierenden Beschleuniger zu ersetzen.

Das ist nicht zwangsläufig ein Mangel. Enge Abstimmung kann Leistung, Vorhersehbarkeit und die Zeit bis zur Bereitstellung verbessern. Komplexe Systeme funktionieren oft besser, wenn eine Organisation kritische Schnittstellen kontrolliert.

Diese Koordination bündelt jedoch architektonischen Einfluss. Kunden können mehr physische Komponenten beschaffen und bleiben dennoch für den Rechenkern von NVIDIA abhängig.

Dieselbe Spannung zeigt sich im Netzwerkbereich. Meta kündigte an, künftig NVIDIA Spectrum-6-Switches für Vera-Rubin-Infrastruktur einzusetzen.

Spectrum-6 bietet 102,4 Terabit pro Sekunde Switching-Kapazität. NVIDIA sagt, dass es gegenüber Spectrum-4 sowohl die Switching-Kapazität als auch die Bandbreite pro Lane verdoppelt.

Metas N-IceCube-Switch integriert diese Technologie in sein flüssigkeitsgekühltes IcePack-Rack. Er betreibt FBOSS, Metas quelloffenes Netzwerkbetriebssystem, über das OCP Switch Abstraction Interface.

Diese Kombination ist auf der Steuerungsebene substanziell offen. Meta kann vertraute Software auf unterschiedlicher Switching-Hardware einsetzen und muss sich nicht vollständig auf das Netzwerkbetriebssystem eines einzelnen Anbieters verlassen.

Die Switch-Chips und die zugehörige Beschleunigung bleiben NVIDIA-Produkte. Die Offenheit verschafft Meta mehr operative Kontrolle, ohne jede Komponente austauschbar zu machen.

Die beiden Unternehmen entwickelten außerdem ein Multiplane-Netzwerkdesign. Es verteilt den Datenverkehr auf bis zu acht unabhängige Ebenen und schafft alternative Routen, wenn eine Komponente ausfällt.

NVIDIA zufolge kann die Architektur AI Factories mit mehr als 100.000 GPUs unterstützen. Diese Skalierungsangabe hängt von der Systemkonfiguration ab und bleibt an die erklärten Designziele des Unternehmens gebunden.

Googles Falcon-Transport-Integration folgt einem ähnlichen Muster. Falcon ist ein Datentransportprotokoll, das Datenverkehr über mehrere Pfade verteilt und Überlastungen oder verlorene Pakete handhabt.

Künftige ConnectX-10 SuperNICs und BlueField DPUs werden Falcon unterstützen. Diese Arbeit ermöglicht es NVIDIA-Hardware, über einen für Googles Infrastruktur entwickelten Transport zu kommunizieren, während Standard-RDMA-Schnittstellen für Anwendungen erhalten bleiben.

Cisco und NVIDIA stellten außerdem die Ultra-Dense Small Form Factor Pluggable-Spezifikation vor, bekannt als USFP. Das vorgeschlagene optische Modul unterstützt 400 Gigabit pro Sekunde auf jeder Lane.

Das Design beginnt mit 16 Vollduplex-Lanes und beinhaltet einen Weg zu 32. NVIDIA zufolge würde es die vierfache Bandbreitendichte aktueller steckbarer 200-Gigabit-pro-Lane-Optiken bieten.

Cisco, NVIDIA, TE Connectivity und Amphenol planen, USFP über einen Multi-Source-Prozess weiterzuentwickeln. Die Akzeptanz wird davon abhängen, ob Anbieter kompatible Module produzieren und Betreiber sie unter Dauerlast validieren.

Zusammen zeigen diese Projekte eine mehrschichtige Form von Offenheit. Gemeinsame Schnittstellen ermöglichen es Großkunden, NVIDIA-Produkte mit eigener Software und eigenen Rechenzentrumsumgebungen zu integrieren.

NVIDIA erzielt weiterhin Wertschöpfung mit den spezialisierten Komponenten hinter diesen Schnittstellen. Die Strategie besteht nicht darin, den Anbieter irrelevant zu machen. Sie soll die Wahl dieses Anbieters in jeder Bereitstellungsphase erleichtern.

AMD Helios macht Offenheit zum wettbewerblichen Schlachtfeld

AMD bietet die deutlichste Alternative, weil Helios ebenfalls ein integriertes Rack mit Standards kombiniert, die die Wahlfreiheit der Kunden erhalten sollen.

AMDs Helios-Plattform umfasst 72 Instinct MI455X-Beschleuniger, EPYC-Prozessoren, Pensando-Netzwerkkomponenten und die ROCm-Softwareumgebung. Wie Vera Rubin behandelt sie das Rack als grundlegende Einheit des AI Computing.

Helios nutzt Metas Open Rack Wide-Design. Dieser Formfaktor bietet hochdichten AI-Systemen mehr physische Breite als herkömmliche Rack-Hardware und standardisiert zugleich Service- und Gebäudeschnittstellen.

AMD beschreibt Helios als OCP-konforme Plattform, die auf offenen Netzwerken und reproduzierbaren Vier-GPU-Trays basiert. Laut dem Helios-Launch nahm das Unternehmen das System im Juli 2026 in Produktion.

AMD wirbt zudem mit UALink für Scale-up-Kommunikation und standardbasiertem Ethernet für Scale-out-Netzwerke. UALink ist eine Branchenverbindungstechnologie, die Beschleuniger teilnehmender Anbieter verbinden soll.

Der Unterschied zu NVIDIA liegt nicht einfach in offen gegenüber geschlossen. Beide Unternehmen integrieren eigene Beschleuniger, CPUs, Netzwerke und Software. Beide setzen OCP-konforme Rack-Designs ein.

Der Unterschied liegt darin, an welchen Stellen jedes Unternehmen externe Schnittstellen zulässt. NVIDIA öffnet mehr von der Infrastruktur rund um NVLink und CUDA. AMD präsentiert standardbasierte Interconnects und ROCm als Weg zu größerer Hardwareauswahl.

Keiner der beiden Ansätze garantiert automatisch Portabilität. Der Wechsel einer AI-Workload zwischen Beschleunigerfamilien erfordert weiterhin Softwarevalidierung, Kernel-Optimierung, Leistungstests und operative Anpassungen.

Auch Rechenzentren stehen vor Wechselkosten. Techniker benötigen Ersatzteile und Verfahren für jedes Design. Flüssigkeitskühlkreisläufe und Stromversorgungssysteme müssen die tatsächlichen Betriebseigenschaften des Racks bewältigen.

Intel fügt eine weitere Position hinzu. Sein OCP-2026-Programm betont die Nutzung bestehender Anwendungen, Daten und Infrastruktur über Rechenzentren und Edge-Deployments hinweg.

Diese Botschaft richtet sich an Organisationen, die keinen völlig neuen AI-Campus errichten können. Viele Unternehmen benötigen Beschleuniger, die in bestehende Elektro-, Kühl- und Serverumgebungen passen.

NVIDIA adressiert diesen Markt teilweise durch MGX-Unterstützung für 19-Zoll-Hardware und Rubin-Produkte für x86-Systeme. Die strategische Hauptrichtung des Unternehmens geht jedoch von zunehmend dichten, flüssigkeitsgekühlten Racks aus.

Die Wettbewerbsfrage geht daher über Führungspositionen in Benchmarks hinaus. Käufer müssen ein Bereitstellungsmodell wählen, das zu ihren Einrichtungen, ihrer Software, Finanzierung und ihrer Toleranz gegenüber Anbieterabhängigkeit passt.

Hyperscaler können Standards beeinflussen und Hardware anpassen. Kleinere Cloud-Anbieter und Unternehmen sind stärker auf validierte Referenzdesigns angewiesen.

Das macht NVIDIAs Integration attraktiv. Ein vorab abgestimmter Stack kann die Zahl der technischen Entscheidungen reduzieren, die nötig sind, bevor ein Cluster produktive Arbeit leistet.

Er erschwert jedoch auch einen Wechsel, nachdem Teams Monitoring-, Bereitstellungs- und Modellworkflows um NVIDIA-spezifische Systeme aufgebaut haben. Offene Rack-Abmessungen beseitigen diese angewachsenen Abhängigkeiten nicht.

AMDs Chance besteht darin zu beweisen, dass ein alternativer integrierter Stack eine vergleichbare operative Reife bieten kann. Intels Chance besteht darin, Deployments zu bedienen, bei denen bestehende Infrastruktur wichtiger ist als maximale Rack-Dichte.

Die Gewinner werden nicht allein anhand veröffentlichter Spezifikationen bestimmt. Betreiber werden Lieferpläne, nutzbare Leistung, Ausfallraten, Servicezeiten, Softwareunterstützung und Energieverbrauch prüfen.

Offene Standards können den Anbieterpool für unterstützende Hardware erweitern. Sie können weder nicht verfügbare Beschleuniger noch unausgereifte Betriebswerkzeuge ausgleichen.

Die Aussagen zu Stromversorgung und Kühlung benötigen weiterhin Praxisbelege

Die Architektur wird erst glaubwürdig, wenn Betreiber ihre Effizienz und Wartbarkeit in realen Rechenzentren reproduzieren.

NVIDIA hat Vera-Rubin-Hardware in Engineering-Umgebungen bei der Ausführung von Workloads demonstriert. Im Juli sahen Journalisten NVL72-Systeme, einen 800-Volt-Gleichstrom-Sidecar und flüssigkeitsgekühlte Trays in NVIDIAs Engineering SuperLab.

Die SuperLab-Demonstration lieferte Hinweise darauf, dass Racks und wichtige Subsysteme über Präsentationsfolien hinaus existierten. Sie war weder ein unabhängiges Produktionsdeployment noch eine Langzeitstudie zur Zuverlässigkeit.

Diese Lücke ist wichtig, weil Ausfälle in AI-Infrastrukturen häufig außerhalb des Beschleunigers auftreten. Steckverbinder lecken, Pumpen verschleißen, Optiken fallen aus, Firmware-Konflikte entstehen und Stromversorgungskomponenten verhalten sich unter wechselnden Lasten anders.

MGX 1.2 adressiert mehrere dieser Probleme durch standardisierte Schnittstellen und vereinfachte Wartung. Das Design verwendet lüfterlose, flüssigkeitsgekühlte Compute-Trays, die Rack-Lüfter überflüssig machen, aber die Abhängigkeit von der Gebäudekühlung erhöhen.

Ein 250-Kilowatt-Rack stellt ungewöhnliche Anforderungen an Rohrleitungen, Kühlmittelverteilungseinheiten, Stromschienen und Wartungsverfahren. Nur wenige bestehende Unternehmensrechenzentren wurden für diese Dichte ausgelegt.

NVIDIA und seine Partner bereiten sich zudem auf eine 800-Volt-Gleichstromverteilung vor. Eine höhere Spannung kann bei gleichem Leistungsniveau den Strom senken und damit Anforderungen an Leiter sowie Umwandlungsverluste reduzieren.

Visionbays K-1-Design kombiniert NVIDIAs 800-Volt-Architektur mit Stromversorgungs- und Thermiksystemen von Vertiv. Seine Power Center auf Clusterebene wandeln Wechselstrom um und verteilen Gleichstrom näher an die Rechenhardware.

Visionbay plant einen schrittweisen Übergang, statt jede Einrichtung zur sofortigen Einführung von 800 Volt zu verpflichten. Dieser Ansatz erkennt die Schwierigkeit an, bestehende elektrische Systeme zu ersetzen.

Das zentrale Risiko liegt in der Umsetzung über mehrere Zulieferer hinweg. Ein Standard kann einen Steckverbinder oder Betriebsbereich definieren, aber keine Fertigungsqualität oder sichere Installation garantieren.

Betreiber benötigen außerdem validierte Verfahren, um Hochspannungs-Gleichstromausrüstung in Betrieb zu nehmen, zu isolieren und zu reparieren. Die Schulung von Arbeitskräften könnte ebenso wichtig werden wie die Verfügbarkeit von Komponenten.

Die Leistungsdichte schafft eine weitere Unsicherheit. Mehr Rechenleistung pro Rack kann die für ein Cluster benötigte Fläche verringern, konzentriert jedoch thermische und elektrische Risiken.

Ein Rack-Ausfall entfernt außerdem mehr Rechenkapazität, wenn das Rack eine größere koordinierte Domäne enthält. Multiplane-Netzwerke können einige Komponentenausfälle umgehen, aber nicht jede Unterbrechung bei Stromversorgung oder Kühlung lösen.

Die Spezifikation zur Netzresilienz fügt eine weitere Ebene ungeprüfter Koordination hinzu. Eine große Einrichtung innerhalb von zwei Sekunden wieder nahezu auf Volllast zu bringen, erfordert schnelle Steuerung über Netzsignale und Rechensysteme hinweg.

NVIDIA zufolge überwacht und verarbeitet DSX-Software diese Signale. Betreiber werden bestätigen müssen, dass dieses Verhalten über verschiedene Versorger, Ausrüstungsanbieter und lokale Netzvorschriften hinweg stabil bleibt.

Auch Leistungsangaben verdienen vergleichbare Vorsicht. NVIDIA zufolge verbessert Vera Rubin die Token-Ökonomie durch koordinierte Fortschritte bei Rechenleistung, Netzwerken und Speicherbewegungen.

Unabhängige Vergleiche müssen vollständige Systeme unter repräsentativen Workloads messen. Spitzenwerte für arithmetischen Durchsatz allein können nicht zeigen, wie gut eine agentische Anwendung das Rack nutzt.

Sinnvolle Tests sollten Modellladen, Tool-Ausführung, Netzwerküberlastung, Komponentenausfälle und wechselnde Anfragevolumina umfassen. Sie sollten zudem die für Kühlung und Leistungsumwandlung verbrauchte Energie messen.

Der Wartbarkeit muss die gleiche Aufmerksamkeit gelten. NVIDIA sagt, standardisierte Trays und Schnittstellen verkürzten Montage-, Test- und Außendienstzeiten.

Diese Aussage gewinnt an Wert, wenn Betreiber kürzere Reparaturen und höhere Verfügbarkeit dokumentieren. Bis dahin bleibt sie ein Designziel, das vor allem durch Herstellerbelege gestützt wird.

Der OCP-Prozess verbessert die Transparenz, weil Mitwirkende Spezifikationen veröffentlichen und zu einer breiteren Umsetzung einladen. Er ersetzt keine Inbetriebnahmedaten von laufenden Standorten.

Käufer sollten daher architektonische Bereitschaft von operativem Nachweis trennen. Rubin befindet sich in Produktion, und Partner sollten in der zweiten Hälfte des Jahres 2026 Produkte anbieten.

Die nächste Phase erfordert Deployments, die nützliche Workloads außerhalb von NVIDIAs eigenen Engineering-Einrichtungen dauerhaft tragen. Diese Belege werden entscheiden, ob das offene Design praktische Risiken reduziert.

Drei Signale werden zeigen, ob NVIDIAs offene Strategie funktioniert

Produktionsakzeptanz, Implementierungen durch mehrere Anbieter und verifizierte Betriebsdaten werden entscheiden, ob der OCP-Beitrag den Markt verändert.

Das erste Signal ist die Verfügbarkeit von Vera-Rubin-Produktionskapazität bei Cloud-Anbietern. NVIDIA nannte zuvor AWS, Google Cloud, Microsoft, Oracle Cloud Infrastructure, CoreWeave, Lambda, Nebius und Nscale als frühe Anbieter.

Auch Cisco, Dell, HPE, Lenovo und Supermicro sollten Rubin-Systeme bauen. Auslieferungen durch mehrere Partner würden zeigen, dass MGX-Designs mehr als einen Fertigungsweg unterstützen.

Die Qualität dieser Markteinführungen ist wichtiger als die Zahl der Ankündigungen. Käufer sollten auf allgemeine Verfügbarkeit, stabile Kapazität, Bereitstellungsregionen und offengelegte Betriebsgrenzen achten.

Öffentliche Kunden-Workloads würden NVIDIAs Aussage stärken, dass die Architektur für einen dauerhaften Einsatz bereit ist. Wiederholte Verzögerungen oder stark eingeschränkte Vorschauen würden sie schwächen.

Das zweite Signal ist die unabhängige Umsetzung von MGX 1.2 und zugehörigen OCP-Spezifikationen. Zulieferer müssen kompatible Stromschienen, Kühlungssysteme, Steckverbinder, Racks, Optik und Managementsoftware liefern.

Ein gesunder Standard sollte mehrere qualifizierte Bezugsquellen für wesentliche Komponenten ermöglichen. Wenn die meisten Teile weiterhin über eine einzige, eng begrenzte Lieferkette bezogen werden, bleibt das Design vor allem auf dem Papier offen.

USFP bietet einen nützlichen Testfall. NVIDIA und Cisco haben dessen Ziele für Dichte und Effizienz beschrieben, doch das Modul benötigt weiterhin eine breite Lieferantenbasis und praktische Deployment-Erfahrung.

Derselbe Standard muss über Switches, Kabel, Steckplätze, thermische Bedingungen und Reparaturverfahren hinweg funktionieren. Erfolgreiche Interoperabilität würde zeigen, dass der Beitrag einen Markt über die Gründungsunternehmen hinaus schaffen kann.

Das dritte Signal sind vergleichende Felddaten gegenüber AMD Helios und anderen OCP-Systemen. Käufer benötigen vollständige Messwerte zu nutzbarem Durchsatz, Energieverbrauch, Verfügbarkeit und Wartung.

NVIDIA hat detaillierte Verfügbarkeitspläne für Rubin veröffentlicht, während AMD Helios im selben Zeitraum für groß angelegte Deployments positioniert. Die Überschneidung schafft einen direkten Test zweier integrierter Rack-Strategien.

Achten Sie auf Ergebnisse, die als dauerhaft erzielte Anwendungsleistung pro Megawatt angegeben werden, nicht als isolierte Chip-Performance. Beobachten Sie außerdem, wie schnell Betreiber ausgefallene Trays, Switches, optische Komponenten oder Kühlungsteile wiederherstellen.

Wenn mehrere Hersteller NVIDIAs Leistungs- und Serviceziele reproduzieren, wird die OCP-Strategie wie echte industrielle Skalierung wirken. Wenn nur von NVIDIA verwaltete Umgebungen erfolgreich sind, erscheint der Anspruch auf Offenheit enger gefasst.

Das übergeordnete Ergebnis wird bestimmen, wer die Standards für KI-Infrastruktur kontrolliert. NVIDIA nutzt Offenheit, um eine koordinierte Plattform auszubauen, während Wettbewerber Standards einsetzen, um diese Koordination infrage zu stellen.

Für Entwickler und KI-Nutzer werden die Folgen indirekt spürbar sein. Infrastrukturentscheidungen beeinflussen Modellverfügbarkeit, Latenz, Zuverlässigkeit und die Kosten für den Betrieb langer Agenten-Workflows.

Unternehmenskäufer sollten Anbieter fragen, welche Ebenen austauschbar sind und welche NVIDIA-spezifische Hardware oder Software erfordern. Sie sollten außerdem Ausfalldaten aus Produktionssystemen anfordern, nicht nur Prognosen aus Referenzdesigns.

Die Ankündigung der NVIDIA-Vera-Rubin-Architektur ist bedeutsam, weil sie Offenheit als Mechanismus für Deployments behandelt. Sie löst die kommerziellen Grenzen rund um NVIDIAs Stack jedoch nicht auf.

Die nächste Frage ist konkret: Werden OCP-Partner diese Spezifikationen bei mehreren realen Lieferanten in austauschbare, wartbare Infrastruktur umsetzen?

Verfolgen Sie die ersten Cloud-Deployments, Komponentenzertifizierungen und Feldvergleiche. Diese Ergebnisse werden zeigen, ob NVIDIA einen Branchenstandard geöffnet oder lediglich den Aufbau seines eigenen Systems erleichtert hat.