OLIX beschafft 312 Mio. US-Dollar für ein spezialisiertes KI-Inferenzsystem

OLIX hat bei einer Bewertung von 3,3 Mrd. US-Dollar 312 Mio. US-Dollar eingesammelt und bringt damit einen neuen britischen Herausforderer mit einem ungewöhnlich ambitionierten Hardwareplan in die Nvidia-Techmeme-Erzählung. Das Londoner Startup will einen universell einsetzbaren Inferenzprozessor durch eine Produktionslinie spezialisierter Chips im Rack-Maßstab ersetzen. Die Auslieferung seines ersten Produkts an Kunden ist weiterhin für die zweite Hälfte des Jahres 2027 vorgesehen.

Diese Lücke zwischen Finanzierung und Auslieferung prägt die Geschichte. OLIX hat Arm, Fundomo, Hudson River Trading und Netflix-Mitgründer Reed Hastings als Investoren gewonnen. Auch bestehende Geldgeber haben ihre Zusagen erhöht. Unabhängige Benchmarks aus eingesetzten Kundensystemen hat das Unternehmen jedoch nicht veröffentlicht.

Der unmittelbare Gegner ist Nvidia, doch der grundlegendere Wettbewerb betrifft die Architektur. Nvidia baut eine eng integrierte Plattform aus universell einsetzbaren Beschleunigern, Netzwerktechnik, Software und High-Bandwidth Memory kontinuierlich aus. OLIX zufolge ist es sinnvoller, die Token-Generierung auf spezialisierte Chips zu verteilen, die über optische Verbindungen gekoppelt sind.

Die Finanzierungsrunde über 312 Mio. US-Dollar verschafft OLIX Zeit, diese Antwort zu entwickeln. Sie beweist jedoch nicht, dass sie die behauptete Leistung erbringt, zuverlässig produziert werden kann oder zu den bereits um Nvidia-Hardware aufgebauten Softwarepraktiken passt.

Die neue Finanzierung macht aus einer Chip-These eine Lieferverpflichtung

OLIX entwickelt sich von einem Anbieter einer alternativen Architektur zu einem Unternehmen, das Kunden ein vollständiges Inferenz-Rack verspricht.

Das Unternehmen gab seine Series-B-Runde bekannt am 3. August 2026 bekannt. Die Runde bewertete das zwei Jahre alte Unternehmen mit 3,3 Mrd. US-Dollar. Fundomo, Arm und Hudson River Trading beteiligten sich neben Hastings und zurückkehrenden Investoren.

Die bestehenden Investoren Hummingbird Ventures, Crane, Plural, Creandum, Phoenix Court und Transition erhöhten ihre Zusagen. OLIX nannte in seiner Mitteilung keinen einzelnen Lead-Investor, obwohl die Financial Times berichtete, Fundomo habe die Finanzierung angeführt.

Die Runde folgt auf eine im Februar gemeldete Finanzierung über 220 Mio. US-Dollar. Diese frühere Runde bewertete OLIX mit mehr als 1 Mrd. US-Dollar und wurde von Hummingbird Ventures angeführt. Die Bewertung hat sich damit in rund sechs Monaten mehr als verdreifacht, noch bevor das Startup seinen ersten kommerziellen Chip ausgeliefert hat.

OLIX berief außerdem Professor Nick McKeown in seinen Vorstand. McKeown war Mitentwickler von Software-defined Networking und half bei der Entwicklung von OpenFlow und P4, Technologien, die verändert haben, wie Betreiber Netzwerke programmieren. Außerdem gründete er Nicira und Barefoot Networks mit, die später von VMware beziehungsweise Intel übernommen wurden.

Diese Berufung passt zum Anspruch des Unternehmens auf Systemebene. OLIX bewirbt keinen isolierten Prozessor, den Kunden in einen bestehenden Server einsetzen können. Geplant ist, Chips, Laser, optische Verbindungen, Compiler und das umgebende Rack als ein abgestimmtes Gesamtsystem zu entwickeln.

Der frühere Wise-Finanzchef Matt Briers ist als Chief Financial Officer zu OLIX gewechselt. Briers begleitete Wise bei seiner direkten Börsennotierung 2021 in London. Sein Einstieg verschafft OLIX einen Manager mit Erfahrung darin, ein privates Technologieunternehmen auf die Prüfung durch den Kapitalmarkt vorzubereiten.

Diese Personalien sind relevant, weil die neue Finanzierung einem klaren operativen Zweck dient. OLIX zufolge soll sie Fertigungsverpflichtungen, Kapazitäten in der Lieferkette und die Entwicklung der umfassenderen Custom-Silicon-Plattform finanzieren. Das Unternehmen stellt zudem in London, Bristol, Austin, Toronto und San Francisco ein.

Der zentrale Meilenstein ist der DX-1, ein Decode-Beschleuniger für die Phase, in der ein KI-Modell seine Antwort erzeugt. OLIX will den Chip in der zweiten Hälfte des Jahres 2027 an seine ersten Kunden ausliefern.

Dieses Ziel verändert, wie das Unternehmen bewertet werden sollte. Die frühe Finanzierung honorierte eine technische These. Die Series B setzt eine Frist für Wafer, Packaging, Photonik, Compiler-Reife, Systemintegration und Kundenabnahme.

Chip-Startups erleben regelmäßig lange Zeiträume zwischen vielversprechenden Simulationen und zuverlässiger Produktionshardware. Verzögerungen in der Fertigung können zu verpassten Software-Meilensteinen und verschobenen Kundeneinführungen führen. Ein vollständiges Rack bringt noch mehr Integrationspunkte mit sich als ein einzelner Beschleuniger.

OLIX verfügt nun über erhebliches Kapital und prominente technische Unterstützung. Die nächste Phase ist weniger nachsichtig: Das Unternehmen muss diese Ressourcen in funktionierende Systeme mit messbarer Wirtschaftlichkeit umsetzen.

Warum der Nvidia-Techmeme-Vergleich zugleich nützlich und irreführend ist

Die Nvidia-Techmeme-Einordnung benennt den etablierten Anbieter, doch OLIX greift Nvidias Systemdesign an, statt einen konventionellen GPU-Klon zu entwickeln.

Nvidia liefert weit mehr als Beschleuniger-Silizium. Seine Position beruht auf GPUs, Netzwerkprodukten, Entwicklungstools, optimierten Bibliotheken, Bereitstellungserfahrung und einer großen, auf CUDA geschulten Community. Kunden kaufen sich in dieses gewachsene System ein, nicht lediglich eine Prozessorspezifikation.

OLIX verfolgt einen anderen Ansatz. Das Startup argumentiert, dass Inferenz mehrere Operationen mit unterschiedlichen Hardwareanforderungen umfasst. Jede Phase auf einem universell einsetzbaren Beschleuniger auszuführen, erzwingt Kompromisse zwischen Geschwindigkeit, Reaktionsfähigkeit, Stromverbrauch und Auslastung.

Inferenz ist der Prozess, bei dem ein trainiertes Modell eine Antwort erzeugt. Sie umfasst eine Phase zur Verarbeitung des Prompts und eine sequenzielle Decode-Phase, in der das Modell Token nacheinander generiert. Diese Phasen können unterschiedliche Anforderungen an Speicherbandbreite und Rechenleistung stellen.

OLIX vergleicht ein Rechenzentrum mit einer Fabrik, deren Produkt das Token ist. Eine konventionelle Fabrik nutzt für verschiedene Produktionsstufen spezialisierte Maschinen. Ein Inferenzsystem sollte dem Unternehmen zufolge nach demselben Prinzip funktionieren.

Seine X-1-Plattform würde ein Modell auf zahlreiche spezialisierte Chips verteilen. Jeder Prozessor würde wiederholt einen Abschnitt des Modells bearbeiten, während Aktivierungen durch das System wandern. OLIX beschreibt diese Anordnung als Produktionslinie für Token.

Dieser Ansatz verlagert das technische Problem. Spezialisierung kann eine einzelne Operation effizienter machen, jedoch nur dann, wenn die Daten zwischen den Prozessoren übertragen werden, ohne den Gewinn wieder aufzuzehren. Latenz, Synchronisierung, Netzwerkenergie und Scheduling werden dadurch zu zentralen Designelementen.

OLIX schlägt eine „langsame und breite“ optische Verbindung vor, die Daten mit Licht statt mit Kupfer überträgt. Das Unternehmen erklärt, das Co-Design im Rack-Maßstab ermögliche es der Verbindung, große Datenmengen bei niedriger Latenz und geringem Energieverbrauch zu transportieren. Ein deterministischer Compiler soll Arbeitslasten über die Racks hinweg einplanen.

Nvidia verfolgt einen evolutionäreren Weg. Seine Blackwell-Architektur kombiniert Beschleuniger mit Hochgeschwindigkeitsverbindungen und einer Softwareplattform für Training und Inferenz. Aufeinanderfolgende Systeme erhöhen Speicherkapazität, Kommunikationsbandbreite und Rechenleistung, während sie eine breite Programmierbarkeit beibehalten.

Diese Allgemeingültigkeit verursacht Overhead, schützt Kunden aber auch vor schnellen Modellveränderungen. Ein für eine Arbeitslast erworbener Beschleuniger kann nach Softwareanpassungen häufig auch eine andere bedienen. Nvidias installierte Basis bietet Entwicklern zudem bewährte Werkzeuge für Profiling, Optimierung und Bereitstellung.

OLIX erklärt, seine Chips würden statt einer festen Verdrahtung für ein einzelnes Modell eine flexible Rechenstruktur beibehalten. Diese Unterscheidung ist entscheidend. Modellarchitekturen können sich schneller ändern als Halbleiterentwicklungszyklen, sodass starre Spezialisierung einen Chip für die Arbeitslast von gestern optimieren kann.

Arms Beteiligung erhöht die Glaubwürdigkeit, ohne dieses Risiko auszuräumen. Arm verfügt über tiefgreifende Erfahrung bei Prozessordesign und Kommerzialisierung, doch eine Investition bestätigt nicht die von OLIX behauptete Leistung. Sie signalisiert strategisches Interesse an einer anderen Inferenzarchitektur.

Dieselbe Vorsicht gilt für die Bewertung. Investoren haben eine potenziell wertvolle Antwort auf steigende Inferenzkosten finanziert. Sie haben nicht die unabhängigen technischen Belege geliefert, die erforderlich wären, um zu entscheiden, ob X-1 etablierte Plattformen verdrängen kann.

OLIX wettet darauf, dass Speicher und nicht Rechenoperationen die Grenze setzt

Die zentrale Behauptung des Unternehmens lautet, dass die effiziente Bewegung von Modelldaten wichtiger ist als ein weiterer Zuwachs an universell einsetzbarer Rechenleistung.

Große Modelle enthalten Gewichte, also numerische Parameter, die während des Trainings gelernt werden. Das Bereitstellen dieser Modelle erfordert, dass Prozessoren Gewichte und Zwischendaten wiederholt abrufen. Diese Datenbewegung verbraucht Zeit und Energie, insbesondere bei sequenzieller Token-Generierung.

Moderne Beschleuniger setzen häufig auf High-Bandwidth Memory, kurz HBM, das nahe am Prozessor platziert wird. HBM liefert eine deutlich höhere Bandbreite als konventioneller Serverspeicher, erfordert jedoch spezialisierte Fertigung und fortschrittliches Packaging. Die Versorgung mit beidem ist im gesamten Markt für KI-Hardware strategisch wichtig geworden.

OLIX will beim DX-1 Modelldaten in Static Random-Access Memory, kurz SRAM, halten. SRAM ist ein schneller Speicher, der üblicherweise direkt auf einem Chip integriert ist. Er bietet niedrige Latenz, ist jedoch weniger dicht und pro gespeichertem Bit teurer als externe Speichertechnologien.

Das Startup erklärt, seine Multi-Chip-Architektur mache diesen scheinbaren Nachteil beherrschbar. Statt ein gesamtes großes Modell neben einem Prozessor zu platzieren, würde X-1 das Modell auf viele Chips und Racks verteilen. Jeder Chip würde seinen zugewiesenen Abschnitt speichern und ausführen.

OLIX zufolge benötigt DX-1 weder HBM noch fortschrittliches Packaging. Diese Entscheidung könnte die Abhängigkeit von Lieferketten verringern, die von etablierten Beschleunigeranbietern dominiert werden. Frühere Berichte über OLIX nannten die Vermeidung knapper Komponenten als zentralen Bestandteil der Unternehmensstrategie.

Das Design unterscheidet OLIX zudem von anderen Vorschlägen für photonisches Computing. Photonik bezeichnet die Nutzung von Licht für Kommunikation oder Berechnungen. Bei X-1 verbindet die optische Technologie vor allem Prozessoren, während elektronische Schaltungen die programmierbare Berechnung übernehmen.

Dieses hybride Design vermeidet es, alles auf optische Rechenoperationen zu setzen. Dennoch muss OLIX Laser, elektronische Chips, Netzwerk, Compiler-Software und Wärmemanagement in ein zuverlässiges Rack integrieren. Jedes Element beeinflusst Systemverfügbarkeit und Fertigungsausbeute.

Das Unternehmen behauptet, DX-1 werde bei Modellen mit 100 Milliarden Parametern mehr als 10.000 Token pro Sekunde für jeden Nutzer erreichen. Außerdem behauptet es einen höheren Durchsatz an Output-Token pro Watt als universell einsetzbare Prozessoren bei großen Batch-Größen.

OLIX erklärt weiter, seine Architektur könne auf Modelle mit 10 Billionen Parametern oder mehr skalieren. Dabei handelt es sich um Unternehmensprognosen, nicht um unabhängig reproduzierte Kundenergebnisse. Die Mitteilung nennt nicht alle Modell-, Präzisions-, Latenz-, Auslastungs- oder Leistungsbedingungen hinter den Vergleichen.

Diese fehlenden Bedingungen sind entscheidend. Die Inferenzleistung verändert sich mit Eingabelänge, Ausgabelänge, Batch-Größe, numerischer Präzision, Modellarchitektur und akzeptabler Latenz. Ein für eine Kombination optimiertes Ergebnis beschreibt möglicherweise nicht den typischen Produktionsverkehr.

„Token pro Sekunde pro Nutzer“ kann Interaktivität messen, doch Betreiber interessieren sich auch für den Gesamtdurchsatz eines Racks. Sie müssen Reaktionsfähigkeit gegen die Zahl gleichzeitig bedienter Anfragen abwägen. Energieeffizienz ist sowohl auf Chip- als auch auf Anlagenebene relevant.

Auch die Vergleichsgruppe ist entscheidend. Ein spezialisiertes Decode-System kann gegenüber einem universell einsetzbaren Prozessor, der jede Inferenzphase bearbeitet, stark aussehen. Die betriebliche Frage lautet, ob das vollständige OLIX-Rack eine optimierte heterogene Bereitstellung übertrifft, wenn Netzwerk, ungenutzte Kapazität, Software und Kühlung einbezogen werden.

OLIX’ Inference-Manifest liefert eine schlüssige Begründung, die vorherrschende Architektur infrage zu stellen. Es ersetzt jedoch nicht die Notwendigkeit reproduzierbarer Messungen. Die überzeugendsten Belege werden von vollständigen Racks stammen, auf denen aktuelle Modelle unter realistischen Service-Level-Anforderungen laufen.

Der schwierige Teil beginnt, sobald das erste Silizium zurückkommt

OLIX muss nachweisen, dass die architektonische Effizienz Fertigung, Modelländerungen und die tägliche Variabilität produktiver Inferenz übersteht.

Die erste Unsicherheit betrifft die Umsetzung im Silizium. Zeitpläne für Halbleiter können sich aufgrund von Designfehlern, Problemen in der Fertigung, Einschränkungen beim Packaging oder niedrigen Ausbeuten verzögern. OLIX muss kundenspezifische Prozessoren und optische Komponenten koordinieren, was die Zahl der Abhängigkeiten vor der Auslieferung an Kunden erhöht.

Der Verzicht auf HBM beseitigt das Risiko in der Lieferkette nicht. Das Unternehmen benötigt weiterhin Foundry-Kapazitäten, Substrate, Laser, optische Montage, Testausrüstung, Netzwerkkomponenten und die Rack-Fertigung. Sein Design verlagert den Druck lediglich auf eine andere Gruppe von Lieferanten und Prozessen.

Die zweite Unsicherheit ist die Software. Zu Nvidias Vorteil gehören ausgereifte Compiler, optimierte Kernel, Debugging-Tools und Entwicklerinnen und Entwicklern vertraute Frameworks. Eine neue Architektur benötigt einen Softwarepfad, über den Kunden Modelle bereitstellen können, ohne ihren gesamten Inferenzbetrieb neu aufbauen zu müssen.

OLIX erklärt, ein deterministischer Compiler werde Workloads über seine Racks hinweg planen. Deterministische Planung bedeutet, dass das System Operationen und Kommunikation vorhersehbar plant, statt sie dynamisch zuzuweisen. Das kann den Koordinationsaufwand verringern, aber auch die Anpassung an veränderte Verkehrsmuster erschweren.

Produktionsanfragen treffen selten in sauberen, einheitlichen Batches ein. Prompt-Längen variieren. Die Länge der Ausgaben ist unvorhersehbar. Modelle rufen Tools auf, verwenden zwischengespeicherten Kontext erneut und bedienen Nutzer mit unterschiedlichen Latenzerwartungen. Die Hardwareauslastung kann sinken, wenn eine Pipeline auf ihre langsamste Stufe warten muss.

Das schafft ein klassisches Problem der Produktionslinie. Spezialisierung verbessert den Durchsatz bei gleichmäßig fließender Arbeit, doch Engpässe können andere Stufen unbeschäftigt lassen. OLIX muss zeigen, dass sein Compiler unterschiedliche Anfragen ausbalanciert und zugleich die von der Architektur versprochene Effizienz erhält.

Die Weiterentwicklung von Modellen schafft eine weitere Herausforderung. Mixture-of-Experts-Systeme aktivieren für jedes Token unterschiedliche Teilmengen eines Modells. Multimodale Modelle kombinieren Text, Bilder, Audio und Video. Spekulatives Decoding nutzt kleinere Modelle, um Ausgaben vorzuschlagen, die ein größeres Modell überprüft.

Jede dieser Techniken verändert Berechnung und Datenbewegung. OLIX sagt, sein flexibles Fabric könne diesen Veränderungen folgen, ohne ein Modell fest zu verdrahten. Kunden werden Belege benötigen, dass Aktualisierungen keine langwierige Compilerarbeit oder neues Silizium erfordern.

Auch die Zuverlässigkeit auf Rack-Ebene ist wichtig. Ein über viele Prozessoren verteiltes System kann mehr Arbeit verlieren, wenn eine Komponente ausfällt. OLIX benötigt Fehlerisolierung, Redundanz, Monitoring und Wiederherstellungsmechanismen, die den Dienst bei Hardwarefehlern aufrechterhalten.

Dann folgt der wirtschaftliche Test. Kunden berechnen die Gesamtbetriebskosten über Hardware, Strom, Netzwerke, Kühlung, Software, Personal, Wartung und Auslastung hinweg. Ein schnellerer Chip schafft nicht automatisch einen kostengünstigeren Dienst.

Auch Nvidia kann reagieren. Der etablierte Anbieter verbessert weiterhin inferenzspezifische Software, Berechnungen mit geringerer Präzision, Netzwerke und Rack-Designs. Hyperscaler entwickeln eigene Beschleuniger, während Startups wie Cerebras, Groq, d-Matrix und Fractile andere spezialisierte Ansätze verfolgen.

Dieses dicht besetzte Feld verschafft Käufern Verhandlungsmacht. Es bedeutet aber auch, dass OLIX’ Wettbewerber zum Zeitpunkt der Bereitstellung möglicherweise nicht das Nvidia-System sein wird, das verfügbar war, als X-1 entwickelt wurde. Der relevante Vergleich wird mit Produkten erfolgen, die Ende 2027 ausgeliefert werden.

Staatliche Unterstützung kann die finanzielle Reichweite des Startups verlängern. Der britische AI Hardware Plan priorisiert heimische Compute-Unternehmen und den Zugang zu öffentlicher Infrastruktur. Politische Unterstützung kann jedoch weder Kundenvalidierung noch reproduzierbare Fertigung ersetzen.

OLIX hat technisch konkrete Behauptungen aufgestellt, was vagen Versprechen vorzuziehen ist. Diese Behauptungen begründen nun eine ebenso konkrete Beweislast.

Drei Signale werden zeigen, ob OLIX eine echte Nvidia-Alternative hat

Kundenhardware, unabhängig definierte Benchmarks und Folgeaufträge werden darüber entscheiden, ob OLIX zu einem Infrastrukturanbieter wird oder ein kostspieliges Architektur-Experiment bleibt.

Das erste Signal ist ein funktionierendes DX-1-Rack, das termingerecht ausgeliefert wird. OLIX hat die zweite Hälfte des Jahres 2027 als Zieltermin für Kunden genannt. Davor werden Tape-out-Ankündigungen, Ergebnisse des ersten Siliziums, Rack-Demonstrationen und namentlich genannte Launch-Partner zeigen, ob die Entwicklung weiterhin im Plan liegt.

Eine Demonstration im Labor wird nicht genügen. Das System muss aktuelle Modelle kontinuierlich ausführen, sich von Fehlern erholen und sich in die Serving-Software integrieren, die Kunden bereits nutzen. Belege aus einer Kundenumgebung werden mehr Gewicht haben als eine weitere Prognose.

Das zweite Signal ist ein Benchmark mit vollständigen Testbedingungen. Leser sollten auf Modellnamen, Parameterzahlen, numerische Präzision, Prompt-Längen, Ausgabelängen, Batch-Größen, Latenzziele, Rack-Leistung und die gesamte Systemkonfiguration achten.

OLIX’ zentrale Behauptung von mehr als 10.000 Tokens pro Sekunde und Nutzer klingt eindrucksvoll. Ihre Bedeutung hängt von diesen Details ab. Eine unabhängige Replikation würde die Herausforderung des Unternehmens stärken, während enge Bedingungen oder nicht angegebene Systemleistung sie schwächen würden.

Nützliche Vergleiche müssen sowohl Reaktionsfähigkeit als auch aggregierten Durchsatz messen. Eine Plattform kann einen einzelnen Stream schnell erzeugen und zugleich zu wenige gleichzeitige Nutzer bedienen. Sie kann auch die Gesamtzahl der Tokens maximieren, während sie jedem Nutzer eine inakzeptable Verzögerung zumutet.

Das dritte Signal ist die kommerzielle Expansion nach der ersten Installation. Ein Pilotprojekt zeigt, dass ein Käufer die Technologie evaluieren möchte. Ein Folgeauftrag zeigt, dass das System genügend Wert geliefert hat, um betriebliche Veränderungen zu rechtfertigen.

Wiederholte Nachfrage würde außerdem darauf hindeuten, dass OLIX’ Software- und Supportorganisation Produktionskunden bedienen kann. Hardwareleistung allein schafft kein Infrastrukturgeschäft. Käufer benötigen planbare Lieferung, Wartung, Sicherheitsupdates, Modellunterstützung und eine glaubwürdige Produkt-Roadmap.

Arms Investition verdient innerhalb dieses kommerziellen Tests Aufmerksamkeit. Arm kann technische Beziehungen und Erfahrung bei der Lizenzierung von Prozessortechnologie für einen breiten Markt einbringen. Künftige Zusammenarbeit, Kundenintroduktionen oder offengelegte Designkomponenten würden seine strategische Rolle deutlicher machen.

Nvidias Reaktion wird über Produkt-Roadmaps und die Inferenzökonomie sichtbar werden. Das Unternehmen muss OLIX nicht nachahmen. Es muss lediglich Tokens pro Watt, Latenz und Bereitstellungskosten schnell genug verbessern, um die Lücke einzuengen, auf die OLIX abzielt.

Deshalb sollte die Nvidia-Techmeme-Geschichte nicht auf einen Finanzierungswettbewerb zwischen Startup und etabliertem Anbieter reduziert werden. OLIX testet, ob KI-Inferenz zu einer Pipeline spezialisierter Maschinen werden sollte, statt weiterhin auf Allzweckbeschleunigern konzentriert zu bleiben.

Wenn dieses Produktionslinienmodell funktioniert, könnten Entwickler und Unternehmenskäufer einen weiteren Weg zu Inferenz mit geringerer Latenz gewinnen. Mehr verfügbare Tokens könnten längere Reasoning-Workloads, größere Nutzergruppen und Anwendungen ermöglichen, deren Betrieb derzeit zu teuer ist.

Falls es scheitert, werden die wahrscheinlichen Ursachen aufschlussreich sein. Optische Kommunikation könnte den Koordinationsaufwand nicht ausgleichen. SRAM-Kapazität könnte schwierige Skalierungsökonomien erzwingen. Der Compiler könnte mit variablen Workloads kämpfen, oder Nvidias breitere Plattform könnte sich schneller verbessern, als OLIX die Produktion erreichen kann.

Die Finanzierung verschafft genügend Zeit, um nach diesen Antworten zu suchen. Sie beantwortet die Fragen nicht. Die sinnvollste Reaktion auf Nvidia-Techmeme-Schlagzeilen ist daher einfach: Beobachten Sie die Racks, prüfen Sie die Benchmark-Bedingungen und warten Sie ab, ob Kunden zweimal bestellen.