Jenseits der Wiederherstellung: NVIDIA zeichnet den Kurs für die Ära des generativen Rechnens

NVIDIA (NVDA ) -CEO Jensen Huang kündigte auf der GTC-Keynote im März 2025 eine Reihe bahnbrechender Fortschritte in der AI-Rechenleistung an und beschrieb, was er als “$1-Billionen-Rechen-Infektionspunkt” bezeichnete. Die Keynote zeigte die Produktionsreife der Blackwell-GPU-Architektur, einen mehrjährigen Fahrplan für zukünftige Architekturen, große Durchbrüche in der AI-Netzwerktechnologie, neue Unternehmens-AI-Lösungen und bedeutende Entwicklungen in der Robotik und physischen AI.

Die “Token-Ökonomie” und AI-Fabriken

Zentral für Huangs Vision ist das Konzept von “Tokens” als grundlegende Bausteine der AI und dem Aufkommen von “AI-Fabriken” als spezialisierte Rechenzentren, die für generatives Rechnen konzipiert sind.

“So wird Intelligenz hergestellt, eine neue Art von Fabrik, die Tokens generiert, die Bausteine der AI. Tokens haben eine neue Grenze geöffnet,” erklärte Huang dem Publikum. Er betonte, dass Tokens “Bilder in wissenschaftliche Daten umwandeln können, die Atmosphären von Alien-Planeten kartieren”, “die Gesetze der Physik entschlüsseln” und “Krankheiten erkennen können, bevor sie sich manifestieren”.

Diese Vision repräsentiert einen Wechsel von traditionellem “Wiederherstellungsrechnen” zu “generativem Rechnen”, bei dem die AI den Kontext versteht und Antworten generiert, anstatt nur vorgeschriebene Daten abzurufen. Laut Huang erfordert dieser Übergang eine neue Art von Rechenzentrumsarchitektur, bei der “der Computer zu einem Token-Generator und nicht zu einem Dateiabruf wird”.

Blackwell-Architektur bringt massive Leistungssteigerungen

Die NVIDIA-Blackwell-GPU-Architektur, die nun in “voller Produktion” ist, liefert laut Unternehmen “40-mal die Leistung von Hopper” für Reasoning-Modelle unter identischen Leistungsbedingungen. Die Architektur unterstützt FP4-Präzision, was zu erheblichen Energieeffizienzverbesserungen führt.

“ISO-Leistung, Blackwell ist 25-mal so effizient”, erklärte Huang und hob die dramatischen Effizienzgewinne der neuen Plattform hervor.

Die Blackwell-Architektur unterstützt auch extreme Skalierbarkeit durch Technologien wie NVLink 72, die die Erstellung von massiven, einheitlichen GPU-Systemen ermöglicht. Huang prophezeite, dass Blackwells Leistung die vorherigen Generationen von GPUs für anspruchsvolle AI-Workloads erheblich weniger attraktiv machen wird.

(Quelle: NVIDIA)

Vorhersehbarer Fahrplan für AI-Infrastruktur

NVIDIA skizzierte einen regelmäßigen jährlichen Rhythmus für seine AI-Infrastruktur-Innovationen, der es Kunden ermöglicht, ihre Investitionen mit größerer Sicherheit zu planen:

• Blackwell Ultra (zweite Hälfte 2025): Eine Aufrüstung der Blackwell-Plattform mit erhöhter FLOP-Leistung, Speicher und Bandbreite.
• Vera Rubin (zweite Hälfte 2026): Eine neue Architektur mit einem CPU mit verdoppelter Leistung, einem neuen GPU und nächster Generation von NVLink- und Speichertechologien.
• Rubin Ultra (zweite Hälfte 2027): Eine extreme Skalierungsarchitektur, die auf 15 Exaflops Rechenleistung pro Rack abzielt.

Demokratisierung von AI: Von Netzwerken zu Modellen

Um die Vision einer weitverbreiteten AI-Adoption zu verwirklichen, kündigte NVIDIA umfassende Lösungen an, die Netzwerke, Hardware und Software umfassen. Auf der Infrastrukturebene geht das Unternehmen der Herausforderung nach, Hunderttausende oder sogar Millionen von GPUs in AI-Fabriken durch signifikante Investitionen in Siliziumphotonik-Technologie zu verbinden. Ihr erstes Co-Packed-Optics-(CPO)-Siliziumphotonik-System, ein 1,6-Terabit-pro-Sekunde-CPO auf Basis von Mikroring-Resonator-Modulator-(MRM)-Technologie, verspricht erhebliche Energieeinsparungen und erhöhte Dichte im Vergleich zu herkömmlichen Transceivern, was effizientere Verbindungen zwischen massiven Zahlen von GPUs an verschiedenen Standorten ermöglicht.

Während das Unternehmen die Grundlage für große AI-Fabriken schafft, bringt es gleichzeitig die Rechenleistung von AI auch für Einzelpersonen und kleinere Teams. Das Unternehmen stellte eine neue Linie von DGX-Personal-AI-Supercomputern vor, die auf der Grace-Blackwell-Plattform basieren und darauf abzielen, AI-Entwickler, Forscher und Datenwissenschaftler zu befähigen. Die Palette umfasst DGX-Spark, eine kompakte Entwicklungsplattform, und DGX-Station, eine Hochleistungs-Arbeitsstation mit Flüssigkühlung und beeindruckenden 20 Petaflops Rechenleistung.

NVIDIA DGX Spark (Quelle: NVIDIA)

Als Ergänzung zu diesen Hardware-Fortschritten kündigte NVIDIA die offene Llama-Nemotron-Modellfamilie mit Reasoning-Fähigkeiten an, die für den Einsatz in Unternehmen konzipiert sind und darauf abzielen, fortschrittliche AI-Agents zu bauen. Diese Modelle sind in NVIDIA NIM (NVIDIA Inference Microservices) integriert, was es Entwicklern ermöglicht, sie auf verschiedenen Plattformen von lokalen Workstations bis hin zur Cloud zu bereitstellen. Dieser Ansatz stellt eine vollständige Lösung für die Unternehmens-AI-Adoption dar.

Huang betonte, dass diese Initiativen durch umfangreiche Zusammenarbeit mit großen Unternehmen aus verschiedenen Branchen unterstützt werden, die NVIDIA-Modelle, NIM und Bibliotheken in ihre AI-Strategien integrieren. Dieser Ökosystem-Ansatz zielt darauf ab, die Adoption zu beschleunigen und gleichzeitig Flexibilität für unterschiedliche Unternehmensbedürfnisse und Anwendungsfälle zu bieten.

Physische AI und Robotik: Eine 50-Billionen-Dollar-Chance

NVIDIA sieht physische AI und Robotik als eine “$50-Billionen-Chance”, so Huang. Das Unternehmen kündigte das Open-Source-NVIDIA-Isaac-GR00T-N1 an, das als “Generalist-Grundmodell für humanoide Roboter” bezeichnet wird.

Erhebliche Updates des NVIDIA-Cosmos-Welt-Grundmodells bieten beispielloser Kontrolle über die synthetische Datengenerierung für die Roboter-Schulung mit NVIDIA Omniverse. Wie Huang erklärte, “Mit Omniverse, um Cosmos zu konditionieren und Cosmos, um eine unendliche Anzahl von Umgebungen zu generieren, können wir Daten erstellen, die grundlegend, von uns kontrolliert und gleichzeitig systematisch unendlich sind”.

Das Unternehmen stellte auch einen neuen Open-Source-Physik-Engine namens “Newton” vor, der in Zusammenarbeit mit Google DeepMind und Disney Research entwickelt wurde. Der Engine ist für hochpräzise Robotik-Simulationen konzipiert, einschließlich starrer und weicher Körper, taktiler Rückkopplung und GPU-Beschleunigung.

Isaac GR00T N1 (Quelle: NVIDIA)

Agente AI und Branchentransformation

Huang definierte “Agente AI” als AI mit “Agentur”, die “wahrnehmen und den Kontext verstehen”, “reasonieren” und “planen und handeln” kann, sogar mit Werkzeugen und aus multimodalen Informationen lernen.

“Agente AI bedeutet im Grunde, dass Sie eine AI haben, die Agentur besitzt. Sie kann den Kontext der Umstände wahrnehmen und verstehen. Sie kann reasonieren, sehr wichtig, kann über die Antwort oder die Lösung eines Problems nachdenken und planen und handeln. Sie kann planen und handeln. Sie kann Werkzeuge verwenden,” erklärte Huang.

Diese Fähigkeit treibt einen Anstieg der Rechenanforderungen voran: “Die Menge an Rechenleistung, die Skalengesetze der AI, sind widerstandsfähiger und tatsächlich hyperbeschleunigt. Die Menge an Rechenleistung, die wir jetzt benötigen, als Ergebnis von Agente AI, als Ergebnis von Reasoning, ist leicht hundertmal höher als wir dachten, dass wir sie letztes Jahr benötigen würden”, fügte er hinzu.

Das Fazit

Jensen Huangs GTC-2025-Keynote präsentierte eine umfassende Vision einer AI-getriebenen Zukunft, die von intelligenten Agenten, autonomen Robotern und speziell konzipierten AI-Fabriken geprägt ist. NVIDIAs Ankündigungen über Hardware-Architektur, Netzwerktechnologie, Software und Open-Source-Modelle signalisieren das Engagement des Unternehmens, die nächste Ära des Rechnens zu beschleunigen und voranzutreiben.

Da das Rechnen von retrieval-basierten zu generativen Modellen wechselt, bietet NVIDIAs Fokus auf Tokens als Kernwährung der AI und auf die Skalierung von Fähigkeiten über Cloud-, Unternehmens- und Robotik-Plattformen hinweg eine Straßenkarte für die Zukunft der Technologie, mit weitreichenden Auswirkungen auf Branchen weltweit.