Thema: #nvidia

Nvidia hat seine Zahlen vorgelegt, während Investoren nervös auf Anzeichen für ein Ende des AI-Booms warteten. Der Chipkonzern lieferte einen bullischen Ausblick, CEO Jensen Huang sprach von weiter steigender Nachfrage nach AI-Beschleunigern. Für die Märkte ist das ein Signal, dass der Ausbau der AI-Infrastruktur nicht abreißt.

Hugging Face ist der zentrale Umschlagplatz für offene AI-Modelle geworden. Wenn ausgerechnet der dominierende AI-Chiphersteller die Kontrolle übernimmt, verschiebt sich das Gleichgewicht im ganzen Ökosystem. Entwickler beobachten deshalb genau, was mit Hosting, Lizenzen und der Neutralität der Plattform passiert.

Robinhood-CIO Stephanie Guild sieht in Nvidias Zahlen eine Bestätigung des AI-Investmentthemas. Gleichzeitig warnt sie, dass hohe Unternehmensverschuldung, hartnäckige Inflation und erhöhte Zinsen die Marktrenditen zunehmend prägen könnten. Zur Diversifikation setzt sie auf Gold, Rohstoffe und ausgewählte Healthcare-Titel, bleibt bei langlaufenden Anlagen aber vorsichtig.

Auf Nvidias Quartalsgespräch erklärte CEO Jensen Huang beiläufig, das Unternehmen habe AGI erreicht. Kurz darauf bezeichnete er den Meilenstein als sinnlos und verwies darauf, dass Nvidia bei vielen Aufgaben bereits als AGI gelten könne. Der Einordnung fehlt eine allgemein akzeptierte Definition von Artificial General Intelligence und ein verlässlicher Test, der den Übergang messbar macht.

Handelsminister Howard Lutnick führt nächste Woche Fireside Chats mit OpenAI-CEO Sam Altman und Nvidia-CEO Jensen Huang. Bühne ist das G20 Innovation Ministerial vom 1. bis 2. September in Chapel Hill, North Carolina, gemeinsam ausgerichtet vom Handelsministerium und dem Wissenschaftsbüro des Weißen Hauses.

Nvidia hat laut Business Insider Gespräche über eine mögliche Übernahme von Hugging Face geführt. Die Transaktion hätte das auf Open-Source-Modelle und Entwicklerwerkzeuge spezialisierte Startup mit mehr als 13 Milliarden US-Dollar bewerten können. Als Quelle wird Bloomberg Technology genannt, die Meldung bleibt damit ein Bericht über Gespräche und keine bestätigte Übernahme.

Nvidia rechnet im kommenden Geschäftsjahr mit 70 Prozent Umsatzwachstum, die Aktie legte nachbörslich zu. Im letzten Quartal lag der Umsatz bei 96,2 Milliarden Dollar und damit über den Erwartungen. Finanzchefin Colette Kress sagte, das Unternehmen sei weiter durch Lieferengpässe gebremst, sonst wäre sogar eine Verdopplung möglich.

Gary Marcus, emeritierter Professor für Psychologie und Neurowissenschaft an der NYU, nimmt die kolportierten TAM-Zahlen von AI-Firmen wie Anthropic auseinander. Diese Schätzungen zum adressierbaren Gesamtmarkt liegen angeblich in der Größenordnung des kompletten US-Bruttoinlandsprodukts.

Die nächste AI-Welle stellt neue Anforderungen an die Infrastruktur. Sobald AI-Agenten und Modelle mit Billionen Parametern zum Alltag gehören, hängt die Leistung nicht mehr allein an der Rechenkraft, sondern daran, wie Compute, Memory, Storage, Netzwerk und Software als ein System zusammenspielen. Genau dort setzt Nvidia mit NVHBM an, einem anpassbaren High-Bandwidth-Memory, das über NVLink Fusion angebunden wird.

In Piketon im Süden Ohios wollen OpenAI, Nvidia und japanische Investoren rund 500 Milliarden Dollar in eines der größten AI-Rechenzentren der Welt stecken, geplant sind 8 Gigawatt Rechenleistung. Die strukturschwache Region hofft auf tausende Jobs. Umweltgruppen warnen dagegen vor dem Verbrauch von Wasser und Strom und vor den Folgen für die Anwohner.

Ein Modell mit 405 Milliarden Parametern auf dem Schreibtisch laufen zu lassen, ist inzwischen machbar: The Stack zeigt, wie sich zwei NVIDIA DGX Spark koppeln lassen, um genau das zu erreichen. Nötig sind dafür passende Hardware, ein durchdachtes Netzwerk-Setup und einiges an Erfahrung. Bei der Verarbeitungsgeschwindigkeit liegt das Desktop-Setup allerdings weiterhin deutlich hinter Cloud-Instanzen.

Taiwanische Staatsanwälte haben neun Menschen wegen des illegalen Exports leistungsfähiger AI-Server nach Festlandchina angeklagt. Unter den Beschuldigten sind laut The Guardian ein Nvidia-Mitarbeiter und zwei Beschäftigte von Super Micro. Im Zentrum stehen B300-Systeme mit GPUs, deren Verkauf nach China untersagt ist.

AM Intelligence, ein indisches AI-Infrastruktur-Unternehmen, hat 9.000 Vera-Rubin-Systeme bei Nvidia bestellt. Damit will die Firma zu den ersten Betreibern der neuen Compute-Plattform in Asien gehören. Vera Rubin ist Nvidias nächste Generation nach Blackwell und bisher nicht breit verfügbar.

Ilya Sutskevers Projekt Safe Super Intelligence (SSI) bekommt eine größere Investition von Nvidia. SSI will superintelligente Systeme entwickeln und dabei Sicherheit und Skalierbarkeit zusammen denken, statt Sicherheit am Ende draufzusetzen. Nvidia sichert sich damit die Nähe zu einem der prominentesten Forscher der Branche.

Agentische AI-Workloads verbrauchen laut OpenRouter-Daten rund 15-mal mehr Tokens als eine einfache Chat-Anfrage, weil Agenten Datenbanken abfragen, Sub-Agenten starten und Ergebnisse am Ende zusammenführen. Nvidia stellt dafür das System Vera Rubin NVL72 vor und verspricht bis zu 30-mal mehr Arbeit pro Watt. Die Zahlen stammen aus dem Nvidia-Blog, unabhängige Messungen liegen bislang nicht vor.

Ilya Sutskever, Mitgründer von Safe Super Intelligence (SSI), arbeitet an AI-Systemen, die Sicherheit und die Ausrichtung an menschlichen Werten in den Mittelpunkt stellen. Gestützt auf eine Investition von NVIDIA über fünf Milliarden Dollar soll das erste SSI-Modell im August 2026 erscheinen. Es setzt unter anderem auf kontinuierliches Lernen und interne Feedback-Mechanismen.

Nvidia hat große Kunden laut Bloomberg darüber informiert, dass Server mit seinen AI-Chips in vielen Fällen mehr als 15 Prozent teurer werden. Hintergrund sind stark gestiegene Preise für Speicherchips, die einen wachsenden Anteil der Serverkosten ausmachen und den Druck auf die gesamte AI-Infrastruktur erhöhen.

Auf Hacker News diskutiert die Community, ob die zirkulären Cash-Flows zwischen Nvidia, Anthropic, OpenAI, Google und Meta ein systemisches Risiko für die Weltwirtschaft sind. Der Thread fragt konkret nach Belegen für eine Börsenblase im AI-Sektor und ob solche Verflechtungen reguliert oder untersagt werden sollten. Die Resonanz ist bislang gering, der Beitrag hat nur wenige Punkte und Kommentare.

Tsu-Jae King Liu, Präsidentin der National Academy of Engineering und frühere Dekanin der Ingenieursfakultät in Berkeley, spricht über ihre Rolle in der Halbleiterbranche. Sie saß im Board von Intel und war an Chip-Designs beteiligt, die heute in Smartphones stecken.

Anthropic soll laut einem Bericht eigene Chips für den Betrieb seiner Claude-Modelle entwickeln. Damit folgt das Unternehmen einem Branchentrend, bei dem maßgeschneiderte Hardware mehr Leistung und geringere Kosten verspricht und die Abhängigkeit von Lieferanten wie NVIDIA verringern kann.

Nvidia arbeitet laut The Verge mit Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs und KKR an einer Finanzierung von bis zu 500 Milliarden US-Dollar für AI-Rechenkapazität. Nvidia-Chef Jensen Huang beschreibt moderne Chips als ertragsgenerierende, langlebige und handelbare Vermögenswerte. Damit könnten Rechenzentren und GPU-Flotten stärker wie Infrastrukturprojekte finanziert werden.

Nvidia hat laut Bloomberg zugesagt, bis zu 105 Milliarden Dollar für die erste Phase eines großen Rechenzentrumscampus in Ohio bereitzustellen. Die Anlage soll von OpenAI gemietet werden und reiht sich in die enge Partnerschaft zwischen dem führenden AI-Chiphersteller und dem Betreiber großer AI-Modelle ein.

Indonesien baut eigene AI-Kapazitäten auf. Das Digitalministerium Komdigi, der Telko-Konzern Indosat Ooredoo Hutchison, NVIDIA und die Universitas Gadjah Mada haben in Yogyakarta das erste universitäre AI-Technologiezentrum des Landes eröffnet. Das NVAITC läuft unter dem nationalen AI Center of Excellence und soll Forschung, Ausbildung und lokale Talente zusammenbringen.

Das Wachstum von AI und Hyperscalern treibt den Kreditmarkt: In manchen Indizes machen sie inklusive Nvidia bis zu 30 Prozent der neuen Emissionen dieses Jahres aus. Nvidia hat diese Woche versucht, die Kreditmärkte zu beruhigen, indem es eigene Rechenleistung als Form der Verbriefung anbietet.

Der NVIDIA DGX Spark sorgt seit dem Release für Diskussionen in der AI-Entwickler-Szene. Vermarktet wird er als persönlicher AI-Supercomputer, der High-Performance-Computing zu einzelnen Entwicklern und kleinen Teams bringen soll. Der Haken ist der Preis: Wegen der weltweiten Speicherknappheit liegt er inzwischen bei 4.699 Dollar.

NVIDIA hat mit Switchboard eine Open-Source-Bibliothek für dynamisches Routing von AI-Aufgaben vorgestellt. Das Framework soll Anfragen abhängig von Komplexität und verfügbaren Ressourcen an passende Modelle weiterleiten und damit die Grenzen einer statischen Modellauswahl umgehen. Laut Geeky Gadgets AI sind bis zu 50 Prozent kürzere Antwortzeiten und 25 Prozent weniger Ressourcenverbrauch möglich.

Hon Hai Precision Industry, einer der wichtigsten Fertigungspartner von Nvidia, hat im vergangenen Quartal mehr Gewinn erzielt als erwartet. Das Ergebnis deutet auf eine robuste globale Nachfrage nach AI-Hardware hin, von Rechenzentrumsservern bis zu Komponenten für beschleunigte Workloads. Für den Markt ist das ein weiteres Signal, dass die Investitionen in AI-Infrastruktur bislang hoch bleiben.

NVIDIA hat Partnerschaften mit Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs und KKR angekündigt. Gemeinsam sollen unabhängige Finanzierungsplattformen entstehen, die über 500 Milliarden Dollar an Drittkapital für den Ausbau von AI-Infrastruktur mobilisieren. Rechenleistung aus AI-Factories wird damit laut NVIDIA zu einer eigenen Anlageklasse.

Erica Brescia von Redpoint Ventures sprach bei Bloomberg über Super Micro und dessen Rolle als wichtiger Hardwarelieferant für das AI-Wachstum. Sie beschreibt das Unternehmen trotz jüngster Kursschwankungen als robust, mit starker Marktposition und erheblicher Preissetzungsmacht. Der Beitrag liefert jedoch kaum Details zu Nvidias angeblicher Finanzierung über 500 Milliarden Dollar.

NVIDIA stellt im August Partner, Open-Source-Communities sowie neue Modelle, Anwendungen und Tools für lokale AI in den Mittelpunkt. Ziel ist, dass Entwickler leistungsfähigere Agenten einfacher lokal bauen, anpassen und ausführen können. Für Teams wird damit wichtiger, welche Modelle tatsächlich auf der eigenen Hardware laufen, wie viel Einrichtung nötig ist und welche Daten die lokale Umgebung verlassen.

Die Trump-Regierung hat diese Woche ein Rahmenwerk finalisiert, mit dem neue AI-Modelle auf Sicherheits- und Cyberrisiken geprüft werden sollen. Vertreter von OpenAI, Anthropic, Meta, Google, Nvidia und Microsoft haben es in einem nicht öffentlichen Treffen im Weißen Haus zu sehen bekommen. Veröffentlicht wird das Papier aber nicht: Die Testkriterien gehen nur an ausgewählte Tech-Konzerne.

Eine wichtige US-Behörde nimmt unter die Lupe, wie chinesische AI-Firmen im Ausland an Nvidia-Chips kommen und sie dort nutzen. Auslöser sind mehrere technische Durchbrüche, die gezeigt haben, dass diese Unternehmen trotz der US-Exportbeschränkungen mit modernster Hardware arbeiten können. Damit rückt die Frage in den Vordergrund, ob Rechenkapazität außerhalb Chinas eine Lücke in den bisherigen Regeln ist.

NVIDIA hat im Juli den offenen Brief „Open Weights and American AI Leadership“ mitunterzeichnet, gemeinsam mit über 200 Unternehmen und Organisationen. Die Kernaussage: AI-Führerschaft misst sich nicht an einem einzelnen Frontier-Modell, sondern daran, ob ein offenes Ökosystem tatsächlich in jeder Branche ankommt. Genau daran knüpft NVIDIA mit offenen World Models an, die Physical AI im Omniverse voranbringen sollen.

Moonshot AI soll Kimi K3 laut einem Bericht von Tom’s Hardware AI mit Nvidia-Blackwell-Chips trainiert haben. Der Erwerb der Hardware hätte demnach sowohl US-Exportbeschränkungen als auch chinesische Importkontrollen umgehen müssen. Die Angaben stammen bislang aus einer einzelnen Quelle und sind nicht unabhängig bestätigt.

Anthropic galt im Winter und Frühling als Liebling des US-AI-Booms und positionierte sich zugleich als moralisches Gewissen der Branche. Im Sommer steht der Claude-Hersteller ziemlich allein da. Als einziges Frontier-Lab hat Anthropic einen offenen Brief unter Führung von Nvidia-CEO Jensen Huang nicht unterschrieben, der Washington vor Beschränkungen für Open-Weight-Modelle warnt.

Roboter bewegen kann fast jeder – Jetson soll ihnen das Denken beibringen. NVIDIA zeigt in einem Video mit Sarah Guo, Gründerin der AI-Venture-Firma Conviction und Co-Host des AI-Podcasts, wie kompakt lokale AI-Rechenleistung inzwischen ist: Das Modul passt buchstäblich in eine Clutch. Statt Modelle in der Cloud laufen zu lassen, verarbeitest du Sensordaten und Inferenz direkt auf dem Gerät.

Anthropic-Chef Dario Amodei sagt, er habe nie ein Verbot von Open-Weight-AI-Modellen gefordert. Damit weist er den Vorwurf zurück, sein Unternehmen wolle sich vor günstiger Konkurrenz schützen.

Nvidia hat gemeinsam mit Microsoft, SpaceX, IBM und weiteren Unternehmen die Open Secure AI Alliance angekündigt. Die Initiative will Open-Source-Tools entwickeln und teilen, mit denen sich Angriffe durch fortgeschrittene AI-Modelle besser erkennen und abwehren lassen.

Nvidia arbeitet laut Bloomberg an einer neuen Runde von AI-Deals im Volumen von über 750 Milliarden Dollar. Kritiker sehen darin genau das Muster, vor dem sie seit Monaten warnen: Kapital fließt im Kreis zwischen Chip-Anbieter und Kunden und lässt Nachfrage sowie Bewertungen größer erscheinen, als sie sind. Ob die Investitionen echte Nachfrage abbilden oder sie selbst erzeugen, bleibt offen.

Nvidia verhandelt laut Bloomberg über eine Finanzierungsgarantie, mit der OpenAI Rechenleistung aus einem geplanten US-Rechenzentrum von SoftBank mieten könnte. Der Standort soll ab 2028 laufen. Damit lenkt der wertvollste Konzern der Welt erneut eigenes Kapital genau dorthin, wo später seine Chips gebraucht werden.

AMD hat eine Reihe neuer Produkte für Rechenzentren vorgestellt, die laut eigenen Angaben die Konkurrenzprodukte von Nvidia übertreffen sollen. Ziel ist es, im boomenden Markt für AI-Computing Boden gutzumachen. Der Vorstoß zeigt, wie hart der Wettbewerb um AI-Infrastruktur inzwischen geworden ist – und wie groß die Summen sind, um die es dabei geht.

Nvidia-CEO Jensen Huang warnt die Trump-Regierung davor, AI-Politik von Science-Fiction-Ängsten treiben zu lassen. Eine Überreaktion würde die Adoption bremsen und die Wettbewerbsfähigkeit der USA schwächen, argumentiert er im Axios-Interview. Zwei verbreitete Behauptungen nennt er kompletten Unsinn: dass AI das Ende der Menschheit bedeute und dass sie die Hälfte aller US-Jobs vernichte.

Akamai-CEO Tom Leighton hält wenig davon, AI-Compute in immer größeren Rechenzentren zu bündeln. Seine Gegenthese: verteilte Infrastruktur, die näher am Nutzer sitzt, liefert Inferenz schneller und günstiger als zentrale Megacluster. Rückendeckung bekommt er dabei ausgerechnet von Nvidia.

NVIDIA-Chef Jensen Huang hat an der Naval Postgraduate School in Monterey, Kalifornien, ein DGX-GB300-System offiziell in Betrieb genommen. Damit steht Studierenden, Forschenden und Lehrenden der wichtigsten Graduiertenuni des US-Militärs eine der leistungsstärksten AI-Plattformen der Welt zur Verfügung. Huang verwies bei seinem Besuch auf die Bedeutung für die nationale Sicherheit.

AMD steigt mit bis zu 5 Milliarden Dollar bei Anthropic ein und liefert die Rechenleistung gleich mit. Anthropic will bis zu 2 Gigawatt an Instinct-MI450-GPUs im neuen Helios-Rack-System betreiben, das erste Gigawatt soll in der ersten Hälfte 2027 stehen. Der Deal reiht sich in eine Serie von Infrastruktur-Partnerschaften mit SpaceX, TeraWulf, Google, Broadcom und Amazon ein.

Nvidia-Chef Jensen Huang hält chinesische Open-Source-Modelle für exzellent und findet, amerikanische Firmen sollten sie nutzen dürfen. Im Interview mit Axios stellt er sich damit gegen Trump-Beamte und US-Labore, die auf ein Verbot drängen. Zu diesen Kritikern gehören ausgerechnet Nvidias eigene Kunden OpenAI und Anthropic, die chinesischen Anbietern vorwerfen, Fähigkeiten aus ihren Modellen abzuschöpfen.

NVIDIA hat mit Spectrum-6 eine neue Netzwerkplattform für seine nächste Generation von Gigascale-AI-Infrastrukturen vorgestellt, ausgelegt auf Systeme rund um Vera Rubin. Der Fokus liegt auf Fabriken mit Hunderttausenden GPUs und CPUs, in denen Training, agentische Systeme und Inferenz parallel auf extremem Niveau laufen.

Nvidia hat mit dem Synthetic Video Detector einen Microservice vorgestellt, der manipulierte AI-Videos in 1080p nahezu in Echtzeit erkennen soll. Laut Tom's Hardware erreicht das System bis zu 92 Prozent Genauigkeit bei unkomprimiertem Material und benötigt pro Analyse rund 22 Millisekunden. Zielgruppe sind vor allem Broadcaster und Plattformen, die eingehendes Videomaterial automatisiert prüfen müssen.

AI hat ein großes Rechenzentrum fertiggestellt, das ausschließlich mit chinesischen Chips bestückt ist. Laut Bloomberg Technology ist das ein sichtbarer Schritt in Chinas Versuch, sich beim AI-Training von eingeschränkter Nvidia-Hardware unabhängiger zu machen. Der Hintergrund sind US-Exportbeschränkungen, die den Zugang zu leistungsstarken AI-Chips begrenzen.

Apple bringt einen neuen Mac Studio mit bis zu 1,5 TB Unified Memory ins Gespräch, der anspruchsvolle AI- und Daten-Workloads lokal ausführen soll. Laut dem zitierten Bericht verbindet die Architektur CPU, GPU und Neural Engine über einen gemeinsamen Speicher, damit große Modelle und datenintensive Prozesse ohne ständiges Verschieben zwischen Komponenten laufen.

Bristol Myers Squibb kündigt einen zweiten NVIDIA DGX SuperPOD an, diesmal auf Basis von Vera Rubin. Der Pharmakonzern betreibt laut NVIDIA bereits einen der größten AI-Cluster der Life-Sciences-Branche und will die Infrastruktur für Forschung und Entwicklung weiter ausbauen. Damit setzt BMS noch stärker auf eigenes High-Performance-Computing statt auf reine Standard-Cloud-Workloads.

Japan will laut Bloomberg 27.500 Rubin-Chips von Nvidia kaufen, um ein eigenes Foundation Model für Roboter aufzubauen. Das Vorhaben zielt auf souveräne AI, also mehr Kontrolle über Rechenleistung, Daten und industrielle Anwendungen im eigenen Land. Rubin ist Nvidias nächste Chipgeneration und würde die Ambitionen technisch auf ein sehr hohes Niveau heben.

Nvidia erweitert die Zusammenarbeit mit Toyota und liefert künftig AI-Hardware und Software für Smart Cities, Verkehrssteuerung und Autofabriken. Die Partnerschaft läuft bereits seit rund zehn Jahren und startete ursprünglich im Bereich autonomes Fahren. Jetzt rückt die operative Infrastruktur in den Vordergrund: Städte, Verkehrsflüsse und Produktion sollen stärker datengetrieben gesteuert werden.

Technoprobe, ein italienischer Zulieferer für Chiptests, gehört laut Bloomberg zu den größten europäischen Gewinnern des AI-Booms. Die Aktie ist in diesem Umfeld um rund 330 Prozent gestiegen, weil die Firma an einem kritischen Punkt der Halbleiterkette sitzt, die auch für Nvidia-nahe Produktion relevant ist.

NVIDIA positioniert Vera als CPU-Kategorie für agentische AI-Systeme, bei denen hohe Single-Thread-Leistung auch unter voller Core-Auslastung zählt. Zwischen Modellaufrufen warten Agenten oft auf Tool Calls, Code-Ausführung, Datenverarbeitung, KV-Cache-Arbeit oder Ergebnisprüfungen. Vera nutzt den Olympus-Core mit laut NVIDIA 50 Prozent mehr IPC als Grace, 88 Cores und hoher Speicherbandbreite.

NVIDIA und Hugging Face integrieren Isaac GR00T 1.7 und Isaac Teleop in LeRobot, die Open-Source-Bibliothek für Robotik. Isaac Teleop soll die Datenerfassung über externe Geräte vereinheitlichen, GR00T 1.7 lässt sich über LeRobot-Workflows nachtrainieren und ausrollen. Cosmos 3 soll folgen und bei synthetischen Daten, Simulation und Policy-Entwicklung helfen, wenn reale Robotikdaten knapp oder teuer sind.

NVIDIA meldet 74 angenommene Papers auf der ICML 2026. Rund 2.000 angenommene Arbeiten zitieren NVIDIA-GPUs, 145 verweisen auf Nemotron als Grundlage für neue Forschung. Der Konzern positioniert Nemotron als offenen Stack mit Gewichten, Datensätzen und Rezepten für Reasoning, Tool-Nutzung, Safety, Datenkuration und effizientere Inferenz.

- NVIDIA stellt ein neues Partnermodell für AI-Clouds vor: Anbieter können großskalige, mandantenfähige AI-Fabriken mit NVIDIA-Infrastruktur aufbauen und die Kapazität an Startups, Modellbauer, Unternehmen, Forschung und regionale AI-Player verkaufen. - Das Modell kombiniert klassische Produktumsätze mit Umsatzbeteiligung an der Cloud-Kapazität und Credit-Support.

- Amazon Bedrock bringt OpenAI GPT OSS und NVIDIA Nemotron in AWS GovCloud (US): gpt-oss-120b, gpt-oss-20b sowie Nemotron Nano 9B v2, Nano 12B v2, Nano 30B und Super 120B. - Die Modelle laufen innerhalb der GovCloud-Grenze. In-Region-Inferenz gibt es in us-gov-west-1, Geo-Cross-Region routet zwischen us-gov-west-1 und us-gov-east-1, ohne in kommerzielle AWS-Regionen auszuweichen.

- MIT Technology Review porträtiert Zürich als dichtes R&D-Zentrum: Apple, Anthropic, Disney Research, Google, Meta, Microsoft, NVIDIA und OpenAI haben dort Forschungsteams oder Labore. - Der Kern ist nicht Größe, sondern Konzentration: etwas über 400.000 Einwohner, starke ETH-Nähe, viel Talent in AI, Computer Vision, Grafik, Robotik und Systems Engineering.

OpenAI arbeitet laut TechCrunch mit Broadcom an Jalapeño, einem eigenen Chip für Inference. Damit reiht sich das Unternehmen neben Google, Apple und SpaceX in eine wachsende Bewegung ein: weniger Abhängigkeit von Nvidia, ohne Nvidia komplett zu verlassen. Es geht um Preise, Lieferzugang, Priorität und Kontrolle über Roadmaps.

AWS hat neue Tuning-Empfehlungen für KI-Training auf Amazon SageMaker mit NVIDIA Blackwell veröffentlicht. Im Fokus stehen P6-B200-Instanzen mit acht GPUs und Transformer-Modelle von 1B bis 64B Parametern. Entscheidend sind größere Batch Sizes, längere Sequenzen und weniger aggressives Sharding, um die 180 GB HBM der B200 besser zu nutzen.

- NVIDIA und AWS bündeln neue Infrastrukturbausteine für produktionsreife AI: Amazon EC2 G7 mit NVIDIA RTX PRO 4500 Blackwell Server Edition GPUs, OpenSearch Serverless mit NVIDIA cuVS und validierte GB300-Trainingsleistung. - EC2 G7 soll gegenüber G6 bis zu 4,6x mehr AI-Inferenzleistung, bis zu 2,1x mehr Grafikleistung und schnellere GPU-Analytics mit cuDF auf Amazon EMR liefern.

- NVIDIA zeigt zur DTW Ignite 2026 einen Stack für autonome Telko-Agenten: synthetische Daten, domänenspezifische Modelle, sichere Runtimes und Simulationen sollen Netzbetrieb, Kundenservice und Backoffice von Task-Automation Richtung 24/7-Autonomie schieben. - SoftBank nutzt NeMo Safe Synthesizer und NeMo Anonymizer für synthetische, datenschutzschonende Telko-Datensätze, um große Telekom-Modelle und spezialisierte Netzwerk-Agenten zu trainieren.

- Groq bestätigt eine neue Finanzierungsrunde über 650 Millionen Dollar. Angeführt wurde sie von Disruptive und Infinitum; eine neue Bewertung nennt das Unternehmen nicht. - Der Schritt kommt rund sechs Monate nach Nvidias Deal: Nvidia lizenzierte Groq-Technologie und holte Gründer Jonathan Ross, Präsident Sunny Madra und weitere Mitarbeitende ins eigene Haus.

- Die NSF-NAIRR-Pilotphase läuft seit zwei Jahren und unterstützt laut NVIDIA mehr als 700 US-Forschungsprojekte, von Proteinvorhersage bis Ausbruchsmanagement bei Infektionskrankheiten. - NVIDIA liefert dafür cloudbasierte DGX-Ressourcen: Forschende bekommen mindestens vier DGX-Knoten für mindestens einen Monat plus technische Unterstützung beim Onboarding.

- NVIDIA nutzt Cannes Lions als Bühne für einen klaren Shift: Werbung und Marketing sollen stärker über GPU-Infrastruktur, Agenten und Echtzeit-Inferenz laufen. Genannt werden Alembic, AWS, Criteo, Higgsfield, KERV. - Alembic will DGX Vera Rubin SuperPODs für Causal AI einsetzen, damit Unternehmen Marketingeffekte über Kanäle, Märkte und Zielgruppen hinweg besser von bloßen Korrelationen trennen können.

NVIDIA zeichnet Frankreichs KI-Offensive 2025 als Schritt von politischen Ankündigungen zu echter Infrastruktur. Mistral betreibt in Bruyères-le-Châtel bereits eine erste Installation mit 18.000 GB200-Systemen und peilt bis 2027 rund 200 Megawatt europäischen Compute an.

Google DeepMind hat DiffusionGemma veröffentlicht, ein experimentelles offenes Modell für besonders schnelle Textgenerierung. NVIDIA hat das Modell für GeForce RTX GPUs, RTX PRO Plattformen und DGX Spark Systeme optimiert, von lokalen PCs bis zur Cloud. Statt Text Wort für Wort zu erzeugen, generiert DiffusionGemma mehrere Wörter parallel und liefert ganze Textblöcke mit niedriger Latenz.

NVIDIA und Partner haben auf der London Tech Week gezeigt, wie Großbritanniens angekündigte souveräne KI-Strategie konkret werden soll. Ein Jahr nach der Ansage von Jensen Huang und Premierminister Keir Starmer geht es nun um Infrastruktur, Startups und nationale Rechenkapazität statt bloßer Standort-Rhetorik.

NVIDIA und LG Group bauen gemeinsam eine KI-Fabrik, die LGs nächste Generation KI-getriebener Geschäftsbereiche beschleunigen soll. Die Infrastruktur soll Training, Simulation, Validierung und Deployment von Anwendungen für Robotik, autonomes Fahren, Rechenzentrumstechnologien und GPU-Cloud-Services abdecken.

NVIDIA bewirbt RTX Spark in Südkorea gemeinsam mit KRAFTON, NC und dem League-of-Legends-Team T1. Die Plattform soll Windows-PCs stärker auf persönliche AI-Agenten ausrichten. Der Fokus auf PC-Bangs zeigt, dass NVIDIA AI-Hardware nicht nur im Rechenzentrum, sondern auch im Gaming- und Consumer-Umfeld verankern will. Damit verschwimmt die Grenze zwischen Gaming-PC und persönlicher AI-Workstation.

Wir stecken mitten in der Entwicklerkonferenz-Saison, und ein Thema dominiert: die feste Überzeugung der Big-Tech-Konzerne, dass AI wirklich alles verändert. Nvidias Jensen Huang machte das diese Woche besonders deutlich – mit einer komplett neuen Art, Laptops zu nutzen, und einem neuen Laptop-Typ dafür.

Auf der CVPR stellt NVIDIA neue Agent Skills für Physical AI vor, die Forschern und Entwicklern helfen sollen, autonome Fahrzeuge, Roboter und Vision-AI-Systeme schneller zu entwickeln. Die eigentliche Hürde sei nicht nur das Trainieren stärkerer Modelle, sondern der komplette Workflow drumherum: reale Szenen rekonstruieren, Edge-Case-Szenarien erzeugen, Policies trainieren und auswerten.

Quantencomputer sollen eines Tages Probleme lösen, an denen heutige Supercomputer scheitern – doch wie viel klassische Rechenleistung allein für ihren Betrieb nötig ist, wird oft unterschätzt. Mit steigender Qubit-Zahl wird diese unterstützende Infrastruktur entscheidend.

Beschleunigtes Computing hat die Industrietechnik umgekrempelt: Simulationen, die früher Wochen dauerten, laufen heute in Stunden. Der Engpass liegt jetzt im Drumherum – CAD-Design, Meshing, Simulations-Setup, Debugging und das Aufbereiten der Ergebnisse.

Microsofts jährliche Entwicklerkonferenz startet am 2. Juni in San Francisco, die Keynote läuft live ab 18:30 Uhr MEZ. Erwartet werden neue AI-Modelle und agentische Tools sowie eine Copilot-Super-App samt größerer Änderungen an Windows 11. Frisch vorgestellt ist zudem das Surface Laptop Ultra mit Nvidias RTX Spark – ein Hinweis darauf, dass auch beim Thema Windows on ARM noch Neuigkeiten kommen könnten.

Auf der COMPUTEX hat NVIDIA JetPack 7.2 sowie NemoClaw-Support für die Jetson-Plattform angekündigt. Das Update bringt agentische AI-Funktionen, Yocto-Project-Support, CUDA 13 auf Jetson Orin und Multi-Instance-GPU (MIG) auf Jetson. Vor allem das AGX-Orin-32GB-Modul legt deutlich an Performance zu — ein Schritt, der agentische AI näher an Roboter und Edge-Geräte bringt.

Memory ist eine der härtesten Grenzen moderner LLMs — die Geschwindigkeit der Token-Generierung hängt davon ab, wie schnell Daten aus dem Speicher gelesen werden, und mit der Modellgröße wird dieser Engpass schlimmer. Das Startup Majestic Labs greift das Problem mit seinem neuen AI-Server Prometheus frontal an: bis zu 128 Terabyte Memory, über 60-mal mehr als Nvidias DGX B300. Mitgründer Sha Rabii sieht darin den entscheidenden Vorteil gegenüber der eta…

Nvidia hat mit Cosmos 3 ein offenes AI-World-Model vorgestellt, das Robotern, autonomen Fahrzeugen und anderen physischen Systemen hilft, ihre Umgebung besser zu verstehen und vorherzusagen. Trainiert wurde es auf 20 Billionen Tokens multimodaler Daten – Bilder, Videos, Audio sowie Aktionsdaten von Menschen und Robotern.

Nvidia baut sein AI-Cloud-Ökosystem global aus, um die explodierende Nachfrage nach Rechenleistung zu decken. Die zweckgebauten Clouds bedienen den enormen Token-Bedarf hinter populären AI-Anwendungen – von Startups über Konzerne bis zu ganzen Nationen und AI-Laboren.

Taiwan ist mit über 500 Ökosystem-Partnern ein zentraler Knoten von Nvidias AI-Aufbau. Mehr als eine Million MGX-Rack-Komponenten für die Vera-Rubin-Infrastruktur entstehen dort an 25 Fertigungsstandorten. Während Vera Rubin in die Vollproduktion hochfährt, um agentische AI-Factories weltweit zu betreiben, deckt das Ökosystem die gesamte Lieferkette ab – von Schlüsselkomponenten bis zum fertigen System.

Nvidia bringt laut Axios nächste Woche die ersten Windows-Rechner auf den Markt, in denen seine Chips als Hauptprozessor stecken. Vorgestellt werden sie auf der Computex in Taiwan und Microsofts Build-Konferenz – mit Geräten von Surface bis Dell. Für Microsoft ist es nach dem holprigen Start der AI-PCs ein zweiter Anlauf, diesmal mit dem heißesten Chiphersteller der Welt im Boot.

Snowflake hat einen Fünfjahresvertrag über sechs Milliarden Dollar mit Amazon abgeschlossen, um sich AI-Chips zu sichern. Die Vereinbarung zielt auf Amazons eigene CPU-basierte AI-Beschleuniger und reduziert die Abhängigkeit von Nvidia. Für AWS ist es ein weiterer Hebel, um den eigenen Trainium-Stack im Hyperscaler-Wettbewerb zu positionieren.

Nvidia-Chef Jensen Huang macht Druck auf Konzernchefs, die ihre Kündigungswellen kurzerhand der KI in die Schuhe schieben. Er nennt das eine billige Ausrede, mit der sich Leute clever fühlen wollen, während ganze Belegschaften verunsichert werden. Für Huang ist diese Erzählung unverantwortlich, weil sie Angst verbreitet, statt ehrlich über Strategiefehler oder Marktdruck zu reden.

Auf der NVIDIA GTC Taipei im Rahmen der COMPUTEX treffen sich Entwickler, Forscher und Industrievertreter. Die Themen reichen von AI-Factories und Scaling-Infrastruktur bis zu agentic und physical AI. NVIDIA nutzt die Bühne traditionell für große Ankündigungen — wer den AI-Stack baut oder einkauft, sollte den Livestream im Auge behalten.

Nachdem Open-Source-Hardware die Robotik-Entwicklung schon stark beschleunigt hat, wird jetzt auch die Software für das Robotergehirn zunehmend offen. Hugging Face, Nvidia und Alibaba haben in den letzten zwei Jahren grosse Bets auf Open-Source-Robotik platziert und Foundation Models für die Steuerung veröffentlicht.

Eigentlich sollte Nvidias starker H200-Chip nach grünem Licht aus dem Weißen Haus Pekings AI-Ambitionen befeuern. Doch laut Bericht wurde in China bisher kein einziger H200 gekauft. Chinesische Hyperscaler setzen offenbar lieber auf eigene Lösungen oder warten ab.

Agentic AI Inference mit nur einem Zehntel der Kosten pro Token dank NVIDIA Vera Rubin NVL72. Agent Sandboxes laufen auf NVIDIA Vera 50% schneller als auf klassischen CPUs, Enterprise-Datenabfragen mit der Vera CPU sogar bis zu dreimal schneller. Über 5.000 Unternehmen wie Lilly, Samsung und Honeywell betreiben ihre KI-Workloads auf Dell AI Factories — die KI-Infrastruktur wird damit zum strategischen Differenzierungsfaktor.

Die ersten NVIDIA-Vera-CPUs sind bei drei der weltweit führenden AI-Labs gelandet: Anthropic in San Francisco, OpenAI in Mission Bay und SpaceXAI in Palo Alto, gefolgt von einer Lieferung an Oracle Cloud Infrastructure in Santa Clara. NVIDIA-Vize Ian Buck (Hyperscale und HPC) hat die Chips persönlich überbracht — ein klares Signal, wie eng der Schulterschluss zwischen NVIDIA und den großen Modell-Schmieden inzwischen ist.

NVIDIAs neues Modell Nemotron 3 Nano Omnia bringt 30 Milliarden Parameter mit und ist auf maximale Effizienz getrimmt. Es verarbeitet Bilder, Video und Audio in einem einzigen multimodalen Workflow. Knapp zehn Stunden Video pro Stunde, also etwa zehnmal so schnell wie Echtzeit-Wiedergabe.

Stromhungrige Datacenter zwingen die AI-Industrie zum Umdenken. Nvidia baut zusammen mit InfraPartners, Prologis und EPRI rund 25 Micro-Datacenter (5–20 MW) direkt neben Umspannwerken bei fünf US-Versorgern. Der Trick: Compute wandert automatisch dorthin, wo gerade Strom übrig ist – fällt ein Umspannwerk aus oder ist überlastet, übernimmt ein anderes Datacenter mit freier Kapazität.

Nvidia-Gründer und CEO Jensen Huang sprach gestern an der Carnegie Mellon University in Pittsburgh vor 5800 Absolventen. Die Nachfrage nach AI-Infrastruktur sei eine Jahrhundertchance, Amerika zu reindustrialisieren und die Baukapazität zurückzubringen. Statt vor verlorenen Karrieren zu warnen, sprach er von einer neuen Industrie und einer neuen Ära der Forschung.

Die Kooperation zwischen SpaceX und Anthropic ist ein Wendepunkt im AI-Markt — und ein Indiz für den brutalen Compute-Hunger der Branche. SpaceX vermietet Anthropic den Colossus-1-Supercomputer mit über 220'000 Nvidia-GPUs und 300 Megawatt Leistung, damit das Lab seine Modelle weiter skalieren kann. Bemerkenswert: Ausgerechnet Elon Musks SpaceX liefert einem direkten Konkurrenten von xAI Rechenleistung.

Mit DeepSeek-V4 wird ein Kontextfenster von einer Million Tokens zur knallharten Serving-Frage. Together AI zeigt, was hinter dem produktiven Betrieb auf NVIDIA HGX B200 steckt: komprimierte KV-Layouts, Prefix Caching, ausgereifte Kernels und spezielle Endpoint-Profile für Long-Context-Workloads.

Elon Musk schliesst überraschend einen Deal mit Anthropic: SpaceX-Compute gegen Cash – plus Seitenhieb gegen Erzrivalen Sam Altman. Vor drei Monaten nannte Musk Anthropic noch ‘böse’, jetzt liefert SpaceX die volle Kapazität seines Colossus-Clusters. Anthropic kämpft laut CEO Dario Amodei mit ‘80x Wachstum’ pro Jahr und entsprechendem Rechenmangel, der Kunden zuletzt mit Limits frustriert hat.

Auf Hacker News stellt ein Entwickler Costanza vor: einen LLM-Agenten, der als Smart Contract auf Base läuft. Pro Epoch postet er ein Bounty, jemand führt sein "Gehirn" (Hermes 4 70B) in einer Intel-TDX-Enklave plus Nvidia GPU mit Confidential Computing aus und reicht den Output mit Hardware-Attestation ein. Der Contract verifiziert, führt die Aktion aus und zahlt das Bounty per Reverse Auction.

SAP übernimmt das erst 18 Monate alte deutsche KI-Startup Prior Labs für 1,16 Milliarden Dollar – ein klares Signal, dass Walldorf den Anschluss in Sachen KI nicht verpassen will. Gleichzeitig schränkt SAP den Einsatz fremder Agenten in der eigenen Plattform stark ein: Nur ausgewählte Partner wie Nvidias NemoClaw bekommen Zugang. Die Strategie ist riskant: enge Kontrolle versus offenes Ökosystem.

Das Pentagon hat laut Freitags-Ankündigung Verträge mit OpenAI, Google, Microsoft, Amazon, Nvidia, Elon Musks xAI und dem Startup Reflection geschlossen — sie dürfen ihre KI-Tools in geheimen Umgebungen einsetzen. Anthropic, das zuvor für klassifizierte Informationen genutzt wurde, fällt aus dem Programm: Das Verteidigungsministerium stuft die Firma als Lieferketten-Risiko ein.

Samsung Electronics meldet einen Rekord-Quartalsgewinn, getrieben von einer fast 50-fach gestiegenen Chip-Sparte — und prognostiziert, dass die globale Memory-Chip-Knappheit bis 2027 anhält. Der Bauboom bei KI-Rechenzentren zwingt Samsung und seine Konkurrenten, Kapazitäten auf High-End-Chips für Nvidias KI-Beschleuniger umzulenken.