Nvidia positioniert seine nächste Generation an Arm-basierten Serverprozessoren neu. Der Vera-Chip wird nicht als parallele Leistungsmaschine, sondern als maximaler Single-Thread-Prozessor im großen Maßstab für agentic AI-Workloads beworben. Statt auf reine Core-Zahlen setzt Nvidia auf eine monolithische Architektur, hohe Takte pro Kern und vorhersagbare Latenzzeiten. Der Vera-Prozessor umfasst 88 Kerne mit SMT-Support für bis zu 176 Threads. Durch den monolithischen Compute-Die vermeidet Nvidia die als Chiplet-Steuer bekannten Latenz- und Bandbreitenengpässe herkömmlicher Server-Chips. Die Kerne werden über eine Interconnect-Bandbreite von 3,4 Terabyte pro Sekunde gespeist, was der Hersteller als dreimal höhere Leistung im Vergleich zu bestehenden Datenzentralen-Prozessoren einstuft. Zusätzlich ermöglicht LPDDR5X-Speicher mit 1,2 Terabyte pro Sekunde eine hohe Datentransferrate pro Rechenkern. Nvidia begründet diesen Architekturfokus mit der Natur von KI-Inferenz und agentenbasierten Systemen. Bei reasoning- und agentenbasierten Aufgaben sind strikte sequenzielle Abhängigkeiten gegeben. Jeder Verarbeitungsschritt benötigt die Ausgabe des vorangehenden, weshalb massive Parallelisierung keinen Vorteil bringt und die Single-Thread-Leistung entscheidend wird. In entsprechend belasteten Workloads verspricht Nvidia eine 1,8-fache Leistung gegenüber x86-Konkurrenten, 1,5-fache bei Coding-Aufgaben und bis zu das Dreifache bei Datenbankanalysen. Zudem werde die Latenz in Echtzeit-Analytics um 60 Prozent gesenkt. Diese Benchmarks stammen aus Tests mit Partnern wie Perplexity, Starburst und Redpanda. Unabhängige und rivalisierende Angaben existieren. Tests von Phoronix zeigten Vera in Single-Thread-Szenarien stark konkurrenzfähig. AMD wies jedoch auf einen eigenen Rack-level-Vorteil von 3,3 Mal bei vergleichbarer 100-kW-Leistungsaufnahme hin. Unabhängig von den konkreten Vergleichswerten verdeutlicht die Debatte einen strategischen Wandel im Server-Chip-Markt. Traditionelle Skalierungsansätze stoßen an thermische und stromverbrauchstechnische Grenzen, während chipbasierte Multi-Chip-Module Inkompatibilitäten im Speicherzugriff verursachen. Als Ausblick kündigt Nvidia die nächste Generation an. Mit dem Arm-v9.2-Kern Rigel, der künftig im Rosa-Prozessor verbaut werden soll, sollen die Single-Thread-Raten bei gleichem Silikon-Footprint weiter steigen. Verbesserungen im Instruction-Throughput, vergrößerte L2-Caches und optimierte Speichercontroller sollen dies ermöglichen. Die Positionierung von Vera markiert eine klare Abgrenzung zu Intel Xeon und AMD Epyc. Während diese weiterhin auf massive Core-Dichten und breite Parallelverarbeitung setzen, priorisiert Nvidia Rechenleistung pro Kern und deterministische Antwortzeiten für KI-Agenten. Ob die x86-Hersteller dieser Entwicklung folgen oder eigene Single-Thread-optimierte Datenzentralen-Chipserien nachlegen, bleibt abzuwarten. Die Hardwarearchitektur von morgen scheint sich zunehmend an den Anforderungsprofilen sequenzieller KI-Systeme zu orientieren.