Beobachtetes Signal · 14. Sept. 2026 · Technical Release · Quelle: SemiAnalysis · Relevanz: 5/5 · Sentiment: Positiv
Nvidia Rubin NVL72: Bis zu 67-fache Leistung pro Dollar bei Agentic Inference
SemiAnalysis hat erste verifizierte Benchmarks für agentenbasierte Inferenz auf Nvidias kommender Plattform Rubin NVL72 veröffentlicht. Basierend auf dem AgentX-Benchmark erzielt Rubin selbst mit früher Pre-Release-Software eine bis zu 67-mal höhere Leistung pro TCO-Dollar im Vergleich zu GB300-Systemen sowie einen massiv gesteigerten Durchsatz pro Megawatt. Unter festen Strombudget-Bedingungen prognostiziert die Analyse für Rubin gegenüber der Blackwell-Architektur ein Umsatzplus von 39 % und eine Gewinnsteigerung von 42 %; pro Gigawatt verdoppelt sich die Rentabilität nahezu. Durch dynamisches Power-Shifting (DSX MaxLPS) lässt sich zudem die GPU-Dichte pro Rechenzentrumsfläche signifikant erhöhen. Die Ergebnisse verdeutlichen Rubins Effizienzvorsprung gegenüber Modellen wie H200 und MI355X und positionieren die Plattform als künftigen Standard für kosteneffiziente Token-Generierung bei Inferenz-Providern.
Der massive Effizienzsprung von Nvidias Rubin-Architektur setzt neue Maßstäbe für die Wirtschaftlichkeit von Inferenz-Workloads und wird die Investitionsentscheidungen für globale KI-Rechenzentrumsinfrastrukturen maßgeblich beeinflussen.
Marktsignale zu NVIDIA in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren Polaris7-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Rubin NVL72 erreicht in spezifischen Szenarien den bis zu 67-fachen Durchsatz pro TCO-Dollar gegenüber GB300.
- Im Praxisbetrieb liefert Rubin einen bis zu 7-fach höheren Token-Durchsatz pro Megawatt als Blackwell.
- Rubin generiert pro Gigawatt mehr als das Doppelte an Gewinn im Vergleich zur Blackwell-Architektur.
- Gegenüber GB300 erzielt Rubin rund 39 % mehr Umsatz und 42 % mehr Gewinn pro Gigawatt.
- Die kalkulierten Dreijahres-Mietkosten für Rubin beliefen sich im Juli 2026 auf über 8,50 US-Dollar pro Stunde und Chip.
Verknüpfte Unternehmen
“Die Rubin-Plattform von NVIDIA wird mit einer GTC 2026-Präsentation von Jensen gebenchmarkt.”
“SemiAnalysis veröffentlicht die Benchmark-Ergebnisse und die dazugehörige Analyse.”
“AMD arbeitet an MI455X UALoE72 mit, und MI355X wird einem Benchmark unterzogen.”
“Google Cloud wird als Käufer von Rechenleistung und Unterstützer des Benchmarks genannt.”
“Microsoft Azure wird als Käufer von Rechenleistung und Unterstützer des Benchmarks genannt.”
“Oracle wird als Käufer von Rechenleistung und Unterstützer des Benchmarks genannt.”
“Meta wird als Käufer von Rechenleistung und Unterstützer des Benchmarks genannt.”
“Das Modell DeepSeek V4 Pro wird als Workload für das Benchmarking verwendet.”
Ontologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
NVIDIA GPU-Roadmap: Von A100 bis Vera Rubin (2026)
Dieser Artikel beleuchtet NVIDIAs aktuelle Rechenzentrum-GPU-Roadmap über vier Hauptarchitekturen hinweg – Ampere (A100), Hopper (H100/H200), Blackwell (B200/B300) und Vera Rubin (R100) – und zeigt deren Relevanz für die KI-Infrastrukturplanung auf. Zusammengefasst werden Speicher- und Interconnect-Verbesserungen (HBM2e zu HBM3/HBM3e und HBM4), neue Präzisionsformate wie FP8 und das 4-bit-Format NVFP4 sowie der Trend zu Rack-Scale-Designs (etwa NVL72 und NVL144). Der Beitrag verdeutlicht praxisnahe Beschaffungsimplikationen: Hardware gezielt an Engpässe wie Speicher oder Rechenleistung anpassen, Rechenzentren auf Strom und Kühlung auslegen, Miet- versus Kaufmodelle abwägen und Kostenberechnungen für jede Generation neu durchführen. Vera Rubin (R100) wird für das zweite Halbjahr 2026 erwartet, gefolgt von Rubin Ultra im Jahr 2027 und der neuen Architektur mit dem Codinamen Feynman für 2028.
Nvidias KI-Vorsprung erstreckt sich weit über GPUs hinaus
Nach den jüngsten Quartalszahlen zeigt sich Nvidias Wettbewerbsvorteil zunehmend in den umfassenden Systemen zur Orchestrierung von KI-Workloads statt rein bei GPUs. Das Unternehmen führt die Vera Rubin-Architektur ein: Racks, die Rubin-GPUs mit Komponenten wie der Vera-CPU, Groq 3 LPX-Beschleunigern, Speicher und Netzwerktechnologien kombinieren. Nvidia betont, dass diese Systeme die Datenorchestrierung und -auslastung um das bis zu Dreifache verbessern. Während Hyperscaler und konkurrierende Chip-Hersteller wie Amazon, Google oder OpenAI mit dem Jalapeño-Ansatz alternative Strategien verfolgen, hält Nvidia derzeit einen frühen Vorsprung bei der systemweiten Effizienz, während KI-Rechenleistungen in den Gigawatt-Bereich skalieren.
CoreWeave integriert NVIDIA HGX Rubin NVL8 für KI- und HPC-Workloads
CoreWeave hat angekündigt, das NVIDIA HGX Rubin NVL8-System im laufenden Quartal auf der CoreWeave Cloud verfügbar zu machen. Der flüssigkeitsgekühlte Acht-GPU-Knoten verfügt über 2 TB HBM4-Speicher, 130 TB/s aggregierte Speicherbandbreite und NVLink der sechsten Generation für agentische KI-, HPC- und Datenanalyse-Workloads. Die Architektur bietet einen bis zu 10-mal höheren Token-Durchsatz als Vorgängergenerationen und erreicht das gleiche Trainingsniveau bei DeepSeek-R1 mit viermal weniger GPUs.
Alle künftigen Signale zu NVIDIA & Wettbewerbern im Briefing erhalten
Verpassen Sie keine M&A-Transaktionen, Führungswechsel, Kunden-Etats oder Produkt-Launches mehr. Polaris7 überwacht über 20.000 Primärquellen rund um die Uhr und liefert evidenzbasierte Telemetrie direkt in Ihr wöchentliches Executive Briefing.