Auf der Konferenz Microsoft Ignite haben NVIDIA und Microsoft eine deutliche Ausweitung ihrer Full-Stack-KI-Zusammenarbeit bekanntgegeben. Die Partnerschaft, die bisher vor allem auf den Cloud-Dienst Azure konzentriert war, wird nun auf On-Premises-Infrastrukturen sowie Windows-PC-Hardware ausgedehnt.
Ziel der Initiative ist es, Unternehmen die Anpassung von Modellen und den Betrieb von Anwendungen sowohl in Rechenzentren als auch direkt auf lokalen Endgeräten zu ermöglichen.
Neue Hardware-Generationen und Leistungsmarken in Azure
Im Rahmen der erweiterten Kooperation kommt NVIDIAs Architektur Vera Rubin NVL72 in den Rechenzentren von Azure zum Einsatz. Die Systeme sind für Reasoning, agentische Workflows sowie das Training und die Inferenz komplexer Modelle ausgelegt; entsprechende Azure-VMs stehen bereits in einer Vorschauversion bereit.
Zudem erweitern beide Konzerne den Bereich des Confidential Computing auf Bare-Metal- und Rack-Scale-Ebene und arbeiten im Rahmen von NVIDIA MaxLPS an Verbesserungen der Energieeffizienz.
In aktuellen Branchen-Benchmarks machten sich die technischen Anpassungen bereits bemerkbar: Bei MLPerf Training v6.1 skalierte Azure mit GB200 NVL72 beim Modell DeepSeek-V3 auf 10.240 NVIDIA GPUs, was die bislang größte Skalierung dieser Testrunde darstellt.
Im Benchmark MLPerf Inference v6.1 führte Azure mit GB300 NVL72 die Einreichungen im Cloud-Segment beim Interaktivdurchsatz von DeepSeek-R1 um über 10% an, wie Messungen von Signal65 belegen.
Die rasante Entwicklung von KI-Systemen bringt nicht nur neue Leistungswerte, sondern auch komplexe rechtliche Anforderungen für Unternehmen mit sich. Dieser kostenlose Umsetzungsleitfaden erklärt Ihnen kompakt die wichtigsten Fristen, Pflichten und Risikoklassen des neuen EU AI Acts. EU AI Act in 5 Schritten verstehen
Werkzeuge für Post-Training und lokale Bereitstellung
Für die Modellanpassung stellt Microsoft Foundry neue Dienste bereit, darunter Foundry Managed Compute für eigene Modellgewichte und Programmed Training für Post-Training-Workflows. Letzteres startet in einer Public Preview mit einer Python-API für eigene Trainingsschleifen, Fine-Tuning Sessions Python SDK und Cookbooks.
Die Abrechnung erfolgt nach verarbeiteten Tokens. Unterstützt werden fünf GPU-Operationen (sample, forward_backward, optim_step, save_weights_for_sampler und save_weights) sowie LoRA-Training für vier Open-Weight-Modelle: Qwen3.8-27B, Qwen3.6-35B-A3B, gpt-oss-120b und Muse-Glimmer-30B.
Varianten mit langen Kontexten sowie Nemotron Ultra auf Anfrage inklusive einer 256K-Kontext-Version sollen folgen, während RL Environments als Private Preview verfügbar sind.
Auf Foundry Managed Compute stellt NVIDIA das Modell Nemotron 3.5 in den Varianten Super, Lightning, Embed, Rerank, Parse und Content Safety bereit; die Versionen Bolt und Transcribe folgen.
Abseits der zentralen Cloud binden Foundry Local und Azure Local künftig Nemotron 3.5, Cosmos-Modelle, RTX PRO 6000 Blackwell GPUs sowie Jetson-Thor- und Orin-Module für Industrieanwendungen ein. Für Windows-PCs werden lokale Sprachmodell-Umgebungen über NVIDIA RTX Spark unterstützt.
Während Microsoft und NVIDIA die technologische Basis für KI-Systeme ausbauen, müssen Verantwortliche in IT und Compliance die neuen regulatorischen Hürden im Blick behalten. Welche Systeme konkret als Hochrisiko gelten und was nun zu tun ist, erfahren Sie in diesem praxisnahen Gratis-Report. Kostenlosen Leitfaden zur KI-Verordnung herunterladen
Erste Praxisergebnisse und Ausblick
Erste Unternehmen nutzen die neuen Plattformwerkzeuge bereits in Produktionsszenarien. EY setzte Programmed Training in Microsoft Foundry mit Nemotron-Modellen zur Klassifizierung von Unternehmenseinkaufsdaten ein und erzielte laut Angaben von NVIDIA eine um 55% höhere Genauigkeit im Evaluationsdatensatz bei 15-fach geringeren Kosten im Vergleich zu proprietären Frontier-Modellen, bezogen auf diese spezifische Aufgabe.
Whitney AI nutzte die Umgebung, um mit rund 250 Trainingsbeispielen einen Code-Review-Agenten auf Basis von Qwen3.8-27B zu trainieren; das System erreichte rund die zweifache Review-Qualität gegenüber dem Basismodell und benötigte 4,5x weniger Tokens als ein führendes Frontier-Modell.
Auch Microsoft AI setzt auf die Technik und verwendet NVIDIA Dynamo für Reinforcement-Learning-Rollout-Inferenz im Post-Training sowie RTX PRO 6000 Blackwell zur Beschleunigung von Bing-Suchmodellen.
Im Bereich Forschung und Naturwissenschaften werden das BioNeMo- und das ALCHEMI-Toolkit in den Microsoft Discovery Catalog aufgenommen, beginnend mit RFD4-Proteina in Kooperation mit dem Institute for Protein Design der University of Washington.
Zudem kündigte Microsoft an, dass Windows 365 Cloud PC Direct Stream künftig bis zu zwei 4K-Streams bei 60 fps unterstützt; nach der aktuellen Limited Preview ist eine Public Preview für Anfang 2027 geplant.

