NVIDIA will mit einer neuen Hardware-Strategie den globalen KI-Markt dominieren. Auf der GTC-Konferenz in San Jose kündigte der Technologie-Riese an, bis 2027 mit KI-Hardware eine Billion US-Dollar umsetzen zu wollen. Kern der Offensive ist die nächste Chip-Generation Vera Rubin und eine Ausweitung auf Agentic AI und Robotik.
Die Grundlage für diese ambitionierten Pläne sind historische Finanzergebnisse. Im vierten Quartal des Geschäftsjahres 2026, das Ende Januar endete, erzielte NVIDIA einen Umsatz von 68,13 Milliarden US-Dollar – ein Plus von 73,2 Prozent im Jahresvergleich. Getrieben wurde das Wachstum vom Rechenzentrumsgeschäft, das mit 62,31 Milliarden Dollar über 91 Prozent des Gesamtumsatzes ausmachte. Für das gesamte Geschäftsjahr 2026 verbuchte der Halbleiter-Hersteller etwa 215 Milliarden Dollar Umsatz. Für das laufende Quartal rechnet das Unternehmen bereits mit rund 78 Milliarden Dollar.
Während NVIDIA die Hardware für die nächste KI-Generation liefert, müssen Unternehmen bereits heute die neuen rechtlichen Rahmenbedingungen der EU beachten. Dieser kostenlose Leitfaden zeigt Ihnen, wie Sie die Anforderungen der KI-Verordnung in Ihrem Unternehmen rechtssicher umsetzen. Was Unternehmen über die neue KI-Verordnung wissen müssen – aber oft übersehen
Vera Rubin: Der Sprung über die reine GPU hinaus
Um die prognostizierte Nachfrage zu bedienen, stellte NVIDIA auf der GTC die Vera Rubin AI Platform vor. Diese Architektur markiert einen strategischen Wandel: Statt nur Grafikprozessoren (GPUs) zu liefern, baut NVIDIA ein vollständiges Hardware-Ökosystem aus CPUs, GPUs und spezialisierten Einheiten.
Zur Plattform gehören die neuen Vera-CPUs für hochperformante KI-Aufgaben und die Rubin-GPUs. Zentral ist auch das Referenzdesign Vera Rubin DSX AI Factory, ein Baukasten für energieeffiziente KI-Infrastruktur. Die als Übergangslösung dienende Blackwell Ultra-Hardware soll laut NVIDIA bei bestimmten KI-Workloads bis zu 50-mal leistungsfähiger und 35-mal kostengünstiger sein als die Vorgängergeneration Hopper.
Durch diese umfassende Hardware-Strategie will NVIDIA nicht nur das Training von KI-Modellen bedienen, sondern auch den lukrativen Markt für Echtzeit-Inferenz erobern – also den dauerhaften Betrieb trainierter Modelle. Partnerschaften, etwa mit Groq für Language Processing Units, sollen dies vorantreiben.
Der Angriff auf die reale Welt: Agentic AI und Roboter
Ein weiterer Pfeiler der Strategie ist die sogenannte Agentic AI. Dabei handelt es sich um autonome Softwaresysteme, die eigenständig planen und handeln können. NVIDIA sieht diesen Bereich an einem Wendepunkt: Pilotprojekte weichen der breiten unternehmerischen Nutzung.
Als Hardware-Grundlage dafür kündigte NVIDIA das NVIDIA Agent Toolkit und den Open-Source-Stack NemoClaw an. Flaggschiff ist der DGX Station, ein schrankgroßer Supercomputer mit dem GB300 Grace Blackwell Ultra Chip, der das Lokalbetreiben großer Modelle ermöglicht. Damit treibt NVIDIA Investitionen in lokale und Edge-Computing-Lösungen voran.
Die Expansion geht noch weiter: Mit dem Physical AI Data Factory Blueprint, neuen Cosmos-Weltmodellen und dem Robotik-Foundation-Modell GR00T dringt NVIDIA in die physische Welt vor. Partnerschaften mit Robotik-Giganten wie ABB, Universal Robots und FANUC sollen die NVIDIA-Hardware zum Standard für intelligente Industrieroboter machen.
Der technologische Fortschritt durch Agentic AI und neue Supercomputer verschärft auch die Anforderungen an die IT-Sicherheit in modernen Unternehmen. Erfahren Sie in diesem Experten-Report, wie Sie Ihre Infrastruktur ohne explodierende Budgets gegen aktuelle Bedrohungen wappnen. IT-Sicherheit stärken ohne teure neue Mitarbeiter einzustellen
Ambitionierte Ziele und wachsender Wettbewerbsdruck
Die Prognose von einer Billion Dollar KI-Hardware-Umsatz bis 2027 ist eine deutliche Anhebung früherer Schätzungen. Marktbeobachter halten das Ziel für ambitioniert, aber nicht unrealistisch. Während das Training von Modellen hohe Anfangsinvestitionen erfordert, verlangt der Dauerbetrieb (Inferenz) permanente Hardware-Nachrüstungen – ein riesiger Wachstumsmarkt.
Doch der Kurs ist mit Risiken behaftet. Wettbewerber wie AMD, Broadcom und Marvell Technology entwickeln eigene, kostengünstige Chips speziell für Inferenz-Workloads. Zudem warnen Analysten vor Engpässen in den globalen Lieferketten. Selbst NVIDIA-Führungskräfte räumen ein, dass Partner wie der Chip-Fertiger TSMC ihre Kapazitäten massiv ausbauen müssen, um die Nachfrage ohne große Verzögerungen bedienen zu können.
Die Branche wird 2026 und 2027 genau verfolgen, wie schnell die Vera-Rubin-Architektur in Rechenzentren Einzug hält. Der Erfolg hängt maßgeblich von der Energieeffizienz der neuen Systeme ab. Gelingt es NVIDIA, mit seinen AI-Factory-Designs den Stromverbrauch im Griff zu behalten, könnte das Unternehmen seine marktbeherrschende Stellung für das nächste Jahrzehnt zementieren.
