Nvidia hat seine nächste KI-Chip-Generation losgeschickt. Die Plattform heißt Rubin, ihr Serverbruder Vera Rubin, und laut Firmenchef Jensen Huang läuft die Fertigung bereits mit voller Kapazität. Gleichzeitig zeigen unabhängige Branchenberichte ein anderes Bild: Erste Muster liegen zwar bei Hyperscalern, die breite Verfügbarkeit soll aber erst Anfang 2027 kommen. Dazwischen positioniert sich Google mit der siebten TPU-Generation Ironwood, die seit Ende März 2026 europäischen Cloud-Kunden zur Verfügung steht. Für Unternehmen in Österreich und der gesamten DACH-Region entscheidet dieser Wettlauf, wie teuer und wie schnell KI-Rechenleistung in den kommenden zwei Jahren wird.

Nvidia Rubin: Was hinter der neuen KI-Chip-Plattform steckt

Vorgestellt wurde Rubin im Januar 2026 auf der CES in Las Vegas, als direkter Nachfolger der Blackwell-Architektur. Nvidia beschreibt die Plattform als sein erstes “extrem co-designtes” System: Statt einzelner Chips liefert das Unternehmen ein komplettes, aufeinander abgestimmtes Rechenzentrums-Paket. Der Name ist eine Hommage an die Astronomin Vera Rubin, die mit ihren Beobachtungen zur Existenz dunkler Materie beitrug. Genau wie schon bei den Vorgängergenerationen Hopper und Blackwell benennt Nvidia damit seine Architektur nach einer bedeutenden Wissenschaftlerin.

Technisch handelt es sich um sechs eigenständige Chips, die zusammen als eine Einheit arbeiten sollen: die Rubin-GPU für Training und Inferenz, die Vera-CPU für Systemsteuerung, ein NVLink-6-Switch für die Chip-zu-Chip-Kommunikation, der ConnectX-9-SuperNIC für die Netzwerkanbindung, die BlueField-4-DPU für Datenverarbeitung und Sicherheit sowie ein Spectrum-6-Ethernet-Switch für das Rechenzentrums-Netzwerk. Gefertigt wird die Rubin-GPU bei TSMC im 3-Nanometer-Prozess, ausgestattet mit HBM4-Speicher, laut Wikipedia-Eintrag zur Rubin-Mikroarchitektur ein klarer Sprung gegenüber dem HBM3e der Blackwell-Generation.

Sechs Chips, eine Maschine: Die Architektur im Detail

Der Grund für den Sechs-Chip-Ansatz ist simpel: Bei modernen KI-Clustern wird nicht mehr nur die reine Rechenleistung zum Flaschenhals, sondern auch Netzwerk, Speicherbandbreite und Datenverarbeitung rund um die eigentliche GPU. Nvidia nennt das in eigenen Unterlagen ein “extrem co-designtes” System, bei dem jede Komponente auf die anderen abgestimmt ist statt einzeln zugekauft zu werden. Die folgende Tabelle zeigt, welche Aufgabe jeder der sechs Bausteine übernimmt.

KomponenteFunktionTechnologie
Rubin-GPUKI-Training und InferenzTSMC 3-nm-Prozess, HBM4-Speicher
Vera-CPUSystemsteuerung, DatenvorbereitungCustom-CPU-Design von Nvidia
NVLink-6-SwitchChip-zu-Chip-VerbindungNächste NVLink-Generation
ConnectX-9-SuperNICNetzwerkanbindung pro GPUHigh-Speed-Networking
BlueField-4-DPUDatenverarbeitung, Sicherheit, Storage-OffloadData Processing Unit
Spectrum-6-Ethernet-SwitchRechenzentrums-NetzwerkEthernet-Fabric für KI-Cluster

Für Betreiber großer Rechenzentren bedeutet das vor allem eines: weniger Integrationsaufwand. Wer bisher GPUs, Netzwerktechnik und Storage-Beschleuniger von unterschiedlichen Anbietern zusammenstellen musste, kann bei Rubin ein bereits abgestimmtes Gesamtpaket beziehen. Das erklärt auch, warum Nvidia bei der Markteinführung stark auf komplette Racks statt auf einzelne Karten setzt.

Serienproduktion: Was Jensen Huang wirklich gesagt hat

Nvidia-Chef Jensen Huang wurde bei der CES-Präsentation deutlich. “Today, I can confirm that Vera Rubin is in full production”, sagte er laut einem Bericht von Wired. Übersetzt: Die Fertigung laufe bereits mit voller Kapazität. Diese Aussage ist bemerkenswert, weil Nvidia damit deutlich früher als bei früheren Architekturgenerationen von “voller Produktion” spricht.

Den Hintergrund für die Eile lieferte Huang gleich mit. Laut TechCrunch erklärte er: “Vera Rubin is designed to address this fundamental challenge that we have: The amount of computation necessary for AI is skyrocketing.” Der Rechenbedarf für KI-Modelle wächst also schneller, als bisherige Hardware-Generationen mithalten können, und genau diese Lücke soll Rubin schließen.

Bei einer weiteren Präsentation beschrieb Huang die Plattform laut Nvidias eigenem Pressematerial so: “Vera Rubin is a generational leap – seven breakthrough chips, five racks, one giant supercomputer – built to power every phase of AI.” Die leicht abweichende Chip-Zahl (sieben statt sechs) in dieser späteren Aussage deutet darauf hin, dass Nvidia die Plattform seit der CES-Ankündigung um zusätzliche Bausteine erweitert hat.

Zeitplan: Zwischen “voller Produktion” und Verfügbarkeit 2027

Hier klaffen offizielle Kommunikation und unabhängige Berichterstattung deutlich auseinander. Nvidia selbst spricht von voller Produktion und kündigt an, dass Partnerprodukte in der zweiten Jahreshälfte 2026 verfügbar sein sollen. Ein Branchenbericht von Tech Insider zeichnet dagegen ein vorsichtigeres Bild: Rubin-GPU-Muster liegen demnach seit August 2026 bei ausgewählten Hyperscaler-Laboren, die offizielle allgemeine Verfügbarkeit sei jedoch erst für das erste Quartal 2027 anvisiert, mit einer Hochskalierung der Massenproduktion erst im späteren Jahresverlauf 2027.

Auf der Fertigungsseite gibt es einen dritten Datenpunkt. Laut einem Bericht von WCCFTech erklärte Mike Yang, Executive Vice President beim Server-Fertiger Quanta Computer, die ersten Rubin-Racks könnten bereits im August 2026 bei Kunden ankommen, eine vollständige Integration für Hyperscaler werde aber erst bis Jahresende 2026 erwartet. Drei Quellen, drei leicht unterschiedliche Zeitpunkte: Das legt nahe, dass “volle Produktion” bei Nvidia derzeit eher den Fertigungsstart großer Stückzahlen meint als eine breite Marktverfügbarkeit für alle Kunden gleichzeitig.

ZeitpunktEreignis
5.–6. Jänner 2026Nvidia stellt die Rubin-Plattform auf der CES vor
31. März 2026Googles TPU7x (Ironwood) wird allgemein verfügbar
4.–5. August 2026Nvidia bestätigt Rubin-Fahrplan, erste Muster erreichen Hyperscaler-Labore
August 2026Erste Rubin-Server-Racks laut Quanta Computer bei Kunden
24. August 2026Groq 3 LPX von Nvidia geht laut Firmenangabe in volle Produktion
2. Halbjahr 2026Rubin-Partnerprodukte sollen laut Nvidia breit verfügbar sein
Q1 2027Allgemeine Verfügbarkeit laut unabhängigem Branchenbericht anvisiert

Vera Rubin NVL72: Der Effizienzsprung im Detail

Die konkreteste Zahl aus Nvidias eigenem Newsroom betrifft die Rack-Konfiguration Vera Rubin NVL72. Laut Nvidias offizieller Ankündigung soll dieses System “bis zu 30-mal mehr Arbeit pro Watt” für KI-Agenten liefern. Diese Kennzahl bezieht sich nicht auf rohe Rechenleistung, sondern auf Effizienz bei agentenbasierten KI-Workloads, also Systemen, die selbstständig mehrstufige Aufgaben ausführen und dabei viele einzelne Inferenz-Durchläufe benötigen.

Der Fokus auf Effizienz statt reiner Spitzenleistung ist eine Verschiebung im Marketing gegenüber früheren Generationen. Bei Hopper und Blackwell stand vor allem die maximale FLOPS-Zahl im Vordergrund. Bei Rubin rückt stattdessen die Frage in den Mittelpunkt, wie viele Anfragen ein Rechenzentrum pro Megawattstunde beantworten kann. Der Hintergrund: Stromkosten und Netzkapazität sind für Betreiber großer KI-Cluster mittlerweile oft der limitierende Faktor, nicht mehr die verfügbare Chipmenge allein.

Google kontert: TPU7x Ironwood ist längst in Europa verfügbar

Während Nvidia noch zwischen Ankündigung und breiter Verfügbarkeit steckt, hat Google seine siebte TPU-Generation bereits produktiv im Einsatz. Laut den offiziellen Cloud-TPU-Release-Notes von Google ist TPU7x, intern unter dem Codenamen Ironwood geführt, seit dem 31. März 2026 allgemein verfügbar. Die Region europe-west4 in den Niederlanden gehört zu den unterstützten Standorten, was für europäische und damit auch österreichische Kunden relevant ist, weil Daten so ohne Umweg über die USA verarbeitet werden können.

Die technischen Eckdaten von Ironwood sind beeindruckend dokumentiert. Ein einzelner Ironwood-Pod verbindet bis zu 9.216 Chips über ein Inter-Chip-Interconnect mit 9,6 Terabit pro Sekunde und stellt bis zu 1,77 Petabyte an High-Bandwidth-Memory bereit. Google selbst gibt an, dass ein Pod bis zu 24-mal mehr Rechenleistung liefert als der weltweit größte Supercomputer El Capitan und viermal mehr Leistung bringt als der Vorgänger TPU v6 (Trillium), sowohl beim Training als auch bei der Inferenz.

Auch bei der Energieeffizienz liefert Google konkrete Zahlen. Laut einem Google-Cloud-Blogbeitrag vom April 2026 erreicht Ironwood eine rund 3,7-mal bessere Compute Carbon Intensity im Vergleich zur Vorgänger-Generation TPU v5p. Für europäische Kunden, die zunehmend strengeren Energie- und Emissionsvorgaben unterliegen, ist das ein Verkaufsargument, das über reine Rechenleistung hinausgeht.

Rubin vs. Ironwood: Die technischen Daten im Vergleich

Ein direkter Eins-zu-eins-Vergleich ist schwierig, weil Nvidia und Google unterschiedliche Kennzahlen veröffentlichen und Rubin sich noch in einer früheren Verfügbarkeitsphase befindet. Die folgende Tabelle stellt gegenüber, was offiziell bestätigt ist, und markiert Lücken dort, wo ein Hersteller keine vergleichbare Zahl veröffentlicht hat.

MerkmalNvidia Vera Rubin NVL72Google TPU7x (Ironwood)
StatusLaut Nvidia in voller Produktion, breite Verfügbarkeit lt. Branchenbericht erst Q1 2027 anvisiertSeit 31. März 2026 allgemein verfügbar
FertigungTSMC 3-nm-ProzessVon Google nicht öffentlich beziffert
SpeicherHBM4High-Bandwidth-Memory, bis zu 1,77 PB pro Pod
SkalierungRack-Ebene (NVL72), Cluster über NVLink 6 / Spectrum-6Bis zu 9.216 Chips pro Pod
InterconnectNVLink 6 (Chip-zu-Chip)9,6 Tb/s Inter-Chip-Interconnect
EffizienzkennzahlBis zu 30x mehr Arbeit pro Watt für KI-Agenten (Nvidia-Angabe)3,7x bessere Compute Carbon Intensity vs. TPU v5p (Google-Angabe)
Cloud-VerfügbarkeitAWS, Google Cloud, Microsoft Azure, Oracle Cloud Infrastructure, plus CoreWeave, Lambda, Nebius, Nscale (ab 2. Hj. 2026)Google Cloud, inkl. Region europe-west4 (Niederlande)

Auffällig ist, dass beide Unternehmen ihre Effizienzkennzahlen unterschiedlich definieren. Nvidias 30-fache Verbesserung bezieht sich auf Agenten-Workloads pro Watt, Googles 3,7-fache Verbesserung auf die Kohlenstoffintensität der Berechnung. Ein direkter Vergleich der beiden Zahlen ist deshalb nicht seriös möglich, beide Werte zeigen aber dieselbe Richtung: Effizienz statt reiner Spitzenleistung wird zum zentralen Verkaufsargument im KI-Chip-Markt.

Rubin vs. Blackwell: Was sich wirklich ändert

Für Kunden, die bereits mit Blackwell-Systemen arbeiten, stellt sich die Frage, ob und wann ein Umstieg lohnt. Der offensichtlichste Sprung liegt beim Speicher: Blackwell setzte auf HBM3e, Rubin auf die neuere HBM4-Generation, was in der Regel höhere Bandbreite bei ähnlicher Kapazität bedeutet. Auch beim Fertigungsprozess geht es einen Schritt weiter in Richtung kleinerer Strukturbreiten bei TSMC.

Der größere strukturelle Unterschied liegt aber im System-Design. Blackwell wurde primär als GPU-Plattform vermarktet, bei der Netzwerk- und Storage-Komponenten oft separat zusammengestellt wurden. Rubin bringt mit CPU, Netzwerk-Switch, SuperNIC, DPU und Ethernet-Switch von Anfang an ein komplettes, abgestimmtes System mit. Für Betreiber bedeutet das potenziell kürzere Integrationszeiten, aber auch eine stärkere Bindung an Nvidias Gesamtökosystem statt an einzelne, frei kombinierbare Komponenten.

Warum der Generationswechsel schneller kommt als früher

Nvidias Architektur-Kadenz hat sich in den vergangenen Jahren spürbar beschleunigt. Auf Hopper folgte Blackwell nach rund zwei Jahren, auf Blackwell folgt Rubin in einem ähnlichen, teils sogar verkürzten Zyklus. Der Grund dafür liegt im enormen Investitionsdruck der Cloud-Anbieter: Wer als Hyperscaler nicht mit der neuesten verfügbaren Chip-Generation arbeitet, riskiert im Wettbewerb um große KI-Trainingsaufträge ins Hintertreffen zu geraten.

Groq 3 LPX: Nvidias zweite Front für Agenten-KI

Parallel zu Rubin hat Nvidia am 24. August 2026 auf der Hot-Chips-Konferenz ein zweites Produkt vorgestellt. Laut Nvidias eigener Mitteilung ist Groq 3 LPX, ein auf interaktive KI-Inferenz spezialisierter Beschleuniger, nun in voller Produktion. Der Name deutet auf eine Kooperation oder Lizenzierung im Umfeld des bekannten KI-Chip-Anbieters Groq hin, dessen LPU-Architektur für besonders niedrige Latenz bei Sprachmodell-Antworten bekannt ist.

Nvidia ordnet Groq 3 LPX in der eigenen Kommunikation direkt neben die “Vera Rubin Inference for Agents”-Produktlinie ein. Das zeigt eine klare Strategie: Für das Training riesiger Modelle bleibt die große Rubin-GPU zuständig, für schnelle, interaktive Antworten von KI-Agenten setzt Nvidia zusätzlich auf spezialisierte, latenzoptimierte Inferenz-Hardware. Diese Zweigleisigkeit spiegelt einen Trend, der sich branchenweit abzeichnet: Training und Inferenz werden zunehmend mit unterschiedlicher, jeweils optimierter Hardware bedient statt mit einem einzigen Universalchip.

Cloud-Anbieter positionieren sich: AWS, Azure, GCP, OCI und die Neo-Clouds

Wer tatsächlich Zugriff auf Rubin-Hardware bekommt, entscheidet sich zunächst über die großen Cloud-Anbieter. Laut Nvidias eigener Ankündigung gehören AWS, Google Cloud, Microsoft Azure und Oracle Cloud Infrastructure zu den ersten Anbietern, die Vera-Rubin-basierte Instanzen im Jahr 2026 ausrollen wollen. Bemerkenswert: Google tritt hier gleichzeitig als Rubin-Kunde und als Ironwood-Konkurrent auf, ein Balanceakt, den nur wenige Unternehmen in dieser Größenordnung stemmen können.

Spezialisierte GPU-Clouds als zweite Schiene

Neben den etablierten Hyperscalern nennt Nvidia auch spezialisierte “NVIDIA Cloud Partner” wie CoreWeave, Lambda, Nebius und Nscale als geplante Rubin-Anbieter. Diese sogenannten Neo-Clouds haben sich in den vergangenen Jahren als schnellere, oft günstigere Alternative zu den großen drei US-Hyperscalern etabliert, gerade für Unternehmen, die kurzfristig große GPU-Kapazitäten für Trainingsläufe benötigen. Für DACH-Unternehmen, die keine eigene Rechenzentrums-Infrastruktur aufbauen wollen, dürften diese Anbieter der realistischste Weg zu früher Rubin-Kapazität sein, sobald die Racks tatsächlich verfügbar sind.

Marktauswirkungen: Was der Chip-Wettlauf für Österreich bedeutet

Für Unternehmen in Österreich und der übrigen DACH-Region ist der Rubin-Ironwood-Wettlauf zunächst ein indirektes Thema, wirkt sich aber über zwei Kanäle direkt aus: Cloud-Preise und Kapazitätsverfügbarkeit. Solange Rubin-Hardware knapp ist, dürften Cloud-Anbieter die begrenzten Kontingente zuerst an Großkunden mit langfristigen Verträgen vergeben, mittelständische Unternehmen und Start-ups aus Österreich könnten dadurch länger auf aktuelle Blackwell-Kapazität zurückgreifen müssen als geplant.

Gleichzeitig verändert die Verfügbarkeit von Googles TPU7x in der Region europe-west4 die Ausgangslage: Wer heute schon auf eine europäisch gehostete, aktuelle KI-Beschleuniger-Generation zugreifen will, kann das über Google Cloud bereits tun, während vergleichbare Rubin-Kapazität in Europa laut aktuellem Kenntnisstand noch nicht terminiert ist. Für Beschaffungsentscheidungen österreichischer IT-Abteilungen bedeutet das: Wer im laufenden Jahr planen muss, sollte nicht auf eine sofortige Rubin-Verfügbarkeit in EU-Regionen setzen, sondern realistischerweise 2027 einkalkulieren.

Historischer Kontext: Von Blackwell zur Rubin-Ära

Der aktuelle Generationswechsel lässt sich nur einordnen, wenn man die vorangegangenen Zyklen kennt. Mit Hopper etablierte Nvidia ab 2022 seine Dominanz im KI-Training, ausgelöst maßgeblich durch den ChatGPT-Boom. Blackwell folgte als direkter Nachfolger und brachte deutlich mehr Speicherbandbreite sowie größere Multi-GPU-Cluster. Rubin setzt diesen Trend fort, verschiebt den Schwerpunkt aber sichtbar von reiner Trainingsleistung hin zu effizienter Agenten-Inferenz.

Auch Googles TPU-Reihe hat eine längere Geschichte: Von den frühen internen TPU-Generationen über TPU v4 und v5p bis zu Trillium (TPU v6) und nun Ironwood (TPU7x) hat Google seine Chips schrittweise für immer größere Sprachmodelle skaliert. Der Unterschied zu Nvidia: Google nutzt seine TPUs primär intern und über die eigene Cloud, während Nvidia GPUs breit an praktisch alle Cloud-Anbieter und Hardware-Hersteller verkauft. Dieser strukturelle Unterschied erklärt auch, warum Google seine neueste Generation schneller in den produktiven Einsatz bringen konnte als Nvidia seine breite Marktverfügbarkeit erreicht.

Was Branchenstimmen sagen

Nvidia-Chef Jensen Huang hat sich rund um den Rubin-Start mehrfach öffentlich geäußert. Zur Produktionslage sagte er laut Wired knapp: “Today, I can confirm that Vera Rubin is in full production.” Zum grundlegenden Bedarf hinter der neuen Plattform erklärte er laut TechCrunch: “Vera Rubin is designed to address this fundamental challenge that we have: The amount of computation necessary for AI is skyrocketing.” Zur Gesamtarchitektur äußerte er sich, wie oben zitiert, gegenüber Nvidias eigenem Pressematerial ähnlich ambitioniert.

Bemerkenswert an diesen drei Aussagen ist weniger ihr Inhalt als ihre Konsistenz: Nvidia betont bei jeder Gelegenheit die bereits laufende Produktion, während unabhängige Berichte, wie oben dargestellt, eine gestaffelte Verfügbarkeit bis 2027 nahelegen. Für Einkäufer und IT-Entscheider lohnt sich deshalb ein Blick auf beide Seiten, bevor Budgets für Rubin-Hardware fest eingeplant werden.

Fünf Prognosen für den KI-Chip-Markt bis 2027

  • Kurzfristig steigende Cloud-Preise: Solange Rubin-Kapazität knapp bleibt, dürften Anbieter bestehende Blackwell-Instanzen teurer vermieten, bevor neue Kapazität den Preisdruck wieder senkt.
  • Effizienz statt Spitzenwert als Verkaufsargument: Sowohl Nvidias 30-fache Watt-Effizienz als auch Googles Carbon-Intensity-Kennzahl deuten darauf hin, dass künftige Chip-Vergleiche stärker über Energieverbrauch pro Anfrage geführt werden als über reine Rechenleistung.
  • Europa bekommt neue Kapazität verzögert: Während Googles Ironwood bereits in europe-west4 läuft, dürfte vergleichbare Rubin-Kapazität in EU-Regionen realistisch erst im Verlauf von 2027 verfügbar werden.
  • Custom-Silicon gewinnt an Bedeutung: Große Cloud-Anbieter dürften ihre eigenen Chip-Programme neben Nvidia-Hardware weiter ausbauen, um sich nicht vollständig von einem einzigen Lieferanten abhängig zu machen.
  • Training und Inferenz trennen sich weiter: Mit Produkten wie Groq 3 LPX neben der großen Rubin-GPU zeichnet sich ab, dass Rechenzentren künftig unterschiedliche, jeweils spezialisierte Chips für Training und für schnelle Agenten-Inferenz kombinieren statt eine einzige Universal-GPU einzusetzen.

Konkurrenz jenseits von Google: Wer sonst noch mitmischt

Google ist nicht der einzige Herausforderer. Microsoft entwickelt mit seiner eigenen Chip-Serie Maia parallel eigene KI-Beschleuniger für den internen Azure-Bedarf, Amazon setzt mit Trainium auf einen ähnlichen Ansatz für AWS. Auch Meta baut nach eigenen Angaben spezialisierte Chips für interne Inferenz-Workloads, um seine gigantischen Empfehlungssysteme und KI-Modelle günstiger zu betreiben. Keiner dieser Anbieter verkauft seine Chips aktuell breit an Drittkunden, sie dienen in erster Linie dazu, die eigene Abhängigkeit von Nvidia-Hardware zu verringern und die Marge in der eigenen Cloud zu verbessern.

Für Kunden bedeutet diese Gemengelage vor allem eines: Wer eine bestimmte Cloud-Plattform nutzt, bekommt automatisch auch deren bevorzugte Chip-Strategie serviert. AWS-Kunden werden tendenziell stärker in Richtung Trainium gelenkt, Azure-Kunden in Richtung Maia neben Nvidia-Optionen, während Google-Cloud-Kunden zwischen TPU7x und den künftigen Rubin-Instanzen wählen können. Eine strikte Anbieter-Neutralität bei der Chip-Wahl gibt es bei den großen Hyperscalern damit faktisch nicht mehr.

Was das für Entwickler und IT-Teams konkret bedeutet

Für Entwicklerteams, die heute schon KI-Workloads auf Nvidia-Hardware betreiben, ändert sich kurzfristig wenig: CUDA-basierte Software läuft grundsätzlich auch auf Rubin-Systemen weiter, da Nvidia die Software-Kompatibilität über Generationen hinweg bewusst pflegt. Wer allerdings plant, neue Trainingskapazität für 2027 zu budgetieren, sollte die aktuelle Unsicherheit zwischen Nvidias “voller Produktion” und der realistischeren Q1-2027-Verfügbarkeit einkalkulieren und nicht auf einen sofortigen Rubin-Zugang setzen.

Für Teams, die stattdessen auf Google Cloud setzen, ist TPU7x schon heute eine konkrete Option, allerdings nur für Workloads, die mit Googles JAX- oder TensorFlow-Ökosystem kompatibel sind beziehungsweise entsprechend portiert wurden. Der Umstieg von einer reinen CUDA-Pipeline auf TPU-optimierten Code ist in der Praxis kein triviales Unterfangen und sollte bei der Technologiewahl mitbedacht werden, bevor man sich allein am schnelleren Verfügbarkeitsdatum orientiert.

Häufig gestellte Fragen

Was ist Nvidia Rubin?

Rubin ist Nvidias nächste KI-Chip-Architektur nach Blackwell, vorgestellt im Jänner 2026. Die Plattform besteht aus sechs eng abgestimmten Chips für Rechenleistung, Steuerung, Netzwerk und Datenverarbeitung.

Was ist der Unterschied zwischen Rubin und Vera Rubin?

Rubin bezeichnet die GPU selbst, Vera Rubin die komplette Server-Plattform inklusive der Vera-CPU und aller zugehörigen Netzwerk- und Storage-Komponenten. In der Praxis werden beide Begriffe oft synonym für die gesamte neue Generation verwendet.

Wann kommt Nvidia Rubin auf den Markt?

Nvidia spricht seit Jänner 2026 von voller Produktion und plant Partnerprodukte für die zweite Jahreshälfte 2026. Ein unabhängiger Branchenbericht nennt dagegen das erste Quartal 2027 als realistischeren Termin für die allgemeine Verfügbarkeit.

Wie schneidet Rubin im Vergleich zu Blackwell ab?

Rubin nutzt HBM4 statt HBM3e, einen neueren TSMC-Fertigungsprozess und bringt mit CPU, Netzwerk-Switch, SuperNIC, DPU und Ethernet-Switch ein komplettes System statt einer einzelnen GPU-Plattform mit.

Was ist Google TPU7x Ironwood und wie unterscheidet es sich von Rubin?

TPU7x, auch Ironwood genannt, ist Googles siebte TPU-Generation und seit 31. März 2026 allgemein verfügbar, unter anderem in der EU-Region europe-west4. Anders als Rubin ist TPU7x also bereits produktiv im Einsatz, aber nur über Google Cloud nutzbar.

Wird Rubin auch in Österreich beziehungsweise Europa verfügbar sein?

Nvidia nennt AWS, Google Cloud, Microsoft Azure und Oracle Cloud Infrastructure als erste Anbieter für Vera-Rubin-Instanzen ab der zweiten Jahreshälfte 2026, ein konkreter Termin für europäische Regionen wurde bisher nicht kommuniziert.

Was ist Groq 3 LPX und wie hängt es mit Rubin zusammen?

Groq 3 LPX ist ein separater, auf schnelle interaktive Inferenz spezialisierter Beschleuniger, den Nvidia am 24. August 2026 als “in voller Produktion” vorgestellt hat. Nvidia positioniert ihn neben der Rubin-GPU speziell für Agenten-Workloads mit niedriger Latenz.

Sollten Unternehmen jetzt schon Rubin-Kapazität einplanen?

Angesichts der Diskrepanz zwischen Nvidias Kommunikation und dem realistischeren Q1-2027-Zeitrahmen aus unabhängigen Berichten empfiehlt sich, kurzfristige Kapazitätsplanung weiterhin auf aktuell verfügbare Hardware wie Blackwell-Systeme oder Googles TPU7x zu stützen und Rubin frühestens für 2027-Budgets fest einzuplanen.