Nvidia GTC 2026:Den Weg zu einem KI-Umsatz von 1 Billion US-Dollar vorzeichnen

Nvidia GTC (oder GPU Technology Conference) hat sich zu einer der weltweit führenden KI-Konferenzen entwickelt und wächst seit ihrer Einführung im Jahr 2009 jedes Jahr zusammen mit dem Einfluss und den Einnahmen des Unternehmens. Doch in diesem Jahr kam es zu einer Schwerpunktverlagerung. In der Vergangenheit konzentrierte sich das Unternehmen auf die Expansion in neue Märkte; In diesem Jahr zeigte das Unternehmen, wie es in diesen Märkten expandieren würde, insbesondere als wichtiger Akteur in der KI-Landschaft. Als klares Zeichen der Ambitionen und des aktuellen Erfolgs von Nvidia hat das Unternehmen seine Prognose für einen KI-Umsatz von 500 Milliarden US-Dollar bis 2026 auf eine unglaubliche 1 Billion US-Dollar bis 2027 angehoben.

CEO Jensen Huang ging insbesondere auf den wachsenden Bedarf an KI-Inferenz sowie auf das schnelle Wachstum der Agenten-Arbeitslasten ein und wie sich dieses Wachstum auf das gesamte KI-Computing auswirken könnte.

Nvidias Vision für den Full Stack:Der 5-Schichten-Kuchen von AII

Seit Dezember 2025 wirbt Huang für die Idee eines „fünfschichtigen Kuchens“ aus KI. Dieses Konzept scheint die Gesamtstrategie des Unternehmens für KI zusammenzufassen, da es versucht, die inhärent vertikale Natur der Technologie zu kommunizieren, die weitaus komplexer ist als eine einfache App oder ein einfaches Modell. KI wird als kritische Infrastruktur mit mehreren Ebenen dargestellt, die vom zugrunde liegenden Energiebedarf bis hin zu einzelnen Anwendungen reichen. Dadurch wird auch versucht, die Komplexität eines vollständigen KI-Stacks für den Durchschnittsbürger zu vereinfachen.

Nvidias fünfschichtiger KI-Kuchen

Foto mit freundlicher Genehmigung von Nvidia

Die Basis dieses Stapels ist die Energie, die als limitierender Faktor dafür, wie viel Rechenleistung an einem bestimmten Standort aufgebaut werden kann, immer mehr Beachtung findet. Die Chips, die diese Energie nutzen, bestimmen wiederum die Menge an Rechenleistung, die zur Lösung von KI-Problemen zur Verfügung steht. Als nächstes kommt die Infrastruktur, die diese Chips mit Grundstücken, Gebäuden, Stromversorgung, Computerausrüstung, Kühlung und Netzwerken unterstützt. Die Infrastruktur ermöglicht KI-Modelle, die je nach Anwendung und Anwendungsfall variieren. Auf der obersten Ebene nutzen die Anwendungen selbst Modellausgaben, um Ergebnisse für Verbraucher, Geschäftsanwender, Regierungsbehörden usw. zu liefern – die Grundlage für den wirtschaftlichen Wert von KI.

Huang sagte, der gesamte Computer-Stack müsse neu erfunden werden, um „den größten Infrastrukturausbau in der Geschichte der Menschheit“ zu unterstützen. Nvidia nutzt diese Botschaft, um sich nicht nur als Chiphersteller zu positionieren, sondern auch als grundlegender Wegbereiter für die gesamte Datenverarbeitung, da sich die gesamte Datenverarbeitung jetzt in Richtung KI verlagert. Der CEO spricht über Nvidias Ansatz, der „vertikale Integration und horizontale Offenheit“ kombiniert, was bedeutet, dass seine Modelle für jedermann offen sind, sein Computeransatz jedoch auf jeder Ebene vertikal integriert ist.

Vera Rubin Pod, LPX und die 10-fache Umsatzchance

Vera Rubin ist die kommende High-End-Rechenplattform für Nvidia, die seine Vera-CPUs und Rubin-GPUs kombiniert; Die Auslieferung soll in einigen Monaten beginnen. Der Vera Rubin Pod ist Nvidias Rack-Scale-Angebot, das eine weitere deutliche Steigerung der KI-Rechendichte in Rechenzentren verspricht. Es integriert sieben Arten von Nvidia-Chips in fünf verschiedenen Racksystemen, um eine Hochleistungskonfiguration zu schaffen, die nach Angaben des Unternehmens eine Token-Generierung – und Einnahmen – mit bis zu 10-facher Geschwindigkeit im Vergleich zur Blackwell-Plattform der letzten Generation ermöglichen wird. Nvidia behauptet, dass dies eine jährliche Rückschlusschance von bis zu 300 Milliarden US-Dollar ermöglichen könnte.

Diagramm zur Aufschlüsselung der architektonischen Schlussfolgerungsmöglichkeiten von Nvidia

Foto mit freundlicher Genehmigung von Nvidia

Einer der wichtigsten Faktoren für den Vera Rubin Pod ist die Verwendung der LPX-Plattform von Groq, die den Groq 3 LM30-Chip nutzt. Die Sprachverarbeitungseinheit von Groq unterscheidet sich grundsätzlich von den GPUs von Nvidia und verfügt über einen erheblichen Anteil an SRAM (statischer Direktzugriffsspeicher) im Gegensatz zu DRAM (dynamischer Direktzugriffsspeicher). Da sie die Speicherbandbreite im Vergleich zu einer Rubin-GPU um das erstaunliche 55-fache erhöht, ist die Groq-LPU von Natur aus gut für die Bewältigung extrem speicherintensiver Aufgaben geeignet. Dies erklärt, warum Nvidia im Dezember 2025 das geistige Eigentum von Groq und seine wichtigsten Talente für 20 Milliarden US-Dollar übernommen hat.

Über GPUs hinaus wachsen:Ein diversifizierter Hardware-Fokus

Das Groq-Beispiel zeigt, wie Nvidia davon abweicht, seine GPUs zur Lösung jedes Problems zu machen. Während sich das Ökosystem von Nvidia längst über GPUs hinaus ausgeweitet hat, diente diese Erweiterung fast immer der GPU, sei es durch CPUs, Netzwerkchips oder Software. Mit der Einführung der Groq 3 LPUs ist Nvidias Rechenarchitektur einem reinen GPU-Ansatz endgültig entwachsen.

Wir sehen auch, dass Nvidia damit beginnt, Produkte wie seine hauseigenen Arm-basierten CPUs in einer reinen CPU-Rack-Lösung anzubieten. Das Unternehmen positioniert die neue 88-Core-Vera-CPU als konkurrenzfähig zu Intel und AMD für Rechenzentren. Diese CPUs können mit bis zu 256 Chips pro Rack konfiguriert werden, und Nvidia hat bereits Kunden, darunter Meta, die diese einsetzen möchten. Über CPUs hinaus sprach Nvidia auch über seine Bluefield 4 STX-Lösung für speicherorientierte Anwendungen; Nach Angaben des Unternehmens verbessert dieses Produkt die Leistung, um zu verhindern, dass der Speicher einen Engpass für die KI-Ausgabe darstellt.

Weitere Vera Rubin-Produkte:Nvidia DSX AI Factory und Space 1

Nvidia DSX ist die neueste Vera Rubin-basierte Plattform des Unternehmens für sein AI Factory-Angebot, das ein Referenzdesign für KI-Fabriken umfasst und Nvidias Omniverse Digital Twin nutzt. (Hintergrundinformationen zu Omniverse finden Sie in meinem Artikel über GTC 2025 und im detaillierten Blick meines Kollegen Bill Curtis auf Nvidias Schritte in der physischen KI ab Februar 2025.) Das Unternehmen nennt dies eine schlüsselfertige Lösung, die alle von Nvidia und seinen Partnern geschaffenen Funktionen nutzt, um bei der Planung, dem Bau und der Wartung von KI-Fabriken zu helfen. Diese Plattform ist für Implementierungen bei Hyperscalern und den größten Unternehmen konzipiert, die ihre eigene KI im industriellen Maßstab einsetzen möchten, ohne die Infrastruktur zusammenbauen zu müssen.

Auch das Thema KI-Computing im Weltraum hat in letzter Zeit viel Aufsehen erregt, und viele Start-ups wurden gegründet, um die Probleme bei der Bereitstellung zu lösen. Vor der Ankündigung des Space-1-Moduls auf Basis von Vera Rubin setzte Nvidia hauptsächlich eingebettete Jetson-Orin-Chips und H100-GPUs für Weltraumanwendungen ein. Laut Nvidia wurde das neue weltraumorientierte Modul für diese extremen Anwendungen entwickelt und bietet im Vergleich zum H100 eine bis zu 25-fache KI-Leistung im Weltraum. Es verfügt außerdem über Lockstep-Verarbeitung und Fehlerkorrekturcodes, um sicherzustellen, dass der Betrieb im Weltraum die Ausgabe nicht beeinträchtigt. Dennoch glaube ich, dass Space 1 eine eher Nischenanwendung ansprechen wird und nicht als Bestätigung für den Bedarf an Rechenzentren im Weltraum angesehen werden sollte.

NemoClaw:Aufbau spezialisierter Agenten

Agentische KI ist schnell zu einem wichtigen Schwerpunkt geworden, da Agenten wie Claude Code Benutzern bei der Bewältigung praktischer Aufgaben helfen. Auf technischer Seite verändern Agenten die Art und Weise, wie die IT-Infrastruktur aufgebaut wird und wie die Chips innerhalb dieser Infrastruktur entworfen werden. Eine der interessantesten jüngsten Entwicklungen ist die Einführung von OpenClaw, einem Open-Source-Agenten, der lokal ausgeführt wird und Nvidias neuen Open-Source-Stack NemoClaw verwendet, um aufgabenorientierte Agenten sicherer bereitzustellen.

Das NemoClaw-Agenten-Toolkit ist für den Aufbau, die Schulung und den Einsatz autonomer, sicherer KI-Agenten konzipiert, was es jedem einfacher machen soll, seine eigenen Agenten zu erstellen. Bei der Entwicklung des neuen Stacks arbeitete Nvidia eng mit dem Entwickler von OpenClaw und Sicherheitsforschern zusammen, um unerwünschte Agentenaktionen oder potenziell gefährliche Folgen zu verhindern.

DLSS 5.0:Der umstrittene Einsatz von Neural Rendering

Nvidia überraschte viele, mich eingeschlossen, mit der Ankündigung von DLSS 5.0, der optionalen KI-gestützten Funktion des Unternehmens zur Verbesserung der Bildqualität und für schnelleres Rendern. Dabei wird das Bild mit einer niedrigeren Auflösung gerendert und anschließend mithilfe von KI auf die native Auflösung hochskaliert. Die meisten Benutzer scheinen mit früheren Implementierungen von DLSS zufrieden zu sein. Jetzt führt DLSS 5.0 neuronale Rendering-Techniken ein, um die Beleuchtung in Szenen, die sonst möglicherweise flach wirken würden, weiter zu verbessern. Es gibt Spieleentwicklern außerdem mehr Kontrolle über das Benutzererlebnis und sie können DLSS 5.0 optimieren, um zu ändern, wie es sich auf die Grafik ihrer Spiele auswirkt.

Viele Menschen haben negativ auf die ersten Fotos und Videos reagiert, die mit DLSS 5.0 erstellt wurden. Ich denke, das ist eine deutliche Überreaktion. Es gibt viele Spieler, die die meisten KI-gestützten Dinge hassen, und die Reaktion auf DLSS 5.0 könnte ein Höhepunkt dieser Frustration sein. Nachdem ich die Demos persönlich gesehen habe, kann ich sagen, dass fast alle Verbesserungen positiv zu sein scheinen und den Realismus verbessern – und das kommt von einem ernsthaften Fotografen, der bei Bearbeitungswerkzeugen sehr wählerisch sein kann. Darüber hinaus ist DLSS 5.0 noch weit von der Auslieferung entfernt, daher ist unklar, wie das Endprodukt genau aussehen wird oder welche GPUs es ausführen können. Die aktuelle Instanziierung läuft auf zwei Nvidia RTX 5090-Grafikkarten, laut Nvidia soll die Software jedoch bis zum Herbst für die Ausführung auf einer einzigen GPU optimiert sein.

Der Wendepunkt der Inferenz und Huangs 1-Billionen-Dollar-Marktprognose

In seinen Ausführungen bei der GTC sprach Huang über die wachsenden KI-Umsatzmöglichkeiten für die Branche und fügte hinzu:„Die Nachfrage nach Nvidia-GPUs ist außergewöhnlich.“ Er behauptete, dass das Inferenzwachstum seit der Sonderausgabe der GTC Ende 2025 in Washington, D.C. (über die ich hier geschrieben habe) zu deutlich höheren Einnahmen führe.

Auch wenn das erst ein paar Monate her ist, erhöht das Unternehmen nun seine prognostizierte Umsatzchance von 500 Milliarden US-Dollar bis 2026 auf 1 Billion US-Dollar bis 2027. Das bedeutet, dass Nvidia nicht nur erwartet, dass dieses Jahr stark abschließt, sondern auch, dass das Jahr 2027 sogar noch stärker wird – Hunderte Milliarden Dollar stärker. Aus meiner Sicht als Analyst war es sinnvoll zu glauben, dass der Übergang vom KI-Training zu weit verbreiteter KI-Inferenz und allgegenwärtiger Agenten-KI ein wesentlicher Treiber für die Branche sein würde. Aber wenn Huang Recht hat, könnte es sich als noch größerer Wachstumskatalysator für Nvidia und seine Partner erweisen, als sich irgendjemand vor nicht allzu langer Zeit hätte vorstellen können.

Offenlegung:Nvidia ist ein Beratungskunde meiner Firma Moor Insights &Strategy.