Im hart umkämpften Markt für GPU-Beschleuniger und Hochleistungsrechner positioniert sich AMD zunehmend als ernstzunehmender Konkurrent zu Nvidia. Während Nvidia mit seinen „Blackwell“-GPU-Generationen und umfassenden System-Roadmaps für CPUs, DPUs und Netzwerkkomponenten eine ausgeprägte Marktforderung aufbaut, antwortet AMD mit eigenen, ambitionierten Plänen, die große Aufmerksamkeit verdienen. Die mit Spannung erwartete Präsentation auf dem „Advancing AI 2025“ Event in San Jose markiert einen Meilenstein in AMDs Strategie, nicht nur mithilfe einzelner Produktneuheiten zu überzeugen, sondern vor allem mit einem nahtlos durchdachten Ökosystem aus GPUs, CPUs, Netzwerkkomponenten und Rack-Architekturen zu punkten. Dies steht in direktem Wettbewerb zu Nvidias umfassendem Ökosystemangebot, das bereits seit Anfang 2025 umfangreiche Planungssicherheit für Partner und Kunden gewährleistet. Ein zentrales Element von AMDs Offensive ist die „Antares+“ Serie bestehend aus den MI350X und MI355X GPU-Beschleunigern, die inzwischen in ersten Lieferungen angekommen sind.
Diese neuen GPUs basieren auf der CDNA 4 Architektur, die speziell für anspruchsvolle KI-Workloads optimiert wurde. Während Vorgängermodelle wie die MI300-Serie noch den Spagat zwischen HPC und KI vornahmen, hat AMD mit CDNA 4 den Fokus klar auf die Anforderungen moderner KI-Anwendungen gelegt. Besonders die Integration neuer Datentypen wie FP6 und FP4 sowie weiter optimierte FP8-Varianten ermöglicht eine deutlich gesteigerte Rechenleistung für neuronale Netze und große Sprachmodelle, bei gleichzeitig reduzierter Energieaufnahme. Ein besonders hervorstechendes Merkmal der MI350-Serie ist die Verwendung von 3D-Hybrid-Bonding Technologie bei der Chip-Herstellung. Hierbei werden Accelerator-Komplexe, sogenannte Chiplets, in drei Dimensionen auf den Ein-/Ausgabe-Dies (IODs) gestapelt, was eine deutlich höhere Bandbreite zwischen den Chiplets ermöglicht als herkömmliche 2.
5D-Verfahren. Diese enge Kopplung trägt nicht nur zu einer effizienteren Kommunikation innerhalb der GPU bei, sondern erlaubt auch ein kompakteres Design der Gesamteinheit. Die Chiplets werden im fortschrittlichen N3P (3 Nanometer) Fertigungsverfahren von TSMC hergestellt, während die IODs auf der etwas älteren N6 (6 Nanometer) Basis gefertigt werden. Die Verbindung von IODs und HBM3E Speicher erfolgen weiterhin mit bewährter CoWoS-S 2.5D-Technologie.
Die MI350X und MI355X GPUs verfügen jeweils über acht solcher Accelerator-Die mit insgesamt 256 Compute Units und 1.024 Matrix-Einheiten, wodurch sie aus Sicht der Rohperformance beeindruckende Werte erreichen. Der verfügbare Speicher arbeitet mit 288 GB HBM3E, verteilt auf acht Stacks, die gemeinsam eine Speicherbandbreite von 8 TB/s ermöglichen. Besonders spannend ist dabei die Zwischenpufferung durch den Infinity Cache, der die Latenzen bei Speicherzugriffen weiter senkt und den Datendurchsatz optimiert. Die Infinity Fabric Advanced Package (AP) Verbindungen zwischen den IODs wurden für eine sehr hohe Bandbreite bei gleichzeitig gesenktem Energieverbrauch ausgelegt und bieten eine bi-sektionale Bandbreite von 5,5 TB/s.
Im Vergleich zur MI300-Serie wurden leichte Kompromisse bei der Doppelpräzisions-Performance (FP64) eingegangen, um dafür die Matrixleistung bei niedrigeren Präzisionen – sowohl FP16 als auch den neu eingeführten FP6 und FP4 Formaten sowie Integer-Präzisionen INT8 und INT4 – deutlich zu steigern. Gerade für moderne KI-Workloads, die stark auf effiziente Matrixmultiplikationen setzen, ist dies ein entscheidender Vorteil. Die MI355X übertrifft hier den MI300X in den Matrixoperationen beinahe um den Faktor zwei, was die Wettbewerbsfähigkeit von AMD in diesem Bereich erheblich stärkt. Die thermischen Eigenschaften der Modelle unterscheiden sich ebenfalls: Während die MI350X mit einem luftgekühlten Design bei 1.000 Watt TDP auskommt, erfordert die leistungsstärkere MI355X eine Direct-Liquid-Cooling-Lösung bei 1.
400 Watt. Entsprechend ergibt sich eine unterschiedliche Skalierung bei der Rack-Dichte. Das MI350X Rack umfasst acht Nodes mit jeweils einer universellen Basiskarte (UBB 2.0), auf der acht GPUs über Infinity Fabric interkommunizieren. Mit 18 TB HBM3E Speicherkapazität erreicht der Rack 1,2 Exaflops bei FP6 oder FP4 Rechenformaten.
Für die MI355X stehen Racks mit bis zu sechzehn UBB 2.0 Nodes und damit 128 GPUs zur Verfügung, die auf 36 TB HBM3E Speicher und 2,6 Exaflops Rechenleistung kommen. Die aktuell ausgelieferten Racks verfügen jedoch nicht über eine vollständig geteilte Speicher-Domäne, ein Feature welches AMD mit dem kommenden MI400 „Altair“ GPUs und dem Helios Rackscale-System für das Jahr 2026 verspricht. Dieses System wird eine echte Clusterbildung über Prozessor-, Speicher-, DPU- und Netzwerkkomponenten hinweg erlauben und könnte damit eine ähnliche oder bessere Skalierung als die Konkurrenz von Nvidia ermöglichen. Bereits bei den Komponenten des MI400 zeigt AMD erneut deutliche Fortschritte: Die GPU wird voraussichtlich 40 Petaflops FP4-Performance erreichen und 432 GB HBM4 bei knapp 20 TB/s Speicherbandbreite integrieren.
Das bedeutet eine doppelte Rechenleistung im Vergleich zum MI355X bei nur etwa 1,75-facher Speichergröße, was auf eine deutlich effizientere Architektur und Speicheranbindung schließt. Im Helios Rack mit dem MI400 trifft AMD auf eine durchdachte Mischung aus GPU- und CPU-Ressourcen, vernetzt über UALink und Ultra Ethernet Scale-Out-Netzwerke. Hier verspricht AMD 50 Prozent mehr Bandbreite gegenüber Nvidias vergleichbaren Systemen. Sowohl auf der Ebene der einzelnen GPUs als auch im rackweiten Verbund strebt AMD damit an, Nvidia bei der Leistungsdichte und Skalierbarkeit zu übertreffen. Ein weiterer Fokus liegt auf der Integration sogenannter DPUs (Data Processing Units) von Pensando, die spezielle Daten- und Netzwerkaufgaben übernehmen, um die Rechenressourcen maximal zu entlasten und so Gesamtleistungen zu steigern.
Der Ausblick bis 2027 ist besonders spannend: AMD arbeitet bereits an der kommenden Generation der MI500-Serie GPU-Beschleuniger in Kombination mit neuen „Verano“ Epyc CPUs. Ziel ist es, die bestehende Roadmap zu erweitern und die Leistungsfähigkeit der Systeme weiter zu steigern. Die Strategie setzt dabei auf ein ganzheitliches Systemverständnis und berücksichtigt sowohl die Hardware als auch den Software-Stack sowie die effiziente Vernetzung einzelner Komponenten in HPC- und KI-Umgebungen. Die Bedeutung dieser Entwicklungen kann in einem größeren Kontext gesehen werden: Der Bereich der beschleunigten KI-Berechnung und HPC wird immer mehr zum zentralen Wachstumssegment innerhalb der Halbleiterindustrie. Unternehmen und Cloudanbieter investieren massiv, um sowohl mit Eigenentwicklungen als auch mit Partnerlösungen leistungsfähige, skalierbare und energieeffiziente Systeme bereitzustellen.
AMDs neuer Kurs, der über reine Einzelprodukte hinausgeht und eine integrierte Systemarchitektur sowie langfristige Planbarkeit verspricht, ist daher eine strategisch kluge Antwort auf Nvidias dominanten Marktauftritt. Insgesamt zeigt AMD damit, dass der Kampf um die Vorherrschaft im GPU-Bereich keineswegs entschieden ist. Mit innovativen Chip-Designs, fortschrittlichen Fertigungstechnologien und einer ganzheitlichen Systemperspektive setzt der Hersteller klare Zeichen, um seine Position gegenüber Nvidia auszubauen. Gerade im Bereich spezialisierter AI-Workloads und bei der Skalierung über große Rechencentren hinweg können die versprochenen technischen Fortschritte, verbunden mit flexiblen Rack-Lösungen und hochperformanten Interconnects, AMD neue Chancen verschaffen. Die kommenden Jahre werden zeigen, ob AMDs mutige Roadmap und der Fokus auf skalierbare, intelligente Architekturen tatsächlich die erhoffte Marktakzeptanz erzielen.
Zumindest sind die Voraussetzungen mit der Antares+/Altair MI300- und MI400-Serie sowie der Vorbereitung auf MI500 und die dazugehörigen Rack-Architekturen gelegt, um Nvidias Vormachtstellung in der Beschleunigerindustrie offensiv in Frage zu stellen. Die Konkurrenz ist entfacht – und dies ist eine gute Nachricht für Technologieinnovation und die Weiterentwicklung atemberaubender Computing-Performance im Zeitalter der Künstlichen Intelligenz.
