Nvidia verschiebt das Kyber-KI-Rack-System der nächsten Generation aufgrund von Produktionsengpässen auf 2028

Laut einem Bericht des Forschungsunternehmens SemiAnalysis hat sich Nvidias nächste Generation des KI-Rack-Systems Kyber NVL144 um mehr als ein Jahr verzögert und seine Markteinführung auf das Jahr 2028 verschoben, nachdem der Chipriese hartnäckige Herstellungsprobleme mit einer kritischen internen Komponente hatte. Der seltene Absturz des wertvollsten Halbleiterunternehmens der Welt hat Wellen in der Lieferkette für KI-Hardware ausgelöst und den Wettbewerbern unerwartete Chancen eröffnet. Für eine kontinuierliche Berichterstattung über den Ausbau der KI-Infrastruktur folgen Sie unseren aktuellen KI-Nachrichten.

Die Offenlegung, über die CNBC erstmals am 6. Juli 2026 berichtete, zitiert eine SemiAnalysis-Analyse, die ergab, dass Nvidia Schwierigkeiten hat, die Leiterplatten-Mittelplatine (PCB) herzustellen, die die GPUs im Kyber-Rack verbindet. Die Mittelplatine ist das physische Rückgrat des Systems und leitet Hochgeschwindigkeitssignale zwischen Dutzenden von Chips. Die Schwierigkeiten bei der Produktion in großem Maßstab haben Nvidia gezwungen, den Zeitplan um mehr als zwölf Monate zu verschieben.

Was der Kyber NVL144 liefern sollte

Der Kyber NVL144 ist Teil von Nvidias ehrgeiziger Roadmap, immer mehr Rechenleistung in einzelne Racks im Fabrikmaßstab zu packen, die Hyperscale-Cloud-Anbieter zum Trainieren und Ausführen von KI-Modellen der Spitzenklasse einsetzen können. Jedes NVL144-System ist für die Unterbringung von 144 GPUs in einem einheitlichen, flüssigkeitsgekühlten Gehäuse ausgelegt und nutzt Verbindungen mit hoher Bandbreite, damit die Chips als ein einziger riesiger Beschleuniger arbeiten können.

Diese Rack-Scale-Systeme sind zum zentralen Baustein des modernen KI-Rechenzentrums geworden. Unternehmen wie Microsoft, Meta, Amazon und Google bestellen sie zu Tausenden, um mit den explodierenden Rechenanforderungen großer Sprachmodelle Schritt zu halten. Eine Verzögerung von mehr als einem Jahr bei einem Flaggschiffprodukt hat daher Konsequenzen, die weit über Nvidias eigenen Umsatz hinausgehen und die Kapazitätserweiterungen verlangsamen, auf die die gesamte KI-Branche angewiesen ist.

Der PCB-Midplane-Engpass

Laut SemiAnalysis besteht das Kernproblem darin, die PCB-Mittelebene mit den Toleranzen herzustellen, die die Hochgeschwindigkeitsverbindungen von Kyber erfordern. Die Mittelplatine muss enorme Datenmengen zwischen GPUs mit minimalem Signalverlust übertragen, und bei den von Nvidia angestrebten Dichten können selbst kleine Herstellungsfehler die Leistung beeinträchtigen oder Ausfälle verursachen.

Der Bericht weist darauf hin, dass die Schwierigkeiten nicht auf einen einzelnen Lieferanten beschränkt sind, sondern eine umfassendere Herausforderung widerspiegeln, die darin besteht, die PCB-Technologie an ihre physikalischen Grenzen zu bringen. Wenn die Signalgeschwindigkeit steigt und die Anzahl der Schichten zunimmt, sinken die Erträge und die Produktionszyklen verlängern sich, wodurch ein Engpass entsteht, den Geld allein bisher nicht lösen konnte.

Eine zweite Front: CPO und der NVL576

Die SemiAnalysis-Ergebnisse gehen über den NVL144 hinaus. Auch die größere Kyber NVL576-Konfiguration, die noch mehr GPUs in einem einzigen Rack stapeln würde, ist aufgrund der Herausforderungen bei der Massenproduktion von Co-Packaged Optics (CPO), der Technologie, auf die Nvidia setzt, um Kupferverbindungen in großem Maßstab zu ersetzen, ebenfalls mit Unsicherheiten konfrontiert. Sowohl die PCB-Mittelplatine als auch der CPO werden weithin als Kernpfeiler des Leistungsvorteils von Nvidia angesehen, und die Tatsache, dass sich beide nun als schwierig herzustellen erweisen, macht aus dem Wettbewerbsvorteil eine Quelle der Verzögerung.

Die Nachricht von den Verzögerungen löste einen starken Rückgang der Aktien von Unternehmen aus, die mit Optoelektronik und fortschrittlicher Verpackung zu tun haben, da die Anleger neu einschätzten, wie schnell die nächste Welle von KI-Hardware tatsächlich eintreffen würde.

Rivalen Sehen Sie eine Öffnung

Für Nvidias Konkurrenten ist die Verzögerung ein seltenes Geschenk. Advanced Micro Devices hat die Lücke in der GPU-Leistung kontinuierlich geschlossen und entwickelt eigene Angebote im Rack-Maßstab. Google, das seine eigenen benutzerdefinierten KI-Beschleuniger namens Tensor Processing Units (TPUs) entwickelt, baut integrierte Systeme im eigenen Haus und ist den Produktionsengpässen, die Nvidias Roadmap derzeit einschränken, weniger ausgesetzt.

Analysten stellten fest, dass ein Zwölf-Monats-Verzug AMD zusätzliche Zeit verschafft, Design-Siege bei Hyperscalern zu landen, die sonst vielleicht auf Kyber gewartet hätten. Es unterstreicht auch die strategische Logik hinter der Welle kundenspezifischer Siliziuminvestitionen von Cloud-Anbietern, die sich davor hüten, sich auf einen einzigen Lieferanten zu verlassen, dessen fortschrittlichste Produkte immer wieder ins Hintertreffen geraten.

Nvidia hat die SemiAnalysis-Charakterisierung nicht öffentlich bestritten. Das Unternehmen hat zuvor betont, dass die Einführung völlig neuer Rack-Architekturen ein von Natur aus komplexer Prozess ist und dass Zuverlässigkeit Vorrang vor Geschwindigkeit hat, wenn Kunden Milliarden von Dollar pro Bereitstellung investieren.

Implikationen für den KI-Compute-Wettlauf

Die Kyber-Verzögerung unterstreicht eine Realität, die man angesichts der Rekordgewinne und der steigenden Nachfrage leicht vergisst: Die KI-Revolution läuft immer noch auf physischer Hardware, und diese Hardware wird immer schwieriger zu konstruieren und herzustellen. Wenn die Modelle größer werden und die Verbindungen, die ihre Trainingscluster verbinden, schneller werden, sinkt die Fehlertoleranz in allen Bereichen, vom PCB-Design bis zur optischen Verpackung, auf nahezu Null.

Für die Cloud-Anbieter und KI-Labore, die auf eine stetige Pipeline immer leistungsfähigerer Racks zählen, lautet die Botschaft von SemiAnalysis, dass der Rhythmus der Hardwareverbesserung möglicherweise weniger vorhersehbar ist, als die Software-Roadmaps vermuten lassen. Wie Nvidia und seine Zulieferer die Midplane- und CPO-Herausforderungen lösen, wird dabei helfen, festzustellen, wie schnell die nächste Generation von KI-Systemen auf den Markt kommt und welche Unternehmen in der Lage sind, davon zu profitieren.

---

Bleiben Sie der KI immer einen Schritt voraus

Die KI-Hardwarelandschaft verändert sich schnell. AI Buzz Wire präsentiert Ihnen die neuesten Entwicklungen bei Chips, Rechenzentren und den Unternehmen, die darum kämpfen, die Infrastruktur hinter künstlicher Intelligenz aufzubauen.

Weitere KI-Neuigkeiten lesen →