NVIDIA und Microsoft haben am 19. November ihre Zusammenarbeit für KI-Computing erweitert: Azure-Infrastruktur, Unternehmensmodelle, Industriesysteme und Windows-PCs gehören dazu. Entscheidend ist, dass laufende Infrastruktur, Vorschauen und künftige Funktionen vermischt werden.

NVIDIAs Ignite-Ankündigung beschreibt einen Weg von großem Training und Inferenz bis zur Ausführung nahe an Unternehmensdaten. Leistungswerte und Kundenergebnisse beziehen sich auf bestimmte Systeme und Bewertungen, nicht auf das gesamte Portfolio.

Rubin-Infrastruktur und Blackwell-Ergebnisse sind verschieden

Laut NVIDIA laufen Vera-Rubin-NVL72-Systeme in Azure-Rechenzentren für anspruchsvolles Schlussfolgern, Agenten sowie großes Training und Inferenz. Das Azure-Angebot mit Rubin wird als Vorschau beschrieben.

Die Partner erweitern vertrauliches Computing auf Bare Metal und ganze Racks. Attestierung soll die Umgebung vor der Freigabe sensibler Modelle, Daten oder Schlüssel prüfen. Die MaxLPS-Zusammenarbeit soll vorhandene Leistung besser nutzen; eine gemessene Stromsparquote nennt die Ankündigung nicht.

Die Benchmarks betreffen frühere Blackwell-Systeme. Bei MLPerf Training v6.1 skalierte Azure GB200 NVL72 mit DeepSeek-V3 auf 10.240 GPUs. Bei MLPerf Inference v6.1 lagen GB300 NVL72 laut Signal65 beim interaktiven DeepSeek-R1-Durchsatz über 10% vor den Cloud-Einreichungen.

Das sind keine Rubin-Benchmarks und keine allgemeine Zusage von 10% mehr Anwendungstempo. Hardware, Aufgabe und Vergleichsgruppe gehören zur Aussage.

Foundry verbindet Anpassung und Bereitstellung

Microsofts serverloses Programmed Training gibt Entwicklern Kontrolle über Nachtrainingsabläufe, während Foundry die Infrastruktur verwaltet. Managed Compute ergänzt die Bereitstellung eigener Modellgewichte.

NVIDIA nennt EY als Beispiel: Das Unternehmen passte Nemotron zur Klassifizierung betrieblicher Einkaufsdaten an. Berichtet werden 55% bessere Genauigkeit im eigenen Evaluationsdatensatz und eine Kostensenkung um den Faktor 15 gegenüber proprietären Spitzenmodellen.

Dies sind zugeschriebene Kundenergebnisse. Ausgangsgenauigkeit, Datensatzgröße und vollständige Vergleichsbedingungen fehlen. Daraus dürfen weder 55 Prozentpunkte noch eine Garantie für andere Aufgaben werden.

Nemotron 3.5 Super zielt auf lang laufende Programmier-, Forschungs- und Geschäftsagenten, Lightning auf schnelle Antworten und Tool-Nutzung. Embed und Rerank dienen der Suche, Parse der Dokumentextraktion und Content Safety der Erkennung schädlicher Inhalte. Bolt für latenzarme Inferenz und Transcribe für Spracherkennung sollen erst noch kommen.

Lokale Systeme und Cloud-PCs haben eigene Zeitpläne

Foundry Local erweitert mit Nemotron 3.5 Schlussfolgern, Programmieren und Tools auf Azure Local. Die Suche umfasst Text, Dokumentbilder, Diagramme und Tabellen.

Azure Local soll RTX PRO 6000 Blackwell über Hardwarepartner unterstützen. Jetson Thor und Orin zielen auf industrielle Bildverarbeitung, Robotik und autonome Abläufe; auch Cosmos-Modelle für physische KI kommen zu Foundry Local.

Auf Windows-PCs sollen RTX-Spark-Geräte auf der Ignite lokale Sprachmodelle demonstrieren. Eine Vorführung bedeutet nicht, dass jede PC-Konfiguration die gleiche Last bereits unterstützt.

Direct Stream für GPU-beschleunigte Windows-365-Cloud-PCs unterstützt bis zu zwei 4K-Streams mit 60 Bildern pro Sekunde. Anmeldungen zur begrenzten Vorschau laufen, die öffentliche Vorschau ist für Anfang 2027 geplant. Beschrieben wird geringe Latenz auch in schwierigen Netzen, ohne allgemeine Latenzgarantie.

Wissenschaftliche Agenten brauchen Laborvalidierung

BioNeMo Agent Toolkit und ALCHEMI Toolkit kommen für Lebenswissenschaften, Wirkstoffforschung, Materialien und Chemie in Microsoft Discovery. Bei BioNeMo beschreiben Forschende Aufgaben der Computerbiologie in natürlicher Sprache, während Agenten Tools und Modellaufrufe koordinieren.

Eine erste Integration nutzt RFD4-Proteina, gemeinsam mit dem Institute for Protein Design der University of Washington entwickelt, für Kandidatenstrukturen und Aminosäuresequenzen. Weitere Bewertung und Laborprüfung sind nötig. Kandidatenerzeugung belegt keine validierte Behandlung.

Microsoft verwendet den Stack auch intern

Microsoft AI nutzt Dynamo für Rollout-Inferenz beim Reinforcement Learning im Nachtraining. NVIDIA beschreibt die Koordination von GPU-Flotten einschließlich Anfragen, Modellaktualisierungen und Fehlerbehebung. RTX PRO 6000 Blackwell unterstützt außerdem Bing-Suchmodelle.

Für Unternehmen wachsen die Optionen zwischen gehosteter Anpassung, lokaler Ausführung und verwalteten Desktops. Entscheidungen bleiben an die tatsächliche Verfügbarkeit, geeignete Hardware und aufgabenspezifische Belege gebunden. Die veröffentlichten Resultate heben diese Grenzen nicht auf.

Quellen

Tool-Verzeichnis ansehen →