AMD MI350 und die GPU-Konkurrenzlandschaft

Aktualisiert am 11. Dezember 2025

Dezember 2025 Update: OpenAI übernimmt bis zu 10% Anteil an AMD zur Sicherung von 6GW GPU-Lieferungen. MI350 liefert mit 288GB HBM3e (vs. Blackwells 180GB), 8TB/s Bandbreite. Microsoft Azure führt Produktions-Copilot-Workloads auf MI300X aus. Oracle setzt 16.384-GPU MI300X Supercluster ein. AMDs ROCm Software-Stack erreicht Enterprise-Reife, während NVIDIA-Alternativen an Glaubwürdigkeit gewinnen.

OpenAI kündigte eine Partnerschaft mit AMD an, die die Übernahme von bis zu 10% der Unternehmensanteile umfasst, um die Lieferung von bis zu sechs Gigawatt GPUs zu sichern.¹ AMD unterzeichnete im Oktober 2025 einen Vertrag zur Lieferung von AI-Chips an Oracle für dessen Cloud-Infrastruktur.² Microsoft Azure führt nun sowohl proprietäre als auch Open-Source-Modelle in der Produktion auf AMD Instinct MI300X aus.³ Während NVIDIA 80% bis 95% des AI GPU-Marktes beherrscht, hat sich AMD als glaubwürdige Alternative etabliert, die Unternehmen zunehmend für Inferenz-Workloads und Kostenoptimierung in Betracht ziehen.⁴

Die MI350-Serie wurde im Q3 2025 mit Spezifikationen eingeführt, die NVIDIAs Blackwell auf dem Papier herausfordern: 288 Gigabyte HBM3e-Speicher, 8 Terabyte pro Sekunde Bandbreite und Behauptungen einer 2,2-fachen AI-Performance gegenüber konkurrierenden Beschleunigern.⁵ Die Frage für Unternehmens-Infrastrukturplaner ist, ob AMDs Hardware-Vorteile und der verbesserte Software-Stack den Wechsel von NVIDIAs etabliertem Ökosystem rechtfertigen.

MI350-Spezifikationen und Positionierung

Die AMD Instinct MI350-Serie verfügt über 185 Milliarden Transistoren und 288 Gigabyte HBM3e-Speicher.⁶ Basierend auf der AMD CDNA-Architektur der 4. Generation bietet die MI350-Serie erweiterte Datentyp-Unterstützung einschließlich MXFP6 und MXFP4 für AI-Inferenz, Training und HPC-Workloads.⁷ Die Flaggschiff-MI355X-Plattform liefert bis zu 4-fache theoretische Spitzenleistung gegenüber der vorherigen Generation MI300X.⁸

Die Speicherkapazität bietet AMDs klarsten Hardware-Vorteil. Die 288 Gigabyte HBM3e der MI355X übertreffen NVIDIAs Hopper H200 mit 141 Gigabyte und die Blackwell B200 mit 180 Gigabyte.⁹ Die Speicherbandbreite erreicht 8 Terabyte pro Sekunde im Vergleich zu H200s 4,8 Terabyte pro Sekunde und B200s 7,7 Terabyte pro Sekunde.¹⁰

Der Stromverbrauch erreicht 1.400 Watt für die MI355X und entspricht damit Blackwell Ultras Anforderungen.¹¹ Die ähnlichen Stromprofile bedeuten, dass sich die Infrastrukturanforderungen zwischen den Anbietern in dieser Leistungsklasse nicht wesentlich unterscheiden.

AMD testete die MI355X gegen NVIDIA B200- und GB200-Plattformen und maß den Training-Durchsatz für Fine-Tuning von Llama2-70B und Inferenz-Durchsatz auf Llama 3.1-405B.¹² Die Benchmarks zeigen wettbewerbsfähige Leistung, obwohl reale Ergebnisse stark von der Software-Optimierung abhängen.

Die MI350 wurde im Q3 2025 an Partner und Hyperscale-Rechenzentren ausgeliefert.¹³ AMDs jährlicher Beschleuniger-Refresh-Zyklus setzt sich mit der für 2026 bestätigten Entwicklung der MI400-Serie fort.¹⁴ Das Helios AI-Referenzdesign integriert MI400 GPUs, EPYC Venice CPUs und Pensando Vulcano NICs in einer vollständigen Rack-Architektur.¹⁵

Cloud-Anbieter-Adoption beschleunigt sich

IBM Cloud wird AMD Instinct MI300X GPUs in der ersten Hälfte 2025 hinzufügen.¹⁶ Die Zusammenarbeit ermöglicht Unterstützung für AMD-Beschleuniger innerhalb IBMs watsonx AI-Plattform und Red Hat Enterprise Linux AI-Inferenz.¹⁷ Der Enterprise-Fokus zielt auf Kunden ab, die Alternativen zu NVIDIA für Produktions-AI-Workloads suchen.

Microsoft Azure startete MI300X-basierte AI-Cluster in schwedischen und irischen Regionen zur Unterstützung benutzerdefinierter Copilot-Workloads.¹⁸ Microsofts Einsatz von AMD in der Produktion für proprietäre Modelle zeigt, dass die Software-Reife Enterprise-Anforderungen erreicht hat.

Oracle Cloud Infrastructures Compute Supercluster-Instanz unterstützt bis zu 16.384 MI300X GPUs in einem einzigen Cluster.¹⁹ Die Skalierung ermöglicht Training und Deployment von Modellen mit Hunderten von Milliarden Parametern.²⁰ Oracles Deployment fokussiert sich auf Gesundheitswesen und genomische AI-Anwendungsfälle, wo AMDs Speicherkapazität Vorteile bietet.²¹

Vultr- und Oracle Cloud-Gewinne demonstrieren wachsende Dynamik hinter AMDs Beschleuniger-Technologie.²² Lenovo, Dell und SuperMicro kündigten MI300-basierte Angebote an.²³ Das Anbieter-Ökosystem unterstützt nun AMD im Enterprise-Maßstab.

Cohere setzt seine Command-Modelle auf AMD Instinct MI300X ein und betreibt damit Enterprise-taugliche LLM-Inferenz mit hohem Durchsatz und Datenschutz.²⁴ Die Adoption durch AI-Modellanbieter validiert AMDs Position für Inferenz-Workloads.

Software-Ökosystem reift

Das Software-Ökosystem limitierte historisch die AMD-Adoption. CUDAs Verankerung machte NVIDIA zur Standard-Wahl. Die Situation änderte sich 2025 erheblich.

PyTorch 3.1 bietet native ROCm-Unterstützung für Training und Inferenz.²⁵ Beliebte Bibliotheken einschließlich DeepSpeed und Hugging Face Accelerate fügten AMD-spezifische Performance-Flags hinzu.²⁶ Entwickler sind zunehmend komfortabel beim direkten Entwickeln für MI300X-Umgebungen.²⁷

Enterprise AI-Teams migrieren Inferenz-Workloads zu AMD, um Kosten zu reduzieren ohne Performance-Einbußen.²⁸ Der Kostenvorteil ist für Inferenz wichtiger als für Training, da Inferenz kontinuierlich läuft und langfristige Ausgaben dominiert.

NVIDIAs CUDA bietet weiterhin breitere Entwickler-Adoption und reifere Tooling.²⁹ Real-World-Performance in Produktionsumgebungen bevorzugt oft NVIDIA aufgrund von Ökosystem-Optimierung statt roher Hardware-Fähigkeiten.³⁰ Organisationen müssen die Kosteneinsparungen gegen die Engineering-Investition abwägen, die für AMD-Optimierung erforderlich ist.

AMDs Übernahme von AI-Hardware- und Software-Ingenieuren von Untether AI verstärkt Compiler-, Kernel-Entwicklungs- und Chip-Design-Fähigkeiten.³¹ Die Investition stärkt AMDs Position im Inferenz-Markt, wo CUDAs Burggraben schmaler wird.³²

Marktdynamik und Anteile

NVIDIA behält 80% bis 95% des AI GPU-Marktes in 2025.³³ Daten von Wells Fargo zeigen, dass NVIDIAs Anteil bei AI-Beschleunigern zwischen 80% und 90% bleibt.³⁴ NVIDIA hält über 90% Marktanteil im Rechenzentrum-GPU-Bereich, wobei der meiste grundlegende AI-Code auf CUDA aufbaut.³⁵

AMDs Rechenzentrum-Umsatz erreichte im Q3 2025 4,3 Milliarden Dollar.³⁶ NVIDIAs Einzel-Quartal-Rechenzentrum-Umsatz erreichte Ende Juli 2025 41,1 Milliarden Dollar.³⁷ Die Umsatzlücke demonstriert den Größenunterschied zwischen Marktführern.

JPR-Daten zeigen, dass NVIDIA 94% des diskreten GPU-Marktes kontrolliert, während AMD etwa 6% kontrolliert.³⁸ AMDs Anteil bleibt ein distanzierter zweiter Platz, obwohl der Markt schnell genug expandiert, dass beide Anbieter wachsen.

AMDs Marktanteil bei Rechenzentrum-AI-GPUs stieg seit Q1 2023 stetig.³⁹ Im Q1 2025 begann NVIDIAs massive Blackwell-Hochfahrung, und da AMDs Antwort erst im Q3 2025 ankam, sank AMDs Anteil temporär.⁴⁰ Der Wettbewerbszyklus wird sich fortsetzen, während jeder Anbieter neue Generationen veröffentlicht.

Strategische Chancen für AMD

AMD schnitzte sich eine Nische im Inferenz-Markt, wo NVIDIAs CUDA-Burggraben schmaler ist.⁴¹ Inferenz wird schließlich größer als Training werden und positioniert AMD für die langfristige Wachstumstrajektorie des Marktes.⁴²

AMDs Ansatz konzentriert sich auf strategisch ausgewählte Gelegenheiten, statt zu versuchen, NVIDIA über alle Segmente zu matchen.⁴³ Die Strategie vergrößert AMDs Anteil an einem schnell expandierenden Markt, während direkte Konkurrenz vermieden wird, wo NVIDIAs Vorteile am stärksten sind.⁴⁴

Die OpenAI-Partnerschaft stellt eine große Validierung dar. OpenAIs potentielles 200-Milliarden-Dollar-Commitment für bis zu sechs Gigawatt AMD GPUs signalisiert Vertrauen in AMDs Roadmap.⁴⁵ Der Deal verschafft AMD einen Vorzeigekunden, der Enterprise-Wahrnehmungen beeinflusst.

AMDs aggressive Preisstrategie unterbietet NVIDIA, obwohl Preisgestaltung allein AMD nicht ermöglicht hat, NVIDIAs Performance bei Marktanteilsgewinnen zu matchen.⁴⁶ Die Kombination aus wettbewerbsfähiger Hardware, verbesserter Software und günstiger Preisgestaltung schafft Chancen bei kostenbewussten Unternehmen.

Enterprise-Deployment-Überlegungen

Organisationen, die AMD evaluieren, sollten ihre Workload-Mischung betrachten. Training-Workloads, besonders solche mit umfangreichen CUDA-Abhängigkeiten, bevorzugen weiterhin NVIDIA. Inferenz-Workloads bieten mehr Gelegenheit für AMD-Adoption mit niedrigeren Wechselkosten.

Speicherkapazitäts-Vorteile sind für große Modelle wichtig. Die 288 Gigabyte der MI350 ermöglichen Single-GPU-Verarbeitung von Modellen, die mehrere NVIDIA GPUs erfordern. Der Speichervorteil reduziert Infrastruktur-Komplexität für Organisationen, die die größten Modelle betreiben.

Software-Investitionsanforderungen sollten nicht unterschätzt werden. Während sich ROCm erheblich verbesserte, benötigen an CUDA gewöhnte Teams Zeit und Ressourcen für AMD-Optimierung. Die Lernkurve beeinflusst Time-to-Production für neue Deployments.

Multi-Vendor-Strategien bieten Risikominimierung. Organisationen, die sowohl NVIDIA als auch AMD qualifizieren, können bessere Preise verhandeln, Lieferengpässe vermeiden und optimale Hardware für jeden Workload-Typ wählen. Die Investition in die Unterstützung beider Plattformen zahlt sich für große Deployments aus.

Cloud-basierter AMD-Zugang reduziert Adoptionsbarrieren. IBM, Microsoft, Oracle und andere Anbieter bieten AMD-Instanzen, die Tests ohne Hardware-Beschaffung ermöglichen. Organisationen können AMD-Performance auf ihren Workloads validieren, bevor sie sich zu Infrastruktur-Käufen verpflichten.

Schneller Entscheidungsrahmen

AMD vs NVIDIA-Auswahl:

Spezifikationsvergleich:

Wichtige Erkenntnisse

Für Infrastruktur-Architekten: - AMD MI350 bietet 288GB HBM3e—60% mehr als B200s 180GB - ROCm Software-Stack reifte 2025 erheblich—PyTorch 3.1 bietet native Unterstützung - Inferenz-Workloads bieten niedrigste Wechselkosten von NVIDIA - Cloud-Anbieter (IBM, Azure, Oracle) ermöglichen Tests ohne Hardware-Beschaffung

Für Beschaffungsteams: - OpenAIs 10% AMD-Anteil signalisiert langfristiges Liefervertrauen - AMD-Preisgestaltung unterbietet NVIDIA, aber hat sich nicht in äquivalente Marktanteilsgewinne übersetzt - Multi-Vendor-Strategie ermöglicht bessere Verhandlungshebelwirkung und Lieferresilienz - Speicherkapazitätsvorteil ermöglicht Single-GPU-Verarbeitung größerer Modelle

Für strategische Planung: - NVIDIA behält 80-95% Marktanteil—AMD ist glaubwürdige Alternative, nicht Ersatz - Inferenz-Markt wird schließlich Training übertreffen—AMDs Zielsegment - Software-Investition für AMD-Optimierung erforderlich—in TCO-Analyse einbeziehen - MI400-Serie für 2026 bestätigt—Roadmap-Sichtbarkeit verbessert Planung

AMD wird für absehbare Zeit ein distanzierter zweiter Platz hinter NVIDIA bleiben.⁴⁷ Jedoch bedeutet der große und wachsende AI-Markt, dass selbst ein Minderheitsanteil erhebliche Umsätze darstellt und AMD als praktikable Enterprise-Option etabliert. Organisationen, die AMD-Expertise entwickeln, positionieren sich für Kostenoptimierung und Lieferungsdiversifikation, während sich der Markt entwickelt.

Referenzen

1. Tech Research Online. "NVIDIA vs AMD (2025): GPUs, AI & Market Share." 2025. https://techresearchonline.com/blog/nvidia-vs-amd-the-gpu-battle-for-ai-dominance/

2. 36Kr. "AMD's Aggressive Pricing Stabs Intel but Fails to Outperform NVIDIA." 2025. https://eu.36kr.com/en/p/3541331537719433

3. AMD Newsroom. "AMD Unveils Vision for an Open AI Ecosystem." Juni 2025. https://www.amd.com/en/newsroom/press-releases/2025-6-12-amd-unveils-vision-for-an-open-ai-ecosystem-detai.html

4. Tech Research Online. "NVIDIA vs AMD (2025)."

5. AMD. "AMD Instinct MI350 Series GPUs." 2025. https://www.amd.com/en/products/accelerators/instinct/mi350.html

6. Kontronn. "AMD Instinct MI350 Officially Announced: 185 Billion Transistors and 288GB HBM