Noch bevor Jensen Huang auf der GTC 2026 ein Wort gesagt hatte, hatte Nvidia den Moment bereits inszeniert: die Lederjacke, die Vision, das Gefühl, dass gleich etwas Großes angekündigt werden würde.
Huang ist längst nicht mehr nur der CEO, der dem KI-Boom vorsteht. Er ist zu einer seiner zentralen Figuren geworden – zu einer seltenen Führungspersönlichkeit der Tech-Branche, deren Auftritte auf der Bühne weniger wie Produkteinführungen als wie Prognosen für die gesamte Branche wirken.
Genau das machte die diesjährige Keynote anders. Nvidia kündigte die GTC als Rundgang durch den „vollständigen KI-Stack“ an – von Chips und Infrastruktur über Modelle und agentische Systeme bis hin zu physischer KI.
Die eigentliche Frage war nicht, was Huang vorstellen würde. Es ging darum, welchen Teil der nächsten KI-Ökonomie Nvidia zu kontrollieren versuchen würde.
Die grobe Antwort lautete: alles.
Nvidia dringt tiefer in die KI-Inferenz vor
Der klarste rote Faden der GTC 2026 war, dass Nvidia nicht nur das Training, sondern auch die Ökonomie der Inferenz und die Infrastruktur rund um agentische KI kontrollieren will. Die größten Hardware-Ankündigungen des Unternehmens gingen genau in diese Richtung.
Nvidia erweiterte die Vera-Rubin-Plattform um ein auf Groq basierendes Inferenz-Rack namens NVIDIA Groq 3 LPX sowie um ein Vera-CPU-Rack, ein BlueField-4-Speicher-Rack und ein Spectrum-6-Netzwerk-Rack. Die These des Unternehmens lautet, dass diese Systeme als ein einziger KI-Supercomputer zusammenarbeiten – für Pre-Training, Post-Training, die Skalierung zur Laufzeit und agentische Inferenz in Echtzeit.
Der Schritt mit Groq ist besonders aufschlussreich. Nvidia verkauft die GPU weiterhin als Gravitationszentrum, zeigt aber zugleich die Bereitschaft, externe Architekturen einzubinden, wenn sie dabei helfen, den nächsten Engpass zu lösen.
Laut der Berichterstattung von CRN über das Briefing von Nvidia, kann das mit Vera Rubin NVL72 kombinierte Groq 3 LPX den Durchsatz bei einem GPT-Modell mit 1 Billion Parametern gegenüber dem Blackwell NVL72 der vorherigen Generation um das 35-Fache steigern. Selbst wenn man ein wenig Keynote-Doping abzieht, ist die Strategie offensichtlich: Nvidia versucht, Inferenz von einem schmerzhaften Kostenfaktor in eine hochwertige, optimierte Umsatzmaschine zu verwandeln.
Das ist wichtig, weil sich der KI-Markt verändert. Das Training hat den Boom ausgelöst, aber mit der Inferenz wird das laufende Geld verdient – insbesondere, wenn Modelle länger schlussfolgern, mehr Tools aufrufen und sich eher wie Softwaremitarbeiter als wie Chatbots verhalten. Das Unternehmen vertritt dieses Argument schon seit einiger Zeit.
Im vergangenen Jahr stellte Nvidia Dynamo als Open-Source-Inferenzsoftware vor, die den Durchsatz steigern und die Kosten von Reasoning-Workloads senken soll. Die diesjährige Keynote übertrug diese Logik nun auf das Rack selbst. Inferenz ist kein Nebeneffekt von KI mehr. Sie wird zum Geschäft.
Auch der Rest der Rubin-Geschichte weist in dieselbe Richtung.
In einem weiteren Schritt sagte Nvidia, dass der Vera Rubin NVL72 72 Rubin-GPUs und 36 speziell angefertigte Vera-CPUs kombiniert und zugleich neue Funktionen wie vertrauliches Rechnen auf Rack-Ebene, Wartung ohne Ausfallzeiten und eine „Kontextspeicher“-Plattform bietet. Letztere soll große, zustandsbehaftete KI-Systeme kontinuierlich mit Daten versorgen. Daran zeigt sich, wie Nvidia die schwierigen Realitäten beim Einsatz von Agenten – Speicherdruck, Kontextbewahrung, Sicherheit, Latenz und Auslastung – in ein einziges industrielles System integrieren will.
Das ist der tiefere Wandel hinter den Schlagzeilen. Nvidia verkauft nicht mehr nur Chips für KI-Infrastrukturen. Das Unternehmen versucht, KI-Infrastruktur als integrierten Stack aus Rechenleistung, Netzwerk, Speicher, Orchestrierung und Sicherheit zu definieren, den realistisch nur eine Handvoll Unternehmen zusammenstellen kann.
Das erklärt auch, warum Huangs Prominenz eine Rolle spielt. Er ist berühmt, weil er auf die Bühne gehen und Komplexität kohärent erscheinen lassen kann. In einem derart weit verzweigten Markt ist Kohärenz ein Produkt.
Die Geldgeschichte hilft zu erklären, warum die Menschen diese Show kaufen. Huang sagte den Teilnehmern, Nvidia erwarte, dass seine führenden KI-Prozessoren bis 2027 einen Umsatz von 1 Billion US-Dollar ermöglichen werden. Das ist eine Zahl, die absurd klingt – bis man sich daran erinnert, dass das Unternehmen gerade einen Umsatz von 215,9 Milliarden US-Dollar im Geschäftsjahr 2026 sowie einen quartalsweisen Umsatz im Rechenzentrumsgeschäft von 62,3 Milliarden US-Dollar gemeldet hat.
KI wird zur industriellen Infrastruktur
All das hat noch eine zweite Ebene. Und dort beginnt die GTC weniger wie eine Entwicklerkonferenz und mehr wie ein Volksfest für das industrielle Zeitalter der KI auszusehen.
Nvidia zufolge nehmen in diesem Jahr mehr als 30.000 Menschen aus über 190 Ländern an der GTC teil. Das Unternehmen hat monatelang beschrieben, dass KI eine unverzichtbare Infrastruktur sei. Diese Einordnung ist wichtig. Sie lenkt das Gespräch weg von der Frage „Welches Modell hat diese Woche gewonnen?“ und hin zu einer größeren und lukrativeren These: KI werde zu einem langfristigen industriellen Aufbauprojekt, das Energie, Fabriken, Netzwerke und Softwaresysteme umfasst, auf denen alles andere aufsetzt.
Das erklärt auch, warum Huang zu einem derart starken Symbol geworden ist. Jobs ließ Verbrauchertechnologie magisch wirken. Huang lässt Industrietechnologie unausweichlich erscheinen. Ein anderer Trick, derselbe Effekt. Statt einfach eine von Smartphones geprägte Zukunft zu verkaufen, verkauft er eine von der Wirtschaft geprägte.
Das ist seit Monaten der übergreifende Takt von Nvidia. Das Unternehmen hat Milliarden investiert, um seine Kapazitäten im Bereich Optik mit Lumentum abzusichern, und sich mit Nebius für den Aufbau einer KI-Cloud im Gigawatt-Maßstab zusammengetan. Außerdem hat es Industriepartnerschaften mit Unternehmen wie Siemens und Dassault Systèmes ausgebaut, um KI in Fertigung, Design und physischen Systemen voranzubringen.
Man kann das als Diversifizierung lesen. Man kann es aber auch als Pflege eines Imperiums verstehen.
Das erklärt auch, warum die Einordnung als „Star-CEO“ hier kein bloßes Beiwerk ist. Huangs Persona funktioniert, weil Nvidias Strategie so weit verzweigt ist, dass sie einen Erzähler braucht. Er ist die Antwort in Lederjacke auf ein sehr praktisches Problem: Wie überzeugt man den Markt davon, dass Chips, Fabriken, Energie, Inferenzsoftware, Robotik und industrielle digitale Zwillinge alle zu ein und derselben Geschichte gehören? Man stellt einen Mann auf die Bühne und lässt ihn das Ganze wie Schicksal klingen.
Und das könnte die wichtigste Erkenntnis der GTC 2026 sein. Nvidia versucht nicht nur, den Modell-Boom zu gewinnen. Das Unternehmen will zur Betriebsschicht der agentischen KI-Ökonomie werden – vom Training und der Inferenz bis hin zu Speicher, Sicherheit und physischer Bereitstellung. Huangs Prominenz ist die kulturelle Verpackung dieser Strategie.
Die Lederjacke zieht die Aufmerksamkeit auf sich. Der Stack sorgt dafür, dass sie bleibt.
Leser, die mehr Kontext zu NVIDIAs früherem „Apple-Moment“ suchen, finden dazu im vergangenen Jahr eine Analyse von The Neuron. Und wer das größere Bild dazu sucht, warum In effizienz und agentische Systeme inzwischen so wichtig sind, findet in diesem Erklärstück zur Nemotron-3-Strategie von NVIDIA eine hilfreiche Ergänzung.