Microsoft erweitert seine Azure-Infrastruktur um drei neue Maschinenklassen mit AMD-Technik. Nur eine davon rechnet mit Grafikprozessoren, die beiden anderen sind reine CPU-Systeme. Genau darin steckt die eigentliche Nachricht für alle, die KI-Anwendungen produktiv betreiben.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Microsofts Ausbau der Azure-KI-Infrastruktur mit AMD beginnt bei rund 500 physischen Prozessorkernen und 4 Terabyte Arbeitsspeicher in einer einzigen virtuellen Maschine.[1] Dazu kommen eine Hochfrequenz-Baureihe für den Chipentwurf und die erste Azure-Maschine auf Basis von AMDs Helios-Rack. Die AMD-Aktie hat am 20. Juli rund 5 % zugelegt.
Das Wichtigste in Kürze
- Azure HDv2: rund 500 EPYC-Kerne der 6. Generation, 4 TB RAM, 32 TB lokaler NVMe-Speicher, 400 Gb Netzanbindung
- Azure HXv2: 176 Kerne jenseits von 5 GHz, 50 % mehr adressierbarer Cache pro Kern, 800 Gb InfiniBand, ausgelegt auf Chipentwurf
- ND MI455X v7: erste Azure-Maschine auf AMDs Helios-Rack, gedacht für Reasoning-, Such- und Agenten-Workloads
- Zeitplan: Die Helios-Systeme gehen ab dem zweiten Halbjahr 2026 in die Auslieferung
Was steckt in Microsofts neuen AMD-Maschinen?
Drei Baureihen bilden das Paket. HDv2 zielt auf Agenten-Anwendungen und Datenverarbeitung, HXv2 auf technisches Rechnen und den Entwurf von Halbleitern, ND MI455X v7 auf KI-Inferenz.[1] Das Helios-Rack dahinter kombiniert Instinct-MI455X-Beschleuniger, EPYC-Prozessoren der Generation „Venice“, Pensando-Netzwerktechnik und den Software-Stack ROCm.
Bis in die Netzwerkebene reicht die Zusammenarbeit inzwischen: Microsoft setzt AMDs Pensando-DPUs im KI-Backend ein und verzahnt die AMD-Bausteine mit der hauseigenen Beschleunigungsschicht Azure Boost. Lisa Su, Vorstandsvorsitzende von AMD, ordnet das als Fortsetzung ein: „AMD und Microsoft haben jahrelang gemeinsam Hochleistungsinfrastruktur aufgebaut.“
Warum kommen zwei der drei Neuheiten ohne GPU aus?
Speicher schlägt Rechenwerk. Reasoning-Modelle und Agentenketten lesen denselben langen Kontext immer wieder ein, statt einmal durchzurechnen. Damit entscheidet die Speicherkapazität und -bandbreite pro Rack über die Kosten je Token, nicht die Spitzenrechenleistung. Die beworbenen Werte passen zu dieser Logik: 4 Terabyte Hauptspeicher und 32 Terabyte lokales NVMe stehen im Vordergrund, nicht eine FLOPS-Zahl.
Ein zweiter Lieferant ist der zweite Beweggrund. AMD hat im Februar 2026 bereits eine erweiterte Partnerschaft mit Meta über 6 Gigawatt Rechenleistung angekündigt,[2] und Microsoft beschreibt seine Linie ausdrücklich als offene, heterogene Plattform aus AMD-Technik und eigenem Silizium. Dasselbe Muster zeigt sich, seit Meta eigene Rechenkapazität an den KI-Rivalen Anthropic vermietet, und in der Skepsis, die zuletzt Nvidias Bewertung getroffen hat.
Der eigentliche Gewinn dieser Ankündigung liegt nicht bei AMD, sondern bei jedem Unternehmen, das Inferenz einkauft. Zwei ernsthafte Anbieter im Rack bedeuten Verhandlungsspielraum, den es bei einem einzigen nie gegeben hat.
— Markus Seyfferth, Chefredakteur Dr. Web
Angekündigt am 20. Juli 2026: zwei Prozessor-Baureihen und eine Inferenz-Maschine.
4 TB Arbeitsspeicher, 32 TB lokaler NVMe-Speicher, 400 Gb Netzanbindung. Gedacht für Agenten-Workloads und Datenverarbeitung.
50 % mehr adressierbarer Cache pro Kern, bis zu 4 TB Arbeitsspeicher, 800 Gb InfiniBand. Gedacht für den Chipentwurf.
Instinct MI455X, EPYC „Venice“, Pensando-Netzwerktechnik und ROCm in einem Rack. Gedacht für Reasoning und Suche.
Der Zweitlieferant-Effekt
Microsoft ist nicht der erste Hyperscaler, der sich neben Nvidia eine zweite Bezugsquelle sichert. Im Februar 2026 hat AMD eine erweiterte Partnerschaft mit Meta über 6 Gigawatt Rechenleistung angekündigt. Der Wettbewerb wirkt vor allem auf einen Wert, den Cloud-Kunden direkt spüren: den Preis je Million verarbeiteter Token.
Was ändert sich für Cloud-Kunden im DACH-Raum?
Der Regionen-Versatz ist die erste praktische Hürde. Neue Azure-Maschinentypen erscheinen zuerst in großen US-Regionen und erreichen Frankfurt oder Zürich später. Für Kapazitätsplanungen unter EU-Datengrenzen heißt das: erst die Verfügbarkeit pro Region klären, dann die Architektur festlegen.
Der Netzanschluss bremst hierzulande ohnehin stärker als die Chipverfügbarkeit. Nicht ohne Grund hat Siemens gerade 300 Millionen Euro in Schaltanlagen für den Rechenzentrums-Ausbau gesteckt.
Die ROCm-Frage entscheidet, wen der Wechsel überhaupt betrifft. Unternehmen, die Inferenz über verwaltete Endpunkte beziehen, merken von der Hardware darunter nichts. Eigener Trainings- und Optimierungscode dagegen hängt häufig an CUDA und braucht eine Portierung, deren Aufwand vorab zu bewerten ist. Vergleichbares gilt für Partnergeschäfte wie die AI-Factory-Zertifizierung bei Bechtle, die bislang auf einen Hersteller ausgerichtet sind.
Konkret lohnen sich zwei Schritte. Holen Sie für Ihre größten Inferenz-Workloads ein Preisangebot auf Basis der neuen Maschinen ein, sobald diese in einer EU-Region verfügbar sind. Prüfen Sie parallel, wie viel Ihres KI-Codes tatsächlich herstellergebunden ist.
Ob der zweite Lieferant die Preise am Ende wirklich bewegt, wird sich erst an den Abrechnungen ablesen lassen. Wie sich der Markt dabei sortiert, verfolgt die KI-Berichterstattung von Dr. Web; den physischen Unterbau zeigt die Übersicht der größten Rechenzentren Deutschlands.
Quellen
[1] Microsoft: „Microsoft expands Azure AI and HPC infrastructure with AMD“
[2] AMD: „AMD and Meta Announce Expanded Strategic Partnership to Deploy 6 Gigawatts of AMD GPUs“
Mehr Newshunger?
- Apple überholt Nvidia als wertvollstes Unternehmen: Wall Street misstraut der KI-Rechnung
- Meta wird zum Cloud-Vermieter: Rechenpower für den KI-Rivalen Anthropic
- Intel liefert als erster Hersteller Serien-Chips aus der High-NA-EUV-Fertigung
- Vom Pilotprojekt in den Regelbetrieb: Bechtle erhält Nvidias AI Factory Specialization
- Databricks-Bewertung steigt auf 164 Milliarden Euro, während die Börse an KI zweifelt
- Siemens steckt 300 Millionen Euro in Schaltanlagen für KI-Rechenzentren
