NVIDIA-Chef Jensen Huang erklärte laut der im Bericht zitierten Unternehmensangabe, dass GPT-6 Astra mit mehr als 100.000 Grace-Blackwell-GPUs trainiert wurde, die in einem Hochgeschwindigkeitscluster über NVLink72 verbunden sind. Huang sagte zudem, dass die nächste Charge 400.000 GPUs nutzen werde, wobei die konkreten Modelle nicht genannt wurden.

Im Mittelpunkt der Offenlegung steht die Hardware, die für das Training von GPT-6 Astra eingesetzt wurde. Huang sagte, das System habe mehr als 100.000 Grace-Blackwell-GPUs genutzt, die über NVLink72 verbunden waren – NVIDIAs Architektur, mit der 72 GPUs innerhalb derselben Hochgeschwindigkeits-Interconnect-Domäne platziert werden. Dem Bericht zufolge ist die nächste Trainingscharge mit 400.000 GPUs geplant, ohne dass angegeben wurde, ob diese Systeme ebenfalls Blackwell nutzen werden.

Der Bericht ordnete die Offenlegung vor dem Hintergrund der aktuellen KI-Infrastrukturlücke zwischen US-amerikanischen und chinesischen Modellentwicklern ein. ByteDance wurde mit rund 36.000 verbundenen B200-GPUs als der nächstliegende große chinesische Modellentwickler beschrieben. Seine inländischen Cluster sollen hauptsächlich auf Hopper-basierten H20- und H800-Systemen beruhen.

Andere im Bericht genannte Kapazitätszahlen bleiben weniger eindeutig. Kimi soll über Alibaba rund 20.000 Hopper-GPUs erhalten haben, konkret H200-Einheiten, obwohl Alibaba diese Behauptung bestritt. DeepSeek hat die vollständige für V4 eingesetzte Trainingshardware nicht offengelegt, doch im Bericht zitierte durchgesickerte Informationen besagten, dass das Unternehmen im Mai über rund 20.000 H-äquivalente Recheneinheiten verfügte, darunter etwa 16.000 Einheiten Huawei-950-Kapazität.

Der Bericht merkte außerdem an, dass die für Astra verwendete Blackwell-Plattform nicht mehr NVIDIAs neueste Generation ist. Vera Rubin befindet sich bereits in der Serienproduktion, und NVIDIA schätzt, dass das Training großer Mixture-of-Experts-Modelle mit Rubin nur ein Viertel der gegenüber Blackwell benötigten GPUs erfordern könnte. Laut dem Bericht hat kein chinesisches Unternehmen öffentlich bekannt gegeben, ein einzelnes Modell mit 100.000 fortschrittlichen GPUs derselben Generation trainiert zu haben.

Warum das wichtig ist

Die Offenlegung ist bedeutsam, weil sie die Kluft zwischen der Spitzenentwicklung im KI-Bereich und dem breiteren Marktnarrativ zum Wettbewerb bei Modellen verdeutlicht. An der Spitze hängt die Leistung zunehmend nicht nur von Algorithmen oder Daten ab, sondern auch davon, wer extrem große Cluster der neuesten Chips zusammenstellen, mit Strom versorgen und miteinander verbinden kann.

Dies hat umfassendere Folgen, die über die KI-Anbieter selbst hinausgehen. Je stärker der Fortschritt großer Modelle von knappen, eng integrierten Hardware-Stacks abhängt, desto mehr strategisches Gewicht verlagert sich auf Halbleiterlieferungen, Netzwerkarchitektur und den Zugang zu fortschrittlicher Rechenleistung. Für KI-Sektoren mit Krypto-Bezug bleibt damit der Fokus auf Infrastrukturrestriktionen statt auf bloßer Begeisterung für KI-Branding.