Anfang des Jahres stellten wir einen neuen Rekord auf, indem wir 314 Billionen Stellen von Pi berechneten. Die Berechnung lief monatelang auf einem einzelnen Dell PowerEdge R7725 und brachte die moderne CPU- und Speicherinfrastruktur an ihre Grenzen. Gleichzeitig demonstrierte sie eindrucksvoll, wie weit die Entwicklung von Unternehmenshardware fortgeschritten ist. Als der Lauf schließlich abgeschlossen war, stellte sich jedoch heraus, dass der Rekord selbst …

Das Lenovo ThinkPad P16 Gen 3 ist eine High-End-Mobilworkstation, die auf Intels Core Ultra 9 275HX und NVIDIAs RTX PRO 5000 basiert und mit einem 16 Zoll großen 3200 x 2000 Tandem-OLED-Touchscreen ausgestattet ist. Es handelt sich um ein 5.6 kg leichtes Workstation-Ersatzsystem, das für Anwender entwickelt wurde, die auf GPU-Beschleunigung, CPUs mit hoher Kernanzahl, große Arbeitsspeicher und PCIe-Gen5-Speicher angewiesen sind.

Lenovo hat das ThinkPad P14s Gen 6 für Ingenieure, Pädagogen und Kreativprofis entwickelt, die hohe Arbeitslasten bewältigen und gleichzeitig mobil arbeiten müssen. Ausgestattet mit dem Intel Core Ultra 7 265H verfügt diese mobile Workstation über eine dedizierte NPU (Neural Processing Unit) mit Intel AI Boost und liefert so bis zu 13 TOPS effiziente, KI-beschleunigte Leistung. Darüber hinaus

Am 15. Dezember 2025 kündigte Microsoft an, dass Windows Server 2025 den NVMe-Standard nativ in seine Speicherarchitektur integrieren würde. NVMe-Speicher ist jedoch bereits seit vielen Jahren ein gängiges Speicherformat für Server, Workstations und PCs, wobei die Betriebssystemkompatibilität seit Windows Server 2012 R2 und Windows 8.1 integriert ist.

Die Acer Veriton GN100 AI Mini-Workstation ist eines von mehreren Spark-basierten Systemen, die wir evaluieren. Alle basieren auf NVIDIAs GB10 Grace Blackwell Superchip. Wie die anderen Systeme ist auch die GN100 darauf ausgelegt, KI-Rechenleistung der Rechenzentrumsklasse in einem kompakten Desktop-Gehäuse bereitzustellen. So können Entwickler und Forscher Modelle lokal ausführen und optimieren, anstatt auf externe Server angewiesen zu sein.

Als wir im Oktober die NVIDIA DGX Spark zum ersten Mal in den Händen hielten, war klar, dass NVIDIA es ernst meinte, KI der Rechenzentrumsklasse auf ein handliches Format zu verkleinern, das auf dem Schreibtisch Platz finden konnte. Unser erstes Founders Edition-Testmuster gab uns einen ersten Einblick in die Leistungsfähigkeit der auf Grace Blackwell basierenden GB10-Plattform.

Mit der Markteinführung der DGX Spark-Plattform von NVIDIA bieten nun verschiedene Hersteller ihre kompakten Desktop-Systeme auf Basis der GB10 Grace Blackwell-Architektur an. Während Platine und Chipsatz standardisiert bleiben, zeigen sich Unterschiede im Gehäusedesign, der Kühlung, der Speicherkonfiguration und der Gesamtleistung. In diesem Test konzentrieren wir uns auf die Implementierung von GIGABYTE.

Das ASUS Ascent GX10 basiert auf dem gleichen Kernkonzept wie das NVIDIA GB10 Superchip und kombiniert einen Arm v9.2-A-Prozessor mit integrierter Blackwell-Grafik und 128 GB einheitlichem LPDDR5x-Speicher. NVIDIA gibt die Rechenleistung der Plattform mit bis zu 1 PetaFLOPS FP4-KI-Berechnung an und unterstützt die Feinabstimmung von Modellen mit bis zu 200 Milliarden Parametern. Kommunikation zwischen CPU und GPU.

Der Markt für KI-Infrastruktur entwickelt sich nicht einheitlich, sondern spaltet sich in zwei unterschiedliche Welten auf. Auf der einen Seite stehen hochmoderne Trainingscluster, die für die Entwicklung von Basismodellen in großem Umfang konzipiert sind und eng mit proprietären Systemen und einer begrenzten Anzahl von Beschleunigern verknüpft sind. Auf der anderen Seite steht die rasch wachsende Realität der Unternehmensinferenz.