Vultr auf dem Gartner Symposium: Enterprise-KI braucht mehr als GPUs

Die KI-Infrastruktur von Unternehmen muss sich an den Anwendungen orientieren, die sie betreiben wollen, und nicht nur an den Beschleunigern, die sie kaufen wollen. Das sagt Vultr. Der Cloud-Anbieter hat drei Erkenntnisse vom Gartner IT Symposium zusammengefasst: die Grenzen von GPUs, die fortbestehende Rolle von CPUs und einen Workload-first-Ansatz beim Einsatz.
- Vultr sagt, Enterprise-KI brauche eine vollständige Cloud-Infrastruktur und nicht nur GPU-Kapazität.
- Laut Gartner (Ankündigung vom Oktober 2026) könnten bis Ende 2030 mehr als 3,5 Billionen US-Dollar an Ausgaben für KI-Infrastruktur wertgemindert werden.
- Vultr-CMO Kevin Cochrane sagte, die CPU sei nie verschwunden; Vultr sieht durch agentische KI steigende CPU-Nachfrage.
- Ein von HPE moderiertes Panel riet, beim Workload zu beginnen und Geschäftsergebnisse zu messen.
- Vultrs auf AMD EPYC basierendes VX1 Cloud Compute bietet dedizierte CPU-Ressourcen für die Orchestrierung von KI.
Mehr als GPU-Kapazität
Laut Vultr waren der Aufstieg von Neocloud-Anbietern und die wachsenden Investitionen in KI-Infrastruktur zentrale Themen auf dem Symposium. Je mehr Ressourcen Organisationen in KI stecken, desto mehr Gewicht bekommen Fragen nach der Wirtschaftlichkeit der Infrastruktur, dem langfristigen Wert und der Fähigkeit, Ausgaben in Geschäftsergebnisse umzumünzen.
Vultr verwies auf die Ankündigung von Gartner vom Oktober 2026, wonach bis Ende 2030 mehr als 3,5 Billionen US-Dollar an Ausgaben für KI-Infrastruktur wertgemindert werden könnten. Nach Darstellung von Vultr verlieh die Ankündigung diesen Diskussionen zusätzliche Dringlichkeit und unterstrich, wie sorgfältig Infrastrukturentscheidungen bewertet werden müssen.
Für Vultr geht die Chance über GPU as a Service (GPUaaS) hinaus. Das Unternehmen sagt, Unternehmen bräuchten ein vollständiges Cloud-Fundament aus Compute, beschleunigter Infrastruktur, Storage, Netzwerk und Sicherheit. Zudem sollten Firmen ihre Infrastruktur nach technischen und geschäftlichen Anforderungen wählen können, statt davon auszugehen, dass jede KI-Anwendung dieselbe Architektur braucht.
CPUs bleiben relevant, je mehr Agenten sich verbreiten
Die Rolle der CPUs war ein weiteres wiederkehrendes Thema. Vultr-CMO Kevin Cochrane bekräftigte in seinen Gesprächen einen einfachen Punkt: Die CPU sei nie verschwunden.
Vultrs Argumentation: KI-Agenten tun mehr als Training und Inferenz. Sie koordinieren Aufgaben, rufen Tools auf, rufen Informationen ab, interagieren mit bestehenden Systemen und führen mehrstufige Workflows aus. Diese Aktivitäten belasten neben den GPUs zusätzlich die CPU-Ressourcen. Cochrane sagte in einem aktuellen Interview mit Fierce Network, Vultr beobachte eine steigende Nachfrage nach CPU-Ressourcen, je verbreiteter agentische KI-Workloads werden.
Vultr verknüpft das mit seinem auf AMD EPYC basierenden VX1 Cloud Compute, das nach Unternehmensangaben dedizierte CPU-Ressourcen für die Anwendungslogik und Orchestrierung moderner KI-Workloads bereitstellt. Das Fazit des Unternehmens: Organisationen sollten den gesamten Workload berücksichtigen und sich nicht nur auf GPUs konzentrieren.
Beim Workload anfangen, dann messen
Piyush Shukla von Vultr nahm an einem von HPE moderierten Kundenpanel teil, gemeinsam mit Sudheer Matta, SVP von HPE Networking, und Laura Lincoln von Grant Thornton. Im Mittelpunkt stand die Skalierung von KI mit Vertrauen, Kontrolle und messbarer Wirkung.
Ein zentraler Punkt war, beim Workload zu beginnen und von dort rückwärts zu planen. Bevor Organisationen ein Modell auswählen oder in Infrastruktur investieren, sollten sie das Geschäftsproblem, das gewünschte Ergebnis und die Anforderungen der Anwendung klären und danach Ressourcen und Architektur passend wählen. Manche Workloads benötigen erhebliche GPU-Kapazität, andere stützen sich stärker auf CPU-Leistung, Datenzugriff, Storage oder Netzwerk. Viele Produktivanwendungen brauchen eine Mischung.
Das Panel betonte außerdem Kennzahlen. Die Bereitstellung einer KI-Anwendung sei erst der Anfang, Organisationen müssten festlegen, wie sie Erfolg messen und den geschäftlichen Nutzen belegen. Zur Sicherheit hieß es: Sobald KI-Agenten auf Unternehmenssystemen handeln können, muss Sicherheit von Anfang an Teil der Infrastrukturdiskussion sein.
Was das für Unternehmenskunden bedeutet
Vultr zufolge spiegeln die Botschaften auf dem Symposium die laufenden Investitionen des Unternehmens in Enterprise-KI wider, darunter die Cloud-Rechenzentrumsregion Chennai, die den globalen Fußabdruck und den Zugang zu Infrastruktur für KI- und Unternehmens-Workloads erweitert. Außerdem nannte das Unternehmen Entwicklungen bei seiner Enterprise-KI-Plattform, mit der Organisationen Compute, beschleunigte Infrastruktur und unterstützende Technologien bedarfsgerecht kombinieren können.
Das Unternehmen beobachtet zudem, dass beim Infrastruktureinkauf zunehmend Sicherheitsverantwortliche neben IT, Engineering und Fachbereichen mitentscheiden, wodurch Architektur und Governance zur gemeinsamen Aufgabe werden. Cochrane bemühte einen Ultramarathon-Vergleich: Die Unternehmen hätten das Ende des ersten Marathons erreicht, doch der Weg sei noch lange nicht zu Ende.
Die Prioritäten, die Vultr aus der Veranstaltung ableitet: über die GPU-Kapazität hinausblicken, die wachsende Rolle von CPUs berücksichtigen, Infrastrukturentscheidungen beim Workload beginnen und Erfolg an Geschäftsergebnissen messen. Dabei handelt es sich um die eigenen Ansichten des Unternehmens, vorgetragen aus der Perspektive eines Cloud-Anbieters.


