# NVIDIAs Rubin Confidential Computing Pitch macht KI-Sicherheit zu einer Funktion im Rack-Maßstab Source: TechNewsList (https://technewslist.com) Canonical URL: https://technewslist.com/de/article/nvidia-confidential-computing-rubin-ai-security-2026-07-26-morning-de Section: Hardware (https://technewslist.com/de/hardware) Author: TechNewsList Language: de Published: 2026-07-26T05:24:07.765+00:00 Updated: 2026-07-26T05:24:07.927655+00:00 > NVIDIA weitet Confidential Computing auf Rubin-, Blackwell- und Hopper-GPUs aus und argumentiert, dass sensible KI-Workloads eine geschützte Ausführung von der Eingabeaufforderung über das Modell bis zum Speicher benötigen. ## TL;DR - Laut NVIDIA erweitert Vera Rubin NVL72 die vertrauliche Datenverarbeitung auf ein vollständiges KI-System im Rack-Maßstab. - Die Plattform schützt GPU-Ausführung, Speicher, Registerstatus, Modelle, Eingabeaufforderungen und Trainingsdaten. - Das Hardware-Signal ist, dass KI-Sicherheit Teil der Beschleunigerarchitektur und der Cloud-Beschaffung wird. ## Key points - NVIDIA positioniert Confidential Computing als Schutz für Modelle und Daten während der Nutzung. - Es wird beschrieben, dass Vera Rubin NVL72 72 Rubin-GPUs, 36 Vera-CPUs und Verbindungen umfasst. - Das Unternehmen gibt an, dass das Design NVLink und NVLink-C2C verwendet und gleichzeitig eine nahezu native Leistung beibehält. - Durch die Gerätebescheinigung können Käufer vertrauenswürdige Ausführungsumgebungen überprüfen. - Der Markttest besteht darin, ob regulierte KI-Workloads in eine gemeinsame Infrastruktur verlagert werden, wenn sich die Hardware-Isolation verbessert. # NVIDIAs Rubin Confidential Computing Pitch macht KI-Sicherheit zu einer Funktion im Rack-Maßstab ## Was passiert ist NVIDIA positioniert Confidential Computing als zentrales Merkmal moderner KI-Infrastruktur, darunter Hopper, Blackwell und die kommende Vera Rubin-Plattform. Auf der aktuellen vertraulichen Computerseite des Unternehmens wird Vera Rubin NVL72 als eine geschützte Umgebung im Rack-Maßstab beschrieben, die 72 Rubin-GPUs, 36 Vera-CPUs und Hochgeschwindigkeitsverbindungen umfasst. Laut NVIDIA schützt das Design die GPU-Ausführung, den Speicher, die Registerzustände, Modelle, Trainingsdaten und Inferenzaufforderungen und bewahrt gleichzeitig die nahezu unverschlüsselte Leistung durch NVLink und NVLink-C2C. Das ist eine bemerkenswerte Hardware-Botschaft: Bei der KI-Sicherheit geht es nicht mehr nur um Netzwerkgrenzen, Softwarerichtlinien oder verschlüsselten Speicher. Es wird Teil der Beschleuniger- und Rack-Architektur selbst. ![Kontextuelles redaktionelles Bild für NVIDIAs Rubin Confidential Computing Pitch macht KI-Sicherheit zu einem Rack-Feature. NVIDIA Vera Rubin NVL72 Blackwell Hopper Confidential Computing NVIDIA NVIDIA AI NVIDIA Robotics-Technologie-Neuigkeiten](https://cdn.wccftech.com/wp-content/uploads/2026/01/NVIDIA-Rubin-AI-Platform-_7-1456x819.png) *Für diese TechPulse-Geschichte wurde ein kontextbezogenes Bildmaterial ausgewählt.* Das Timing ist wichtig, denn die wertvollsten KI-Workloads sind auch diejenigen, die die schwierigsten Vertrauensfragen aufwerfen. Unternehmen möchten proprietäre Modelle, Kundendatensätze, rechtliches Material, Code, medizinische Daten, Finanzabläufe und behördliche Arbeitslasten auf gemeinsam genutzter oder hybrider Infrastruktur ausführen. Sie brauchen Geschwindigkeit, aber auch die Gewissheit, dass sensible Daten während der aktiven Verarbeitung geschützt sind. Confidential Computing zielt auf die mittlere Stufe ab, in der Daten nicht nur verschlüsselt auf der Festplatte liegen oder über eine sichere Verbindung übertragen werden, sondern tatsächlich von CPUs und GPUs genutzt werden. ## Warum es wichtig ist KI-Käufern liegt zunehmend die gesamte Vertrauenskette am Herzen. Ein Modell kann im Ruhezustand verschlüsselt sein und dennoch während der Inferenz oder des Trainings ein Risiko darstellen, wenn Eingabeaufforderungen, Gewichtungen, Zwischenaktivierungen oder der Speicherstatus für die falsche Ebene sichtbar sind. Dies ist besonders wichtig in Cloud- und Multi-Tenant-Umgebungen. Banken, Gesundheitsdienstleister, Regierungen, Verteidigungsunternehmen und große Unternehmen wünschen sich möglicherweise KI-Kapazität im Cloud-Maßstab, wünschen sich aber auch stärkere Garantien, dass der Infrastrukturbetreiber, ein anderer Mieter oder eine kompromittierte Komponente keine sensiblen Arbeitslasten überprüfen kann. Der Pitch von NVIDIA macht Sicherheit zu einem Teil des Hardware-Wertversprechens. Leistung bleibt das Schlagwort bei KI-Beschleunigern, aber Beschaffungsentscheidungen werden immer umfassender. Käufer fragen nach Energieverbrauch, Versorgungsverfügbarkeit, Softwarekompatibilität, Netzwerk, Auslastung und nun auch nach Workload-Isolation. Wenn Confidential Computing mit geringem Overhead im Rack-Maßstab betrieben werden kann, kann damit ein Grund beseitigt werden, warum regulierte Workloads auf kleineren privaten Clustern verbleiben. Dies würde den adressierbaren Markt für High-End-KI-Systeme und Cloud-KI-Dienste erweitern. ## Technische Details Confidential Computing schützt Daten während der Nutzung durch vertrauenswürdige Ausführungsumgebungen und hardwarebasierte Überprüfung. NVIDIA gibt an, dass seine Plattform die GPU-Ausführung, den Speicher und den Registrierungsstatus schützen und mithilfe der Gerätebescheinigung nachweisen kann, dass eine Arbeitslast in einer vertrauenswürdigen Umgebung ausgeführt wird. Eine Bescheinigung ist wichtig, da Sicherheitsansprüche einer Überprüfung bedürfen. Ein Kunde oder Dienst kann prüfen, ob der Hardware- und Softwarestatus mit einer erwarteten vertrauenswürdigen Konfiguration übereinstimmt, bevor vertrauliches Material an das System gesendet wird. ![Kontextuelles redaktionelles Bild für NVIDIAs Rubin Confidential Computing Pitch macht KI-Sicherheit zu einem Rack-Feature. NVIDIA Vera Rubin NVL72 Blackwell Hopper Confidential Computing NVIDIA NVIDIA AI NVIDIA Robotics-Technologie-Neuigkeiten](https://cdn.wccftech.com/wp-content/uploads/2025/10/nvidia-grace-mgx-rack-family-1-1-1024x576-1-1920x1080.jpg) *Für diese TechPulse-Geschichte wurde ein kontextbezogenes Bildmaterial ausgewählt.* Das Detail des Rubin NVL72 ist das interessanteste Hardwaresignal. Eine einzelne geschützte GPU ist nützlich, aber Frontier AI läuft zunehmend über Racks hinweg. Große Inferenz- und Trainingsaufgaben hängen von der Verbindungsleistung, der Speicherbandbreite und der synchronisierten Ausführung über viele Beschleuniger hinweg ab. Wenn die vertrauenswürdige Grenze überschritten wird, wenn eine Arbeitslast geräteübergreifend ist, ist Confidential Computing für moderne KI weniger nützlich. NVIDIA behauptet, dass sich die geschützte Domäne über Rack-Systeme mit nahezu nativer Leistung erstrecken kann. Dies würde die sichere Ausführung mit demselben Infrastrukturdesign kompatibel machen, das für große Agenten- und multimodale Arbeitslasten verwendet wird. ## Auswirkungen auf Markt und Branche Die Auswirkungen auf den Markt sind ein stärkerer Druck auf jeden KI-Hardware- und Cloud-Anbieter, Sicherheit messbar zu machen. NVIDIA konkurriert bereits in Bezug auf Beschleunigerleistung, Software-Ökosystem und Bereitstellungsreife. Confidential Computing fügt ein Compliance- und Souveränitätsargument hinzu. Cloud-Anbieter können damit regulierte KI-Kapazitäten verkaufen. Unternehmen können damit die Verlagerung sensibler Workloads in eine gemeinsam genutzte beschleunigte Infrastruktur rechtfertigen. Softwareanbieter können KI-Dienste für konservative Branchen entwickeln, ohne jede physische Schicht besitzen zu müssen. Das Risiko besteht darin, dass Käufer den Begriff als Kontrollkästchen behandeln, es sei denn, die Implementierung ist leicht zu prüfen. Sicherheitsteams wünschen sich eine klare Dokumentation, Cloud-Unterstützung, Integration mit Schlüsselverwaltung, Vorfallprozessen und realistischen Bedrohungsmodellen. Sie werden auch den Leistungsaufwand testen. Wenn der Schutz den Durchsatz zu stark reduziert, können Teams ihn für begrenzte Arbeitslasten reservieren. Wenn der Overhead gering bleibt, kann vertrauliche KI zur Standardanforderung für Premium-Bereitstellungen werden. ## Worauf man als Nächstes achten sollte Sehen Sie sich die Cloud-Verfügbarkeit und echte Kundenreferenzen an. Der stärkste Beweis sind regulierte Workloads, die auf vertraulichen GPU-Instanzen mit veröffentlichten Leistungsmerkmalen und klaren Nachweis-Workflows ausgeführt werden. Achten Sie auch darauf, ob Anbieter von KI-Modellen im Rahmen ihrer Unternehmensdatenverpflichtungen eine hardwaregestützte Isolierung nutzen. Beobachten Sie schließlich Ihre Rivalen. AMD, Intel, Cloud-Silicon-Teams und Hyperscaler müssen erklären, wie ihre eigene vertrauenswürdige Ausführungsgeschichte auf Beschleunigerebene funktioniert. Der nächste Wettlauf um die KI-Infrastruktur wird nicht nur in Token pro Sekunde gemessen; es wird auch in Vertrauen pro Rack gemessen. ## Quellen - [NVIDIA: KI-Sicherheit mit Confidential Computing](https://www.nvidia.com/en-us/data-center/solutions/confidential-computing/) - [NVIDIA: KI-Agenten](https://www.nvidia.com/en-us/ai/) - [NVIDIA: KI für Robotik](https://www.nvidia.com/en-us/industries/robotics/) Mentions: NVIDIA, Vera Rubin NVL72, Blackwell, Trichter, Vertrauliches Rechnen, NVLink, Gerätebescheinigung, KI-Sicherheit ## Sources - [NVIDIA](https://www.nvidia.com/en-us/data-center/solutions/confidential-computing/) - [NVIDIA KI](https://www.nvidia.com/en-us/ai/) - [NVIDIA Robotics](https://www.nvidia.com/en-us/industries/robotics/)