El pedido de Vultr de AMD Helios abre a HPE una oportunidad de 1.200 millones de dólares frente a Nvidia
Vultr realizó un pedido de 1.200 millones de dólares de sistemas AMD Helios de HPE, lo que otorga a la plataforma de 72 GPU su primer cliente de HPE. El pedido de Vultr de AMD Helios traslada la arquitectura de una hoja de ruta pública a una implementación comercial en centros de datos de Estados Unidos.
Este acuerdo no es simplemente otra compra de aceleradores de IA. HPE suministrará un rack integrado que combina cómputo de AMD, software abierto, redes de escalamiento basadas en Ethernet, refrigeración líquida y servicios de implementación. El acuerdo pone a prueba si un grupo alternativo de proveedores puede competir con Nvidia a nivel de sistema completo.
Nvidia sigue siendo el punto de referencia porque Vera Rubin NVL72 también conecta 72 GPU como un único dominio de cómputo a escala de rack. Sin embargo, Nvidia controla una mayor parte de su pila mediante tecnologías propietarias como NVLink. AMD, HPE, Juniper y Broadcom presentan Ethernet basado en estándares como una vía más abierta.
Esta distinción importa más que cualquier afirmación aislada de rendimiento máximo. Un sistema de IA a escala de rack debe ofrecer resultados consistentes en aceleradores, memoria, redes, refrigeración, orquestación y software. Vultr está destinando ahora un capital considerable a demostrar que el enfoque abierto puede funcionar en una nube de producción.
El pedido de Vultr de AMD Helios lleva a HPE a producción
El pedido brinda a HPE su primera validación comercial para un sistema que antes se definía principalmente por especificaciones y anuncios de alianzas.
HPE anunció el acuerdo el 30 de septiembre de 2026. Según su anuncio del pedido, Vultr implementará sistemas AMD Helios AI Rack by HPE en sus centros de datos de nube de Estados Unidos.
La empresa describió la transacción como su primer pedido para la plataforma Helios integrada. HPE también comunicó el desarrollo mediante una presentación ante la SEC del 30 de septiembre, incorporando el anuncio a sus divulgaciones formales para inversores.
Cada rack contendrá 72 GPU AMD Instinct MI455X. También incluye procesadores AMD EPYC, con nombre en código Venice, y tarjetas de interfaz de red AMD Pensando Vulcano AI.
ROCm, la plataforma de software abierto de AMD para cómputo con GPU, proporciona el entorno de programación. HPE aporta ingeniería de racks, refrigeración líquida directa, servicios de implementación y seis bandejas de conmutadores Juniper QFX5252 de escalamiento por rack.
Las redes de escalamiento conectan aceleradores dentro de un mismo dominio de cómputo. Deben mover datos con suficiente rapidez para que muchas GPU operen sobre un modelo compartido sin dedicar demasiado tiempo a esperarse unas a otras.
Los conmutadores de HPE utilizan UALink sobre Ethernet, comúnmente abreviado como UALoE. Esta arquitectura transporta tráfico UALink mediante redes basadas en Ethernet, en lugar de depender de una interconexión controlada verticalmente.
HPE afirma que las seis bandejas de conmutadores conectan cada GPU mediante enlaces de gran ancho de banda y baja latencia. Esta afirmación requerirá evidencia en producción, porque el rendimiento de red cambia según la estructura de la carga de trabajo, los patrones de comunicación y la configuración de software.
Las empresas no revelaron cuántos racks encargó Vultr. Tampoco proporcionaron un calendario completo de entregas ni desglosaron los componentes de cómputo, redes, refrigeración, software y servicios del pedido.
Estas omisiones limitan los cálculos sencillos sobre el coste por GPU o rack. También impiden que observadores externos estimen qué parte del contrato corresponde a hardware frente a soporte operativo a largo plazo.
Aun así, el acuerdo establece un cliente real y un objetivo de implementación significativo. Ese es el cambio esencial. HPE ya no necesita sostener que Helios acabará atrayendo a un comprador.
Vultr ya opera infraestructura de nube para cargas de trabajo empresariales y de IA. Puede poner el sistema a disposición de clientes interesados en entrenamiento de modelos, ajuste fino e inferencia de gran volumen sin tener que poseer un centro de datos especializado.
HPE también obtiene un cliente que conoce los aceleradores de AMD. Vultr ya había adoptado sistemas AMD Instinct, lo que reduce la fricción organizativa de incorporar otra generación de AMD.
Por tanto, el pedido tiene más peso que un benchmark de laboratorio o un diseño de referencia. Sitúa a Helios dentro de una nube comercial donde la utilización, el tiempo de actividad y la demanda de los clientes determinarán si la plataforma tiene éxito.
Por qué HPE necesita más que una venta de GPU
HPE está utilizando el rack AMD Helios AI para competir por la infraestructura que rodea al acelerador, no solo por el chasis del servidor.
El mercado de infraestructura de IA recompensa cada vez más a los proveedores que entregan un rack funcional en lugar de una colección de componentes. Los clústeres densos de aceleradores requieren coordinación de energía, refrigeración, redes, firmware, software, monitorización y mantenimiento.
Un cliente puede comprar chips de alto rendimiento y aun así encontrarse con una baja utilización del clúster. Los retrasos suelen surgir por congestión de red, software inestable, límites térmicos o fallos que requieren demasiado tiempo para diagnosticarse.
La función de HPE es empaquetar estos elementos en un sistema que Vultr pueda implementar repetidamente. Esto ofrece a la empresa la oportunidad de captar gasto que, de otro modo, iría a proveedores separados de servidores, conmutadores, refrigeración e integración.
El componente de red es especialmente importante. HPE completó su adquisición de Juniper Networks en 2025, incorporando tecnología de conmutación y talento de ingeniería a su cartera de infraestructura.
Helios ofrece una prueba temprana de la estrategia combinada. Seis bandejas de conmutadores Juniper se encuentran dentro de cada sistema HPE, lo que convierte las redes en parte del diseño central del rack.
La cobertura del evento para inversores de HPE describió el acuerdo como un ejemplo de Ethernet basado en estándares que entra en la capa de escalamiento. El mismo análisis de redes señaló que HPE no reveló la participación de las redes en el contrato.
HPE dijo a los inversores que ve más de 1.000 millones de dólares en oportunidades de redes relacionadas con Helios durante los próximos dos años. También afirmó que los pedidos de bandejas de red ya habían superado los 200 millones de dólares.
Estas cifras son previsiones de la empresa, no evidencia de implementaciones completadas para clientes. Aun así, aclaran por qué HPE considera a Helios como algo más que un producto adicional de servidores.
La empresa quiere que sus equipos de red gestionen el tráfico de acelerador a acelerador dentro del rack. Es una carga de trabajo exigente porque los trabajos de IA distribuidos intercambian grandes tensores entre muchos dispositivos.
La latencia o la congestión en esta capa pueden dejar inactivos aceleradores costosos. Una estructura de red deficiente puede eliminar las ventajas prometidas por GPU más rápidas o mayores grupos de memoria.
Por ello, la implementación de Vultr pondrá a prueba las capacidades de integración de HPE tanto como el silicio de AMD. HPE debe demostrar que sus conmutadores, sistema de refrigeración, servicios y diseño de rack funcionan como un único producto fiable.
También debe hacer que ese sistema sea gestionable en múltiples instalaciones de nube. Repetir una configuración a escala requiere procedimientos consistentes de instalación, telemetría, gestión de fallos y piezas de repuesto.
La refrigeración líquida directa añade otro requisito operativo. Esta tecnología transfiere calor mediante refrigerante cerca de los componentes de alta potencia, lo que permite densidades que la refrigeración convencional por aire tiene dificultades para admitir.
Sin embargo, la refrigeración líquida también afecta al diseño y mantenimiento de las instalaciones. Los operadores necesitan tuberías compatibles, disipación de calor, gestión de fugas, técnicos capacitados y procedimientos para sustituir componentes.
HPE afirma que su organización de servicios reducirá esos riesgos de implementación y operación. El despliegue real de Vultr mostrará si esa promesa resiste el contacto con distintas instalaciones y calendarios de producción.
Para HPE, el éxito validaría la lógica de combinar cómputo y redes de Juniper. El fracaso sugeriría que adquirir activos de red no crea automáticamente una plataforma de IA competitiva a escala de rack.
Ethernet abierto es la verdadera apuesta frente a Nvidia
La principal competencia enfrenta una pila Ethernet abierta y de múltiples proveedores con la arquitectura a escala de rack estrechamente integrada de Nvidia.
Nvidia construyó su posición en infraestructura de IA a través de más que el rendimiento de los aceleradores. El software CUDA, las interconexiones NVLink, los productos de red, los diseños de referencia y la familiaridad de los desarrolladores se refuerzan mutuamente.
Vera Rubin NVL72 extiende ese modelo a un rack de 72 GPU. Las especificaciones de NVL72 publicadas por Nvidia combinan 72 GPU Rubin con 36 CPU Vera y NVLink de sexta generación.
AMD Helios apunta a la misma categoría a escala de rack con una estructura de proveedores diferente. AMD proporciona aceleradores, procesadores anfitriones, tecnología de interfaz de red y ROCm. HPE suministra integración, servicios, refrigeración y conmutación Juniper.
Broadcom aporta tecnología de conmutación utilizada en el diseño de escalamiento de HPE. Las especificaciones de racks de Open Compute Project, UALink y los estándares Ethernet crean interfaces que proveedores adicionales pueden adoptar.
El argumento resultante no es que Helios carezca de integración. Es que la integración no requiere que un proveedor controle cada capa crítica.
Las especificaciones de Helios publicadas por AMD enumeran 72 GPU MI455X, 31 terabytes de memoria HBM4 y 260 terabytes por segundo de ancho de banda agregado de escalamiento. HBM4 es memoria de alto ancho de banda ubicada cerca de la GPU para un acceso rápido a los datos del modelo.
AMD también enumera 2,9 exaflops de cómputo FP4 máximo y 1,4 exaflops con FP8. FP4 y FP8 son formatos numéricos de baja precisión diseñados para aumentar el rendimiento de IA con menor uso de memoria y energía.
Las cifras máximas no se traducen directamente en rendimiento de aplicaciones. Distintos proveedores pueden utilizar formatos de datos, supuestos de dispersidad, configuraciones de software y condiciones de carga de trabajo diferentes.
Eso hace que las comparaciones entre MI455X y Vera Rubin sean menos directas que cotejar dos números. Los compradores necesitan resultados de modelos reales, tamaños de lote, longitudes de contexto, patrones de red y requisitos de nivel de servicio.
La capacidad de memoria ofrece a AMD un claro argumento de marketing. Helios está diseñado con 31 terabytes de HBM4 a nivel de rack, lo que permite admitir modelos grandes e inferencia de contexto largo sin dividir los datos de forma tan agresiva.
Nvidia responde con la madurez de su software y sus redes integradas. Su ecosistema CUDA sigue profundamente integrado en frameworks de IA, bibliotecas optimizadas, sistemas de implementación y prácticas de ingeniería.
ROCm ha mejorado considerablemente, pero su adopción implica más que compilar un modelo. Los equipos de producción necesitan kernels estables, monitorización, orquestación, controles de seguridad y rendimiento predecible a través de actualizaciones frecuentes de frameworks.
Aquí es donde Vultr se vuelve estratégicamente útil. Un proveedor de nube puede absorber parte de la complejidad de integración y ofrecer a los clientes infraestructura gestionada en lugar de componentes sin procesar.
A los clientes puede importarles menos la estructura de red subyacente si Vultr ofrece instancias fiables o clústeres reservados. Ese enfoque puede hacer accesible el hardware de AMD a equipos que carecen de especialistas en ROCm y sistemas distribuidos.
Sin embargo, la disponibilidad en la nube por sí sola no neutralizará las diferencias de software. Los clientes seguirán comparando compatibilidad de modelos, esfuerzo de desarrollo, rendimiento por dólar y el tiempo necesario para alcanzar una producción estable.
El pedido de Vultr de AMD Helios ofrece al enfoque abierto un entorno serio para esa evaluación. No establece un ganador antes de que los sistemas se implementen y midan.
Las especificaciones no resuelven la comparación entre MI455X y Vera Rubin
Ambos proveedores publican cifras máximas impresionantes, pero los compradores de nube en última instancia pagan por cargas de trabajo completadas, capacidad utilizable y operaciones predecibles.
AMD afirma que Helios admite el entrenamiento de modelos de billones de parámetros y la inferencia de alto volumen. Su diseño pone el énfasis en la capacidad de memoria, los estándares abiertos y la conectividad basada en Ethernet dentro y entre racks.
Nvidia posiciona Vera Rubin en torno a la inferencia agéntica, la eficiencia del entrenamiento y el rendimiento de tokens. La compañía afirma que su plataforma combina CPU, GPU, DPU, interfaces de red y conmutación como un único sistema codiseñado.
Estas afirmaciones utilizan cargas de trabajo y metodologías seleccionadas por los proveedores. Son útiles para entender las prioridades de los productos, pero no sustituyen las pruebas comparativas independientes.
Un análisis técnico independiente describió MI455X como la respuesta más creíble de AMD a Nvidia a escala de rack. También destacó la importancia de que Helios integre 72 GPU en un único dominio coherente.
La comparación aún incluye importantes incógnitas. Una es la utilización lograda, que mide la consistencia con la que las aplicaciones aprovechan la capacidad de cómputo teórica del sistema.
Otra es el rendimiento de la comunicación colectiva. Los trabajos de entrenamiento intercambian con frecuencia resultados parciales entre GPU, y una sincronización lenta puede reducir la producción de todo un clúster.
La inferencia genera presiones diferentes. Los contextos largos, los grandes modelos de mezcla de expertos y muchas solicitudes simultáneas exigen capacidad de memoria, ancho de banda de memoria, enrutamiento y planificación.
Una tercera incógnita es el esfuerzo de conversión de software. Los modelos desarrollados en sistemas Nvidia pueden depender de bibliotecas, kernels o herramientas operativas específicas de CUDA.
ROCm admite los principales frameworks, incluidos PyTorch, TensorFlow y JAX. La compatibilidad a nivel de framework no garantiza un comportamiento idéntico para cada canalización de producción optimizada.
Los desarrolladores podrían necesitar modificar kernels, ajustar la configuración de comunicaciones o sustituir dependencias. Esos costes pueden superar el ahorro en hardware cuando un equipo afronta un plazo de despliegue ajustado.
Vultr puede reducir esa carga mediante la publicación de configuraciones validadas, contenedores optimizados, recetas de modelos y rendimiento medido. También puede proporcionar soporte técnico basado en la operación directa de los racks.
El proveedor de nube tiene incentivos para realizar ese trabajo. Ampliar la oferta viable de aceleradores puede reducir la dependencia de un proveedor y ofrecer a los clientes opciones adicionales de capacidad.
Sin embargo, la capacidad debe llegar a tiempo. HPE y Vultr no revelaron un calendario detallado de despliegue, mientras que AMD ha indicado que los envíos de Helios aumentarán progresivamente hasta finales de 2026 y durante 2027.
Un pedido grande puede abarcar compromisos de compra, plazos de entrega, servicios y capacidad futura. El valor anunciado no demuestra que todo el hardware ya esté instalado o disponible para los clientes.
Los riesgos de fabricación y despliegue siguen siendo significativos. Los aceleradores MI455X requieren empaquetado avanzado y HBM4. Los racks Helios también dependen de nuevas CPU, componentes de red, bandejas de conmutación, equipos de refrigeración y preparación de las instalaciones.
Un retraso en cualquier componente crítico puede ralentizar el sistema completo. Los productos a escala de rack concentran dependencias porque el comprador necesita la configuración integrada, no una pieza de sustitución.
La disponibilidad de energía presenta otra limitación. Los racks de IA de alta densidad requieren una infraestructura eléctrica y de refrigeración considerable, que no siempre puede añadirse rápidamente a un centro de datos existente.
Por tanto, el resultado real de MI455X frente a Vera Rubin surgirá de los despliegues, no de las diapositivas de lanzamiento. Las comparaciones útiles deben informar sobre disponibilidad, consumo energético, rendimiento de modelos, latencia y coste operativo total en condiciones equivalentes.
Vultr Está Comprando Poder de Negociación Además de Capacidad
El compromiso de Vultr le proporciona otra plataforma de aceleradores al tiempo que refuerza su posición entre los proveedores de chips y los clientes empresariales de IA.
Los proveedores de nube afrontan un equilibrio difícil. Deben asegurar hardware escaso con antelación, pero también corren el riesgo de comprometer capital con sistemas antes de que la demanda de los clientes sea predecible.
El pedido de Vultr indica confianza en que los clientes utilizarán capacidad de AMD para entrenamiento e inferencia. La compañía afirma que la demanda de infraestructura de IA de alto rendimiento sigue superando la oferta disponible.
Esa declaración refleja la visión comercial de Vultr y no ha sido validada de forma independiente mediante datos de utilización divulgados. La compañía no publica suficiente detalle para medir la futura demanda de Helios por cliente o carga de trabajo.
Aun así, la lógica estratégica es clara. Dar soporte a Nvidia y AMD permite a Vultr ofrecer más opciones que una nube construida alrededor de una sola familia de aceleradores.
Esa flexibilidad puede resultar atractiva para empresas preocupadas por la disponibilidad de hardware, la concentración de proveedores o la portabilidad del software. También puede atraer a equipos cuyas cargas de trabajo se benefician de mayores reservas de memoria.
Vultr gana poder de negociación cuando múltiples plataformas de aceleradores pueden cubrir las necesidades de los clientes. La compañía queda menos expuesta al calendario de producción y a las condiciones comerciales de un único proveedor.
AMD obtiene un canal de nube visible para MI455X. HPE consigue su primer cliente integrado de Helios. El equipamiento de Juniper obtiene un lugar dentro de una red a escala de aceleradores.
El acuerdo también proporciona a Vultr un producto diferenciado. Los grandes hyperscalers ofrecen carteras amplias, pero las nubes de IA independientes pueden competir mediante acceso temprano a hardware, soporte especializado y opciones geográficas.
Esa oportunidad conlleva riesgo de concentración. El pedido es grande en comparación con muchas transacciones privadas de infraestructura de nube, y Vultr debe convertir el hardware instalado en un uso sostenido por parte de los clientes.
Los compromisos de capacidad reservada reforzarían el argumento. También lo harían ejemplos públicos que muestren a clientes trasladando modelos sustanciales de sistemas Nvidia a Helios sin una reconstrucción prolongada.
Una baja utilización produciría el resultado contrario. Los racks costosos consumen capital incluso cuando los trabajos de los clientes no los mantienen ocupados.
Vultr también debe gestionar las expectativas de los clientes sobre la portabilidad del rendimiento. Un modelo que funciona correctamente en ambas plataformas aún puede presentar características diferentes de rendimiento, latencia y coste.
El proveedor de nube puede ayudar presentando evidencia específica por carga de trabajo. Las comparaciones genéricas de aceleradores son menos útiles que las mediciones para entrenamiento de modelos, inferencia de contexto largo, ajuste fino y cargas de trabajo agénticas.
Los clientes también deberían vigilar la disponibilidad del servicio. Unos pocos clústeres especializados en instalaciones seleccionadas tendrían menos peso competitivo que capacidad Helios estandarizada en toda la nube de Vultr.
El despliegue geográfico importa porque los compradores empresariales consideran la latencia, la residencia de datos, la recuperación ante desastres y la proximidad a conjuntos de datos almacenados. HPE solo indicó que los sistemas llegarían a ubicaciones en Estados Unidos.
El anuncio también deja poco clara la estructura contractual. Ninguna de las dos compañías reveló hitos de entrega, cláusulas de cancelación, compras mínimas ni la parte vinculada a servicios.
Estos detalles afectan al riesgo que asume cada parte. Una compra firme de hardware difiere de un marco plurianual que depende de futuras necesidades de capacidad.
Por tanto, el pedido de Vultr de AMD Helios es una fuerte señal de demanda, pero no equivale a un despliegue completado. La distinción debe permanecer visible hasta que los clientes puedan acceder a los sistemas a escala.
Tres Señales Mostrarán Si Helios Puede Abrirse Paso
El calendario de entrega, los resultados de cargas de trabajo de producción y una adopción más amplia por parte de clientes determinarán si este pedido cambia el mercado competitivo.
La primera señal es el despliegue físico. HPE y Vultr deben identificar cuándo la capacidad Helios entra en funcionamiento y dónde pueden acceder a ella los clientes.
Un lanzamiento de producción confirmado reforzaría la afirmación de que AMD y HPE pueden fabricar, integrar e instalar una nueva plataforma a escala de rack conforme al calendario. Los retrasos repetidos la debilitarían.
La disponibilidad debería incluir más que un comunicado de prensa. Vultr debería publicar regiones de servicio, opciones de reserva, detalles de configuración y capacidad esperada para clientes cualificados.
La segunda señal es la evidencia de cargas de trabajo. Las pruebas comparativas independientes o verificadas por clientes deberían comparar Helios con sistemas Nvidia relevantes en condiciones equivalentes.
Los resultados útiles incluirían tokens por segundo, tiempo de finalización del entrenamiento, consumo energético, tamaño del modelo, longitud de contexto, tamaño de lote y versiones de software. También deberían informar sobre el esfuerzo de ajuste.
Esta evidencia debe abarcar tanto entrenamiento como inferencia. Una plataforma puede rendir bien en una categoría y, al mismo tiempo, tener dificultades con las comunicaciones, la latencia o el soporte de software en otra.
Los datos operativos también importan. Los clientes necesitan información sobre disponibilidad, recuperación ante fallos de componentes, planificación de clústeres y el impacto del mantenimiento en el rendimiento.
Los buenos resultados respaldarían la posición de AMD de que los estándares abiertos pueden ofrecer un rendimiento competitivo a escala de rack. Resultados débiles o seleccionados de forma limitada preservarían la ventaja de integración de Nvidia.
La tercera señal es la adopción posterior. HPE necesita clientes adicionales para Helios, mientras que AMD necesita despliegues que vayan más allá de socios previamente comprometidos.
Los pedidos de otros proveedores de nube, empresas, organizaciones de investigación o programas nacionales de computación demostrarían que la arquitectura atrae a múltiples tipos de compradores.
Las compras repetidas de Vultr serían aún más reveladoras. Una segunda expansión tras el uso en producción sugeriría que la demanda de los clientes y la economía operativa cumplieron las expectativas.
La respuesta de Nvidia también merece atención. La compañía puede defender su posición mediante despliegues más rápidos de Rubin, software mejorado, alianzas agresivas con proveedores de nube y ofertas Ethernet más sólidas.
HPE y AMD no necesitan desplazar a Nvidia en todo el mercado para validar Helios. Necesitan establecer una alternativa fiable para cargas de trabajo en las que la apertura, la memoria, la disponibilidad o la diversidad de proveedores aporten suficiente valor.
Para desarrolladores y compradores empresariales, la acción inmediata es evitar tratar las especificaciones máximas como conclusiones de compra. Pidan a los proveedores mediciones que se ajusten al modelo previsto y al entorno operativo.
Soliciten detalles sobre migración de software, frameworks validados, disponibilidad de clústeres, compromisos de servicio y recuperación ante fallos. Comparen el esfuerzo de ingeniería necesario para llegar a producción, no solo el rendimiento del acelerador.
El pedido de Vultr de AMD Helios ha creado una prueba comercial creíble. Ahora la industria necesita evidencia de despliegue que distinga una arquitectura ambiciosa de una plataforma de nube fiable.
