AMD Helios transforme le défi à Nvidia en affrontement à l’échelle du rack

AMD a profité de son plus grand événement Advancing AI à ce jour pour lancer Helios en production, faisant évoluer son défi face à Nvidia des accélérateurs individuels vers des racks d’IA complets. Cette couverture de ServeTheHome consacrée à AMD examine ce qui a changé lors de la keynote du 23 juillet, les affirmations qui restent à vérifier et pourquoi les dates de livraison comptent désormais davantage que les diapositives.

Helios associe 72 accélérateurs Instinct MI455X, des processeurs EPYC Venice, le réseau Pensando et le logiciel ROCm d’AMD au sein d’une conception à l’échelle du rack. AMD a indiqué que les livraisons commenceraient vers la fin du troisième trimestre. OpenAI, Microsoft, Anthropic et Cerebras ont apporté les engagements clients dont AMD avait besoin pour rendre ce calendrier crédible.

La keynote a également révélé la partie la plus difficile de l’argumentation d’AMD. Nvidia ne domine pas l’infrastructure d’IA grâce aux seules spécifications de ses GPU. Son avantage s’étend au réseau, aux logiciels, à l’expérience de déploiement, au soutien aux développeurs et aux lancements annuels de systèmes. AMD doit donc démontrer qu’une alternative ouverte peut arriver à temps et fonctionner de manière fiable à l’échelle des centres de données.

La couverture de ServeTheHome consacrée à AMD montre Helios passer en production

Le changement le plus important de la keynote était simple : Helios est passé d’une architecture d’avenir à un produit qu’AMD affirme être en pleine production.

AMD a organisé Advancing AI 2026 au Moscone Center de San Francisco les 22 et 23 juillet. La PDG Lisa Su a prononcé la keynote le deuxième matin. ServeTheHome a décrit cette conférence élargie comme l’équivalent le plus proche d’AMD de la GTC de Nvidia, avec des sessions techniques, des expositions de produits et des places supplémentaires.

Le live blog de la keynote a retracé le passage de l’aperçu au lancement. AMD avait déjà évoqué Helios avant l’événement, mais le statut de production et le calendrier de déploiement chez les clients restaient à déterminer. Su a déclaré que la fabrication avait commencé et que les livraisons débuteraient à la fin du troisième trimestre.

Ce calendrier compte, car un système à l’échelle du rack est plus qu’un ensemble de processeurs. Il intègre accélérateurs, CPU hôtes, réseau, mémoire, refroidissement, alimentation électrique et logiciels dans une unité déployable. Les clients évaluent le comportement du rack complet, et non les performances de pointe isolées d’une seule puce.

Chaque rack Helios contient 72 accélérateurs MI455X avec 31 téraoctets de HBM4, une mémoire à large bande passante conçue pour alimenter de grandes charges de travail d’IA. AMD a évoqué une bande passante mémoire agrégée de 1,4 pétaoctet par seconde. Le rack intègre également des processeurs EPYC Venice et des contrôleurs d’interface réseau Pensando Vulcano.

Selon AMD, le MI455X utilise des chiplets de calcul fabriqués avec un procédé de classe 2 nanomètres. D’autres parties utilisent une production de classe 3 nanomètres. Chaque accélérateur comprend 432 gigaoctets de HBM4, ce qui donne à AMD une capacité mémoire substantielle pour les grands modèles, les contextes longs et les charges de travail d’inférence.

AMD affirme qu’Helios offre 50 % de capacité mémoire supplémentaire et 15 % de performances FP4 supplémentaires par rapport au système concurrent utilisé dans sa comparaison. FP4 est un format numérique sur quatre bits qui réduit les besoins en mémoire et en calcul pour des charges de travail d’IA adaptées. Une précision plus faible peut améliorer le débit, bien que la qualité du modèle et la compatibilité des charges de travail influencent toujours les résultats réels.

L’entreprise a également rapporté un débit de tokens jusqu’à 34 fois supérieur pour le MI455X par rapport à la génération précédente MI355X. AMD attribue une partie de cette hausse aux changements d’architecture et une autre aux améliorations logicielles. Une telle comparaison montre les progrès générationnels, mais n’établit pas indépendamment les performances face aux systèmes actuels de Nvidia.

Le statut de production modifie la charge de la preuve. Avant la keynote, AMD pouvait présenter Helios à travers des schémas d’architecture, des intentions de clients et des performances projetées. À partir de maintenant, les acheteurs peuvent évaluer les racks livrés, la stabilité des logiciels, la disponibilité des clusters, la consommation électrique et l’économie des charges de travail.

La page d’annonce plus large d’AMD confirme que l’événement allait au-delà d’Helios. Le programme Advancing AI couvrait EPYC Venice, MI455X, ROCm.AI, le matériel robotique Kria et plusieurs collaborations avec des clients. Toutefois, le rack reste au cœur de l’histoire concurrentielle, car il relie ces produits distincts.

C’est pourquoi l’événement n’était pas simplement un autre lancement d’accélérateur. AMD a présenté Helios comme l’unité que les clients doivent acheter, déployer et mettre à l’échelle. Cela place l’entreprise en concurrence directe avec Nvidia au niveau des systèmes, où les risques d’exécution se multiplient.

OpenAI et Anthropic font du lancement un test de capacité

L’élément le plus solide d’AMD n’était pas un graphique de benchmark. C’était la présence de clients se préparant à consommer plusieurs gigawatts de son infrastructure.

OpenAI a déclaré s’attendre à déployer Helios à grande échelle vers la fin de 2026, avant d’accélérer les installations tout au long de 2027. L’entreprise avait reçu un rack de préproduction des mois avant la keynote et travaillait déjà avec AMD à son optimisation.

Sachin Katti, vice-président de la stratégie de calcul d’OpenAI, a résumé la pression côté client par une demande directe : « J’ai besoin de davantage de capacité de calcul, plus rapidement. » Son commentaire compte, car il identifie la raison pour laquelle une infrastructure alternative est devenue attrayante. Les développeurs de grands modèles ont besoin de davantage de capacité qu’un seul fournisseur ne peut facilement en apporter.

L’implication d’OpenAI va également au-delà de l’approvisionnement. AMD a indiqué que les deux entreprises collaborent sur les feuilles de route matérielles, la conception des systèmes, les logiciels et les kernels GPU générés par IA. Un kernel est un programme de bas niveau qui contrôle l’exécution d’un calcul particulier sur un accélérateur. La qualité des kernels influe fortement sur les performances que les utilisateurs tirent du matériel sous-jacent.

Cette relation ne signifie pas qu’OpenAI abandonne Nvidia. Les grands développeurs d’IA diversifient régulièrement leur infrastructure tout en continuant d’acheter auprès du leader du marché. L’opportunité d’AMD consiste à devenir une seconde plateforme crédible, avec des performances, un support logiciel et un volume de fabrication suffisants.

Anthropic a apporté un autre engagement majeur. Les entreprises ont annoncé un accord couvrant jusqu’à deux gigawatts de capacité de la série MI450, le premier gigawatt étant attendu en 2027. AMD a également accepté d’investir jusqu’à 5 milliards de dollars dans Anthropic, selon l’accord rapporté.

Cette composante financière mérite une interprétation prudente. Elle aligne AMD avec un client majeur, mais signifie aussi que le fournisseur contribue à soutenir l’expansion de l’acheteur. L’accord apporte de la visibilité sur la demande sans fournir le même signal qu’un achat totalement indépendant, réalisé sans financement stratégique.

Tom Brown, cofondateur d’Anthropic, a déclaré que Claude avait configuré les serveurs d’IA d’AMD en un week-end. Cette affirmation illustre l’objectif logiciel d’AMD : un agent d’IA devrait aider les développeurs à installer, régler et utiliser la plateforme sans exiger une expertise matérielle approfondie. Les opérateurs indépendants doivent encore vérifier si cette expérience se généralise au-delà d’une collaboration contrôlée.

Microsoft apporte un autre type de validation. AMD affirme que Microsoft déploiera Helios dans le cadre d’un partenariat d’infrastructure élargi comprenant également des instances Azure alimentées par EPYC Venice. Microsoft exploite déjà de vastes flottes hétérogènes, ce qui rend son expérience de déploiement particulièrement pertinente pour les acheteurs d’entreprise.

Meta a contribué à la conception sous-jacente du rack par l’intermédiaire de l’Open Compute Project. Ses responsables de l’infrastructure soutiennent que les systèmes d’IA exigent une co-conception à l’échelle de l’ensemble du centre de données. Cette approche correspond à l’effort d’AMD pour faire d’Helios une architecture de rack ouverte plutôt qu’un appareil fermé lié à la pile réseau complète d’un seul fournisseur.

Ces noms de clients mettent Nvidia sous pression de deux façons. D’abord, ils démontrent que les principaux développeurs de modèles veulent des alternatives d’approvisionnement. Ensuite, ils donnent à AMD accès à des charges de travail réelles capables de révéler les goulots d’étranglement avant le début de déploiements plus larges.

Nvidia conserve la base installée la plus solide et une chaîne de déploiement mature. Ses systèmes fonctionnent dans les principaux clouds, laboratoires de modèles et environnements d’entreprise. Une annonce de client pour AMD n’efface pas cet avantage.

Le test immédiat porte donc sur la capacité opérationnelle. AMD doit fabriquer des accélérateurs MI455X, sécuriser l’approvisionnement en HBM4, assembler les racks, valider le réseau et prendre en charge les déploiements logiciels selon le calendrier annoncé. Un retard à n’importe quel niveau affecte l’ensemble du produit Helios.

La demande n’est plus l’incertitude centrale. OpenAI, Anthropic, Microsoft et Meta ont montré suffisamment d’intérêt pour établir que les acheteurs veulent une autre option. La question est de savoir si AMD peut convertir cet intérêt en capacité opérationnelle au rythme promis.

L’avantage de Nvidia est le système, pas seulement le GPU

AMD ne peut défier Nvidia que si Helios se comporte comme un produit coordonné, plutôt que comme un rack assemblé à partir de composants compétitifs.

La stratégie de Nvidia à l’échelle du rack réunit accélérateurs, CPU, interconnexions NVLink, réseau, conceptions de refroidissement et logiciels sous une même feuille de route. Les clients acceptent la dépendance qui en résulte envers le fournisseur, car l’intégration peut réduire le travail de déploiement et l’incertitude sur les performances.

Helios suit la même évolution fondamentale vers le calcul à l’échelle du rack, tout en faisant de l’ouverture un élément de différenciation concurrentielle. AMD associe les accélérateurs MI455X à des processeurs x86 EPYC, au réseau Pensando et à des logiciels destinés à prendre en charge les frameworks d’IA courants. L’entreprise affirme que les clients gagnent davantage de flexibilité quant aux composants et aux modèles de déploiement.

Cet argument séduit les fournisseurs de cloud et les grands développeurs de modèles disposant de ressources d’ingénierie importantes. Ils peuvent adapter des systèmes ouverts, contribuer aux évolutions logicielles et négocier avec plusieurs fournisseurs. Les petites organisations peuvent davantage valoriser un système étroitement intégré, car elles disposent de moins d’ingénieurs pour effectuer les réglages.

La comparaison va donc au-delà de la domination dans les benchmarks. Les acheteurs doivent prendre en compte le temps de déploiement, la compatibilité des modèles, la récupération après défaillance, le comportement réseau, la consommation d’énergie et le support. Un rack affichant des performances théoriques supérieures peut néanmoins perdre si son taux d’utilisation reste faible ou si des défaillances logicielles interrompent les charges de production.

AMD affirme qu’Helios offre des performances supérieures de 10 à 15 % dans certaines comparaisons et 30 % de tokens supplémentaires par dollar par rapport à l’infrastructure concurrente. Les tokens sont les unités de texte que les modèles d’IA traitent et génèrent. Le nombre de tokens par dollar est utile, car il relie le débit au coût, mais les calculs des fournisseurs dépendent fortement du choix du modèle, de la taille des lots, de la précision, des hypothèses de consommation électrique et de l’utilisation.

L’entreprise n’a pas publié suffisamment de données de production indépendantes pour considérer ces chiffres comme établis. Des tests tiers doivent reproduire les comparaisons sur des modèles largement utilisés et selon des scénarios de service réalistes. L’entraînement, l’inférence par lots, l’inférence interactive et les charges de travail agentiques sollicitent les systèmes différemment.

L’alimentation électrique constitue une autre limite. Les centres de données font de plus en plus face à des capacités électriques contraintes, rendant la performance par watt aussi importante que la vitesse brute. AMD a présenté Helios comme une amélioration d’efficacité, tandis que Nvidia a formulé des affirmations similaires pour ses plateformes Vera et Rubin.

Le rapport indépendant sur le lancement a noté que Nvidia avait publié de nouveaux détails sur les CPU Vera au cours de la même semaine. Ce calendrier a clairement cadré la compétition. Les deux entreprises décrivent désormais les performances d’IA à l’échelle des racks et des centres de données, et non plus des processeurs individuels.

AMD a également utilisé EPYC Venice pour attaquer l’entrée de Nvidia sur le marché des CPU serveurs. Venice utilise l’architecture Zen 6 et propose des configurations allant jusqu’à 256 cœurs par socket. AMD a affirmé que sa configuration au débit le plus élevé offre 2,2 fois les performances par socket du CPU Vera de Nvidia dans le test sélectionné.

Ce résultat reste une comparaison établie par l’entreprise tant que des évaluateurs indépendants ne peuvent pas le reproduire. L’accent mis sur les CPU demeure néanmoins stratégique. Les systèmes d’IA agentique utilisent les CPU pour coordonner les outils, planifier le travail, préparer les données, gérer le stockage et maintenir les accélérateurs occupés.

AMD dispose déjà d’une activité significative dans les CPU serveurs, ce qui lui donne une base dont Nvidia ne dispose pas dans l’infrastructure x86 conventionnelle. L’entreprise a indiqué avoir atteint 46 pour cent de part de marché en revenus des CPU serveurs, bien que ce chiffre reflète son propre cadrage du marché et doive être comparé à des mesures tierces.

Nvidia dispose d’une position plus solide dans les logiciels pour accélérateurs. CUDA a accumulé des années de bibliothèques, de documentation, d’intégrations, de développeurs formés et de savoir-faire opérationnel. ROCm s’est amélioré, mais chaque problème de compatibilité donne aux clients une raison supplémentaire de rester sur l’infrastructure Nvidia.

Helios réunit donc les positions les plus fortes et les plus faibles d’AMD dans une seule offre. Les processeurs EPYC, l’ingénierie des chiplets, la capacité mémoire et les standards ouverts apportent une différenciation crédible. La maturité logicielle et l’exécution des déploiements restent les domaines où Nvidia peut défendre son avance.

ROCm.AI tente de combler l’écart le plus persistant d’AMD

ROCm.AI est la tentative d’AMD de faire de l’optimisation logicielle un service automatisé, car un silicium compétitif ne peut pas compenser une expérience développeur difficile.

AMD a présenté ROCm.AI comme un ensemble d’outils qui utilise des agents de codage pour créer, porter et optimiser des logiciels GPU. La plateforme s’appuie sur ROCm, l’environnement logiciel ouvert d’AMD pour le calcul accéléré.

L’entreprise a indiqué que ROCm suit désormais un cycle de publication de six semaines au lieu de proposer des mises à jour majeures tous les quelques mois. Des publications plus rapides peuvent améliorer la prise en charge du matériel et des frameworks. Elles peuvent aussi accroître la pression de mise à niveau si les changements arrivent avant que les utilisateurs en production ne les aient validés.

ROCm.AI comprend des compétences d’agents créées par AMD et un outil de performance appelé Hyperloom. Lors de la keynote, AMD a montré Hyperloom modifiant du code et améliorant son débit de tokens de 38 pour cent. L’exemple étaye le mécanisme, mais une seule charge de travail mise en scène ne permet pas d’établir des gains typiques.

AMD a également indiqué que son logiciel le plus récent offre des performances d’inférence 3,3 fois supérieures et des performances d’entraînement 2,4 fois supérieures à ROCm 7. Il s’agit de comparaisons générationnelles internes. Elles montrent combien de performances les logiciels peuvent débloquer, tout en révélant à quelle vitesse les anciennes configurations peuvent prendre du retard.

L’idée générale est crédible. Les accélérateurs modernes contiennent des hiérarchies de mémoire complexes, des moteurs matriciels, des voies de communication et des formats numériques. Les développeurs ont souvent besoin de kernels spécialisés pour exploiter efficacement ces fonctionnalités. Les agents de codage IA peuvent explorer les options d’optimisation plus vite qu’une personne travaillant manuellement.

Philippe Tillet d’OpenAI, créateur du langage de programmation Triton, a rejoint la keynote pour évoquer les kernels générés par IA. AMD et OpenAI appliquent des modèles à du code ciblant les accélérateurs AMD. De meilleurs kernels générés peuvent réduire l’avantage des plateformes disposant de vastes catalogues de logiciels optimisés manuellement.

L’automatisation n’élimine pas les différences entre plateformes. Le code généré exige toujours des tests de correction, une validation des performances et une maintenance sur plusieurs générations de matériel. Un kernel performant pour une forme de tenseur ou une configuration de modèle peut se comporter médiocrement dans une autre.

Les développeurs doivent également évaluer la qualité du débogage. Lorsqu’un outil automatisé produit une optimisation, les équipes doivent comprendre les défaillances, les changements numériques et les dépendances matérielles. Une amélioration opaque des performances peut devenir un risque opérationnel lorsque les charges de travail évoluent.

La prise en charge dès le premier jour pose un autre défi. AMD affirme que ROCm.AI aidera les logiciels à exploiter le nouveau matériel dès son lancement. Cet objectif est important, car les performances de MI455X ont une valeur limitée si les frameworks, bibliothèques et modèles populaires ne peuvent pas y accéder immédiatement.

L’avantage logiciel de Nvidia va au-delà des performances des kernels. Il couvre le profilage, l’orchestration, les bibliothèques réseau, les serveurs d’inférence, la documentation, les réponses de la communauté et le support entreprise. AMD doit améliorer l’ensemble du flux de travail tout en continuant d’augmenter les performances brutes.

L’approche open source peut accélérer cet effort. Les clients peuvent inspecter le code, proposer des modifications et éviter de dépendre d’un seul fournisseur à chaque couche. Le développement ouvert révèle aussi des zones inachevées qu’un système fermé peut masquer derrière des configurations prises en charge.

Les affirmations logicielles d’AMD nécessitent des preuves plus larges provenant d’organisations ne disposant pas d’un accès privilégié aux équipes d’ingénierie. OpenAI, Meta et Anthropic peuvent affecter des spécialistes à une nouvelle infrastructure. Les entreprises ordinaires ont besoin de parcours d’installation fiables, de frameworks familiers, de mises à jour prévisibles et d’assistance lorsqu’une optimisation échoue.

Cette distinction sépare les partenaires stratégiques du marché plus large. Si ROCm.AI fonctionne surtout pour les clients qui conçoivent du matériel conjointement avec AMD, il renforcera plusieurs déploiements immenses sans supprimer l’avantage logiciel plus étendu de Nvidia. Si des développeurs indépendants peuvent reproduire l’expérience, le marché adressable d’AMD s’élargira considérablement.

C’est aussi là que la gestion des connaissances prend une importance opérationnelle. Les équipes d’ingénierie qui évaluent une nouvelle plateforme d’accélérateurs doivent conserver les benchmarks, les changements de configuration, les défaillances et les recommandations des fournisseurs. Une base de connaissances d’ingénierie consultable peut maintenir ces éléments accessibles durant une longue migration.

ROCm.AI est donc plus qu’une annonce destinée aux développeurs. C’est une tentative de compresser le travail logiciel qui a historiquement ralenti l’adoption d’AMD. Les prochains mois montreront si l’automatisation comble cet écart ou rend simplement certaines démonstrations plus faciles.

La feuille de route produit est large, mais les preuves sont inégales

AMD a présenté un portefeuille cohérent allant des centres de données à la robotique, mais les affirmations les plus fortes dépendent encore de livraisons futures et de tests sélectionnés par le fournisseur.

EPYC Venice représente l’expansion la plus immédiate au-delà d’Helios. AMD a décrit trois configurations majeures : un modèle à haute fréquence pour Helios, une version dense avec 256 cœurs et une option à 128 cœurs pour le calcul général. Venice est également en pleine production, selon Su.

La famille de processeurs est importante parce qu’AMD s’attend à ce que les charges de travail agentiques augmentent la demande en CPU. Les agents font plus que générer du texte. Ils récupèrent des données, appellent des applications, exécutent du code, coordonnent des tâches et surveillent les résultats. Ces étapes peuvent transférer une part importante du travail vers les processeurs généralistes.

AMD estime que le marché des CPU atteindra 220 milliards de dollars d’ici 2030. L’entreprise a inscrit cette prévision dans une estimation plus large d’un marché informatique de 2 000 milliards de dollars, dont 1 400 milliards pour les accélérateurs IA. Ces projections expriment les hypothèses de planification d’AMD plutôt qu’un consensus indépendant du marché.

L’entreprise a également lancé l’Instinct MI350P, un accélérateur PCIe compatible avec les emplacements de serveurs conventionnels. MI350P offre aux entreprises une voie moins exigeante que l’installation d’un rack Helios complet. AMD a mis en avant des utilisations internes impliquant la détection automatisée des menaces et un assistant IA personnalisé.

AMD a indiqué que le routage intelligent des modèles a réduit les coûts liés aux tokens de 43 pour cent dans son déploiement interne. Le routage dirige une requête vers un modèle choisi en fonction de ses exigences de complexité, de latence ou de sécurité. Cette pratique peut réduire l’utilisation inutile de modèles plus grands, bien que les économies dépendent des profils de requêtes et de la précision du routage.

AT&T a fourni un exemple de production à plus grande échelle. L’opérateur a déclaré traiter environ mille milliards de tokens IA par mois pour le service client, la transcription, la planification des infrastructures et d’autres tâches. AT&T a souligné la souveraineté des données et la capacité à exécuter les charges de travail entre le cloud, les environnements sur site et les environnements isolés.

Cerebras a présenté un autre modèle d’inférence. Son service prévu sépare le traitement des prompts de la génération de tokens, en attribuant différentes étapes aux systèmes Helios et wafer-scale. Les entreprises affirment que cette combinaison peut offrir cinq fois les performances d’un système Cerebras seul.

Le plan d’inférence hybride doit arriver dans Cerebras Cloud plus tard en 2026. Il s’inscrit dans un mouvement plus large du secteur vers des processeurs spécialisés pour les différentes phases de l’inférence. Cette spécialisation peut accroître l’efficacité tout en rendant l’orchestration plus complexe.

AMD s’est également lancé dans l’IA physique avec un système-sur-module Kria et une plateforme de développement pour la robotique. Un système-sur-module regroupe le calcul, la mémoire et les interfaces sur une carte compacte destinée aux produits embarqués. AMD a positionné Kria face aux systèmes Nvidia Jetson utilisés dans les robots et les appareils edge.

Cette partie de la keynote a élargi le récit, mais en a affaibli la concentration. Les clients de centres de données peuvent évaluer Helios face à un concurrent clair et à un calendrier de déploiement défini. Les développeurs en robotique sont confrontés à des exigences différentes en matière de logiciels, d’alimentation, de sécurité et de matériel.

La feuille de route va plus loin. AMD a indiqué que Florence, sa génération EPYC Zen 7, arrivera en 2028. Ravenna, basé sur Zen 8, est en développement pour 2030. L’entreprise prévoit également des sorties annuelles d’Instinct et de systèmes à l’échelle du rack, avec MI600 attendu en 2028.

AMD a décrit MI500 comme son plus grand changement de génération Instinct et prévoit un débit d’inférence plus de 2 000 fois supérieur sur quatre ans. La feuille de route des processeurs offre aux clients une visibilité pour leur planification, mais ces affirmations de performance aussi lointaines comportent une incertitude considérable.

Les logiciels, les formats numériques, la taille des racks et la méthodologie de mesure peuvent tous contribuer à une comparaison de débit sur plusieurs années. Le chiffre phare ne doit pas être lu comme une estimation directe selon laquelle une puce deviendrait 2 000 fois plus rapide.

Le risque n’est pas qu’AMD manque de technologies crédibles. Le risque est qu’un portefeuille large crée davantage de surfaces d’exécution que l’entreprise ne peut soutenir avec la même qualité. Helios, Venice, ROCm.AI, les accélérateurs d’entreprise, les systèmes clients et les produits robotiques requièrent chacun un effort d’ingénierie durable.

Nvidia fait face à la même pression pour exécuter des sorties annuelles de matériel et de logiciels. Sa base de revenus IA plus importante, son empreinte installée et son écosystème lui donnent davantage de marge pour absorber les retards. AMD doit établir la confiance tout en se développant.

La keynote a rendu la direction d’AMD inhabituellement claire. L’entreprise veut concurrencer sur l’ensemble du système IA tout en préservant le choix des composants et les logiciels ouverts. Les acheteurs devraient distinguer cette stratégie cohérente des affirmations individuelles qui restent non vérifiées.

Trois signaux détermineront si Helios change le marché

Le prochain jugement devrait provenir de systèmes livrés, de charges de travail mesurées et de commandes répétées, plutôt que d’une nouvelle série de promesses architecturales.

Le premier signal est l’objectif de livraison fixé à la fin du troisième trimestre. AMD a indiqué qu’Helios est en pleine production et commencera à être livré à l’approche de cette échéance. Le respecter renforcerait l’affirmation selon laquelle le rack a dépassé le stade de l’échantillonnage. Tout retard important rapprocherait les montées en charge des clients du prochain cycle produit de Nvidia.

Les annonces de livraisons ne suffiront pas à elles seules. Les acheteurs devraient surveiller la capacité installée chez OpenAI, Microsoft et d’autres clients nommés. Un rack dans un laboratoire de validation apporte moins de preuves que des clusters servant des modèles de production.

Le deuxième signal provient de données indépendantes sur les charges de travail. Les évaluateurs et les clients doivent tester l’entraînement, l’inférence par lots, l’inférence interactive et les applications agentiques. Les résultats devraient inclure la consommation électrique, l’utilisation des racks, la latence, la fiabilité logicielle et le nombre de tokens par dollar.

Helios présente des spécifications capables d’étayer un défi sérieux à Nvidia. Ses 72 accélérateurs, ses 31 téraoctets de HBM4, ses CPU Venice et son réseau à l’échelle du rack constituent une base matérielle crédible. Les déploiements réels détermineront quelle part de cette capacité les applications pourront maintenir.

Des tests logiciels indépendants sont tout aussi importants. Les développeurs devraient mesurer le temps d’installation, la compatibilité avec les frameworks, la qualité des kernels, le débogage et le comportement lors des mises à niveau. ROCm.AI doit aider des équipes au-delà des partenariats les plus étroits d’AMD avant de pouvoir modifier les comportements d’achat en général.

Le troisième signal sera la récurrence de la demande en 2027. L’accélération prévue par OpenAI, le premier gigawatt d’Anthropic, les déploiements Azure de Microsoft et la disponibilité de Cerebras Cloud offrent des jalons concrets. Une expansion au-delà des engagements initiaux indiquerait que les clients font confiance aux performances et aux opérations.

Les commandes répétées mettraient également à l’épreuve l’argument d’AMD en faveur d’une plateforme ouverte. Les acheteurs ajoutent souvent un second fournisseur afin d’améliorer leur pouvoir de négociation ou de réduire les risques d’approvisionnement. Ils n’élargissent le recours à ce fournisseur que lorsque la plateforme offre une économie et une fiabilité acceptables.

La réponse de Nvidia façonnera chacun de ces signaux. L’entreprise peut ajuster ses prix, accélérer la disponibilité de ses systèmes, améliorer l’efficacité et approfondir l’intégration avec les clients. Ses feuilles de route Vera et Rubin visent les mêmes centres de données contraints par l’énergie qu’AMD cherche à servir.

C’est pourquoi l’histoire AMD ServeTheHome dépasse le cadre d’une seule keynote. L’événement a marqué le moment où AMD a associé une promesse de mise en production et une date d’expédition à court terme à sa stratégie à l’échelle du rack. Il a également fait monter sur scène de grands clients pour décrire les usages envisagés.

La keynote n’a pas tranché la question de savoir si Helios est le meilleur rack d’IA, comme l’a affirmé Su. Elle a établi une proposition vérifiable. AMD affirme qu’un système ouvert peut égaler les performances de la concurrence, améliorer l’économie et atteindre une mise en production à grande échelle.

Les responsables des infrastructures devraient désormais poser trois questions directes. Les racks ont-ils été livrés à la date promise ? Des charges de travail indépendantes ont-elles reproduit les affirmations économiques d’AMD ? Les clients ont-ils étendu leurs déploiements après avoir exploité les premiers systèmes ?

Les réponses détermineront si Helios devient une seconde plateforme durable ou reste une alternative stratégiquement utile mais à la part de marché limitée. Suivez les déploiements, consignez les preuves opérationnelles et comparez les systèmes complets. La prochaine phase du défi lancé par AMD à Nvidia se mesurera à l’intérieur des centres de données, et non sur une scène de keynote.