L'ordine Vultr AMD Helios offre a HPE un'opportunità da 1,2 miliardi di dollari contro Nvidia

Vultr ha effettuato un ordine da 1,2 miliardi di dollari per i sistemi AMD Helios di HPE, offrendo alla piattaforma da 72 GPU il suo primo cliente HPE. L'ordine Vultr AMD Helios porta l'architettura da una roadmap pubblica a un'implementazione commerciale nei data center statunitensi.

Questo accordo non è semplicemente un altro acquisto di acceleratori AI. HPE fornirà un rack integrato che combina capacità di calcolo AMD, software aperto, rete scale-up basata su Ethernet, raffreddamento a liquido e servizi di implementazione. L'intesa mette alla prova la capacità di un gruppo alternativo di fornitori di competere con Nvidia a livello di sistema completo.

Nvidia resta il punto di riferimento perché Vera Rubin NVL72 collega anch'esso 72 GPU come un unico dominio di calcolo su scala rack. Tuttavia, Nvidia controlla una porzione maggiore del proprio stack tramite tecnologie proprietarie come NVLink. AMD, HPE, Juniper e Broadcom presentano Ethernet basato su standard come una strada più aperta.

Questa distinzione conta più di qualsiasi singola dichiarazione sulle prestazioni di picco. Un sistema AI su scala rack deve fornire risultati coerenti tra acceleratori, memoria, rete, raffreddamento, orchestrazione e software. Vultr sta ora impegnando capitali significativi per dimostrare che l'approccio aperto può funzionare in un cloud di produzione.

L'ordine Vultr AMD Helios porta HPE in produzione

L'ordine offre a HPE la prima convalida commerciale per un sistema precedentemente definito soprattutto da specifiche e annunci di partnership.

HPE ha annunciato l'accordo il 30 settembre 2026. Secondo il suo annuncio dell'ordine, Vultr implementerà sistemi AMD Helios AI Rack by HPE nei suoi cloud data center statunitensi.

L'azienda ha descritto la transazione come il suo primo ordine per la piattaforma Helios integrata. HPE ha inoltre comunicato lo sviluppo tramite un deposito SEC del 30 settembre, collocando l'annuncio tra le proprie comunicazioni formali agli investitori.

Ogni rack conterrà 72 GPU AMD Instinct MI455X. Include inoltre processori AMD EPYC, nome in codice Venice, e schede di interfaccia di rete AMD Pensando Vulcano AI.

ROCm, la piattaforma software aperta di AMD per il calcolo GPU, fornisce l'ambiente di programmazione. HPE contribuisce con progettazione del rack, raffreddamento diretto a liquido, servizi di implementazione e sei vassoi di switch scale-up Juniper QFX5252 per rack.

La rete scale-up collega gli acceleratori all'interno di un unico dominio di calcolo. Deve trasferire i dati abbastanza rapidamente da permettere a molte GPU di operare su un modello condiviso senza trascorrere troppo tempo ad attendersi a vicenda.

Gli switch HPE usano UALink su Ethernet, comunemente abbreviato in UALoE. Questa architettura trasporta il traffico UALink attraverso una rete basata su Ethernet, invece di affidarsi a un'interconnessione controllata verticalmente.

HPE afferma che i sei vassoi di switch collegano ogni GPU con link ad alta larghezza di banda e bassa latenza. Questa dichiarazione richiederà prove in produzione, poiché le prestazioni di rete variano in base alla struttura dei carichi di lavoro, ai modelli di comunicazione e alla configurazione software.

Le aziende non hanno comunicato quanti rack Vultr abbia ordinato. Non hanno inoltre fornito un calendario di consegna completo né separato le componenti di calcolo, rete, raffreddamento, software e servizi dell'ordine.

Queste omissioni limitano i semplici calcoli sul costo per GPU o per rack. Impediscono inoltre agli osservatori esterni di stimare quanta parte del contratto rappresenti hardware rispetto al supporto operativo a lungo termine.

Ciononostante, l'accordo stabilisce un cliente reale e un obiettivo di implementazione significativo. Questo è il cambiamento essenziale. HPE non deve più sostenere che Helios attirerà eventualmente un acquirente.

Vultr gestisce già infrastrutture cloud per carichi di lavoro aziendali e AI. Può esporre il sistema a clienti interessati all'addestramento dei modelli, al fine-tuning e all'inferenza ad alto volume senza possedere un data center specializzato.

HPE ottiene inoltre un cliente che conosce gli acceleratori AMD. Vultr aveva già adottato sistemi AMD Instinct, riducendo l'attrito organizzativo necessario per aggiungere un'altra generazione AMD.

L'ordine ha quindi più peso di un benchmark di laboratorio o di un progetto di riferimento. Colloca Helios in un cloud commerciale, dove utilizzo, disponibilità operativa e domanda dei clienti determineranno il successo della piattaforma.

Perché HPE ha bisogno di qualcosa in più di una vendita di GPU

HPE sta usando il rack AMD Helios AI per competere sull'infrastruttura che circonda l'acceleratore, non soltanto sul telaio del server.

Il mercato dell'infrastruttura AI premia sempre più i fornitori in grado di consegnare un rack funzionante anziché una raccolta di componenti. I cluster densi di acceleratori richiedono alimentazione, raffreddamento, rete, firmware, software, monitoraggio e manutenzione coordinati.

Un cliente può acquistare chip ad alte prestazioni e incontrare comunque una scarsa utilizzazione del cluster. I ritardi emergono spesso dalla congestione di rete, da software instabile, da limiti termici o da guasti troppo lenti da diagnosticare.

Il ruolo di HPE è assemblare questi elementi in un sistema che Vultr possa implementare ripetutamente. Questo offre all'azienda l'opportunità di acquisire una spesa che altrimenti fluirebbe verso fornitori distinti di server, switch, raffreddamento e integrazione.

La componente di rete è particolarmente importante. HPE ha completato l'acquisizione di Juniper Networks nel 2025, aggiungendo tecnologia di switching e talento ingegneristico al proprio portafoglio infrastrutturale.

Helios offre un primo test della strategia combinata. Sei vassoi di switch Juniper sono collocati all'interno di ciascun sistema HPE, rendendo la rete parte del progetto centrale del rack.

I resoconti dell'evento per investitori di HPE hanno descritto l'accordo come un esempio dell'ingresso di Ethernet basato su standard nel livello scale-up. La stessa analisi della rete ha osservato che HPE non ha comunicato la quota di rete del contratto.

HPE ha detto agli investitori di vedere un'opportunità di rete legata a Helios superiore a 1 miliardo di dollari nei prossimi due anni. Ha inoltre dichiarato che gli ordini per i vassoi di rete avevano già superato i 200 milioni di dollari.

Queste cifre sono previsioni aziendali, non prove di implementazioni presso clienti già completate. Ciò nonostante, chiariscono perché HPE consideri Helios più di un ulteriore prodotto server.

L'azienda vuole che le proprie apparecchiature di rete gestiscano il traffico da acceleratore ad acceleratore all'interno del rack. Si tratta di un carico di lavoro impegnativo perché i job AI distribuiti scambiano grandi tensori tra molti dispositivi.

Latenza o congestione a questo livello possono lasciare inattivi acceleratori costosi. Una fabric debole può annullare i vantaggi promessi da GPU più veloci o pool di memoria più ampi.

L'implementazione Vultr metterà quindi alla prova le capacità di integrazione di HPE tanto quanto il silicio di AMD. HPE deve dimostrare che i suoi switch, il sistema di raffreddamento, i servizi e il progetto del rack funzionano come un unico prodotto affidabile.

Deve inoltre rendere il sistema gestibile in molteplici strutture cloud. Ripetere una configurazione su larga scala richiede installazione coerente, telemetria, gestione dei guasti e procedure per le parti di ricambio.

Il raffreddamento diretto a liquido aggiunge un altro requisito operativo. La tecnologia trasferisce calore tramite refrigerante vicino ai componenti ad alta potenza, consentendo densità che il raffreddamento ad aria convenzionale fatica a supportare.

Tuttavia, il raffreddamento a liquido influenza anche la progettazione e la manutenzione della struttura. Gli operatori necessitano di impianti idraulici compatibili, smaltimento del calore, gestione delle perdite, tecnici formati e procedure per sostituire i componenti.

HPE afferma che la propria organizzazione di servizi ridurrà questi rischi di implementazione e operativi. Il lancio effettivo di Vultr mostrerà se questa promessa resiste al confronto con strutture e calendari di produzione differenti.

Per HPE, il successo convaliderebbe la logica alla base della combinazione tra calcolo e rete Juniper. Un fallimento suggerirebbe che l'acquisizione di asset di rete non crea automaticamente una piattaforma AI competitiva su scala rack.

Ethernet aperto è la vera scommessa contro Nvidia

La competizione principale è tra uno stack Ethernet aperto e multi-vendor e l'architettura su scala rack strettamente integrata di Nvidia.

Nvidia ha costruito la propria posizione nell'infrastruttura AI attraverso qualcosa in più delle prestazioni degli acceleratori. Software CUDA, interconnessioni NVLink, prodotti di rete, progetti di riferimento e familiarità degli sviluppatori si rafforzano a vicenda.

Vera Rubin NVL72 estende quel modello a un rack da 72 GPU. Le specifiche NVL72 pubblicate da Nvidia combinano 72 GPU Rubin con 36 CPU Vera e NVLink di sesta generazione.

AMD Helios punta alla stessa categoria su scala rack con una diversa struttura di fornitori. AMD fornisce acceleratori, processori host, tecnologia di interfaccia di rete e ROCm. HPE fornisce integrazione, servizi, raffreddamento e switching Juniper.

Broadcom contribuisce con la tecnologia di switching utilizzata nel progetto scale-up di HPE. Le specifiche rack dell'Open Compute Project, UALink e gli standard Ethernet creano interfacce che ulteriori fornitori possono adottare.

L'argomento risultante non è che Helios manchi di integrazione. È che l'integrazione non richiede a un unico fornitore di controllare ogni livello critico.

Le specifiche Helios pubblicate da AMD indicano 72 GPU MI455X, 31 terabyte di memoria HBM4 e 260 terabyte al secondo di larghezza di banda scale-up aggregata. HBM4 è memoria ad alta larghezza di banda collocata vicino alla GPU per un rapido accesso ai dati del modello.

AMD indica inoltre 2,9 exaflop di calcolo FP4 di picco e 1,4 exaflop a FP8. FP4 e FP8 sono formati numerici a bassa precisione progettati per aumentare il throughput AI usando meno memoria ed energia.

I dati di picco non si traducono direttamente nelle prestazioni delle applicazioni. Fornitori diversi possono utilizzare formati di dati, ipotesi di sparsità, impostazioni software e condizioni di carico di lavoro differenti.

Questo rende i confronti tra MI455X e Vera Rubin meno lineari del semplice confronto tra due numeri. Gli acquirenti hanno bisogno di risultati da modelli reali, dimensioni dei batch, lunghezze del contesto, modelli di rete e requisiti di livello di servizio.

La capacità di memoria offre ad AMD un chiaro argomento di marketing. Helios è progettato con 31 terabyte di HBM4 a livello rack, supportando modelli di grandi dimensioni e inferenza a contesto lungo senza dividere i dati in modo altrettanto aggressivo.

Nvidia risponde con la maturità del suo software e la rete integrata. Il suo ecosistema CUDA rimane profondamente radicato nei framework AI, nelle librerie ottimizzate, nei sistemi di implementazione e nelle pratiche ingegneristiche.

ROCm è migliorato sostanzialmente, ma l'adozione comporta qualcosa di più della compilazione di un modello. I team di produzione necessitano di kernel stabili, monitoraggio, orchestrazione, controlli di sicurezza e prestazioni prevedibili durante frequenti aggiornamenti dei framework.

È qui che Vultr diventa strategicamente utile. Un provider cloud può assorbire parte della complessità di integrazione e presentare ai clienti un'infrastruttura gestita anziché componenti grezzi.

I clienti potrebbero preoccuparsi meno della fabric sottostante se Vultr fornisce istanze affidabili o cluster riservati. Questo approccio può rendere l'hardware AMD accessibile ai team privi di specialisti in ROCm e sistemi distribuiti.

Tuttavia, la disponibilità nel cloud da sola non neutralizzerà le differenze software. I clienti confronteranno comunque compatibilità dei modelli, impegno degli sviluppatori, prestazioni per dollaro e tempo necessario per raggiungere una produzione stabile.

L'ordine Vultr AMD Helios offre all'approccio aperto una sede seria per questa valutazione. Non stabilisce un vincitore prima che i sistemi siano implementati e misurati.

Le specifiche non risolvono il confronto tra MI455X e Vera Rubin

Entrambi i fornitori pubblicano dati di picco impressionanti, ma gli acquirenti cloud pagano in ultima analisi per carichi di lavoro completati, capacità effettivamente utilizzabile e operazioni prevedibili.

AMD afferma che Helios supporta l'addestramento di modelli con mille miliardi di parametri e l'inferenza ad alto volume. Il suo progetto privilegia capacità di memoria, standard aperti e connettività basata su Ethernet all'interno e tra i rack.

Nvidia posiziona Vera Rubin attorno all'inferenza agentica, all'efficienza dell'addestramento e al throughput di token. L'azienda afferma che la sua piattaforma combina CPU, GPU, DPU, interfacce di rete e switching in un unico sistema progettato congiuntamente.

Queste affermazioni utilizzano carichi di lavoro e metodologie selezionati dai fornitori. Sono utili per comprendere le priorità dei prodotti, ma non sostituiscono benchmark indipendenti.

Una recensione tecnica indipendente ha descritto MI455X come la risposta rack-scale più credibile di AMD a Nvidia. Ha inoltre sottolineato l'importanza della capacità di Helios di unire 72 GPU in un unico dominio coerente.

Il confronto include ancora importanti incognite. Una riguarda l'utilizzo effettivamente raggiunto, che misura quanto costantemente le applicazioni sfruttino la capacità di calcolo teorica del sistema.

Un'altra riguarda le prestazioni della comunicazione collettiva. I lavori di addestramento scambiano spesso risultati parziali tra GPU, e una sincronizzazione lenta può ridurre l'output dell'intero cluster.

L'inferenza crea pressioni diverse. Contesti lunghi, grandi modelli mixture-of-experts e numerose richieste simultanee mettono sotto stress capacità e larghezza di banda della memoria, routing e pianificazione.

Una terza incognita è lo sforzo necessario per la conversione del software. I modelli sviluppati su sistemi Nvidia possono dipendere da librerie, kernel o strumenti operativi specifici di CUDA.

ROCm supporta i principali framework, inclusi PyTorch, TensorFlow e JAX. La compatibilità a livello di framework non garantisce un comportamento identico per ogni pipeline di produzione ottimizzata.

Gli sviluppatori potrebbero dover modificare i kernel, ottimizzare le impostazioni di comunicazione o sostituire dipendenze. Tali costi possono superare i risparmi hardware quando un team affronta una scadenza di distribuzione ravvicinata.

Vultr può ridurre il carico pubblicando configurazioni validate, container ottimizzati, ricette per modelli e prestazioni misurate. Può inoltre fornire supporto tecnico basato sulla gestione diretta dei rack.

Il provider cloud ha un incentivo a svolgere questo lavoro. Ampliare l'offerta praticabile di acceleratori può ridurre la dipendenza da un singolo fornitore e offrire ai clienti ulteriori opzioni di capacità.

Tuttavia, la capacità deve arrivare nei tempi previsti. HPE e Vultr non hanno divulgato un calendario dettagliato di distribuzione, mentre AMD ha descritto le spedizioni di Helios come in crescita fino alla fine del 2026 e nel 2027.

Un grande ordine può comprendere impegni di acquisto, finestre di consegna, servizi e capacità futura. Il valore annunciato non dimostra che tutto l'hardware sia già installato o disponibile per i clienti.

I rischi di produzione e distribuzione restano significativi. Gli acceleratori MI455X richiedono packaging avanzato e HBM4. I rack Helios dipendono inoltre da nuove CPU, componenti di rete, vassoi per switch, apparecchiature di raffreddamento e preparazione delle strutture.

Un ritardo in qualsiasi componente critico può rallentare l'intero sistema. I prodotti rack-scale concentrano le dipendenze perché l'acquirente ha bisogno della configurazione integrata, non di un componente sostitutivo.

La disponibilità di energia rappresenta un altro vincolo. I rack AI ad alta densità richiedono una notevole infrastruttura elettrica e di raffreddamento, che non sempre può essere aggiunta rapidamente a un data center esistente.

Il reale confronto tra MI455X e Vera Rubin emergerà quindi dalle distribuzioni, non dalle slide di lancio. Confronti utili devono riportare uptime, consumo energetico, throughput dei modelli, latenza e costo operativo totale in condizioni equivalenti.

Vultr Sta Acquistando Leva Contrattuale Oltre Alla Capacità

L'impegno di Vultr le offre un'altra piattaforma di acceleratori, rafforzando al tempo stesso la sua posizione tra fornitori di chip e clienti AI aziendali.

I provider cloud affrontano un equilibrio difficile. Devono assicurarsi hardware scarso in anticipo, ma rischiano anche di vincolare capitale a sistemi prima che la domanda dei clienti diventi prevedibile.

L'ordine di Vultr indica fiducia nel fatto che i clienti utilizzeranno la capacità AMD per addestramento e inferenza. L'azienda afferma che la domanda di infrastrutture AI ad alte prestazioni continua a superare l'offerta disponibile.

Questa dichiarazione riflette la valutazione commerciale di Vultr e non è stata verificata indipendentemente attraverso dati di utilizzo divulgati. L'azienda non pubblica dettagli sufficienti per misurare la futura domanda di Helios per cliente o carico di lavoro.

Tuttavia, la logica strategica è chiara. Supportare Nvidia e AMD consente a Vultr di offrire più opzioni rispetto a un cloud costruito attorno a un'unica famiglia di acceleratori.

Questa flessibilità può attrarre le imprese preoccupate per la disponibilità dell'hardware, la concentrazione dei fornitori o la portabilità del software. Può anche attirare team i cui carichi di lavoro traggono vantaggio da pool di memoria più ampi.

Vultr ottiene leva negoziale quando più piattaforme di acceleratori possono soddisfare le esigenze dei clienti. L'azienda diventa meno esposta al calendario di produzione e alle condizioni commerciali di un singolo fornitore.

AMD ottiene un canale cloud visibile per MI455X. HPE ottiene il suo primo cliente Helios integrato. Le apparecchiature Juniper trovano posto all'interno di una rete su scala di acceleratori.

L'accordo offre inoltre a Vultr un prodotto differenziato. Gli hyperscaler più grandi offrono portafogli ampi, ma i cloud AI indipendenti possono competere attraverso l'accesso anticipato all'hardware, supporto mirato e opzioni geografiche.

Questa opportunità comporta un rischio di concentrazione. L'ordine è grande rispetto a molte transazioni private per infrastrutture cloud, e Vultr deve trasformare l'hardware installato in un utilizzo continuativo da parte dei clienti.

Gli impegni di capacità riservata rafforzerebbero il caso. Lo farebbero anche esempi pubblici che mostrino clienti in grado di trasferire modelli rilevanti da sistemi Nvidia a Helios senza una lunga fase di riqualificazione.

Un basso utilizzo produrrebbe l'esito opposto. Rack costosi assorbono capitale anche quando i lavori dei clienti non li tengono occupati.

Vultr deve inoltre gestire le aspettative dei clienti sulla portabilità delle prestazioni. Un modello che funziona correttamente su entrambe le piattaforme può comunque produrre caratteristiche differenti in termini di throughput, latenza e costo.

Il provider cloud può aiutare presentando evidenze specifiche per ciascun carico di lavoro. I confronti generici tra acceleratori sono meno utili delle misurazioni relative all'addestramento dei modelli, all'inferenza a contesto lungo, al fine-tuning e ai carichi di lavoro agentici.

I clienti dovrebbero inoltre osservare la disponibilità del servizio. Alcuni cluster specializzati in strutture selezionate avrebbero un peso competitivo inferiore rispetto a capacità Helios standardizzata nell'intero cloud di Vultr.

La distribuzione geografica è importante perché gli acquirenti aziendali considerano latenza, residenza dei dati, disaster recovery e prossimità ai dataset archiviati. HPE ha soltanto dichiarato che i sistemi sarebbero entrati in sedi negli Stati Uniti.

L'annuncio lascia inoltre poco chiara la struttura contrattuale. Nessuna delle due aziende ha divulgato tappe di consegna, clausole di cancellazione, acquisti minimi o la quota collegata ai servizi.

Questi dettagli incidono sul livello di rischio assunto da ciascuna parte. Un acquisto hardware vincolante differisce da un accordo quadro pluriennale che dipende dai futuri requisiti di capacità.

L'ordine Vultr AMD Helios rappresenta quindi un forte segnale di domanda, ma non equivale a una distribuzione completata. La distinzione dovrebbe restare evidente finché i clienti non potranno accedere ai sistemi su larga scala.

Tre Segnali Mostreranno Se Helios Può Affermarsi

I tempi di consegna, i risultati dei carichi di lavoro in produzione e una più ampia adozione da parte dei clienti determineranno se questo ordine cambierà il mercato competitivo.

Il primo segnale è la distribuzione fisica. HPE e Vultr devono indicare quando la capacità Helios diventerà operativa e dove i clienti potranno accedervi.

Un lancio in produzione confermato rafforzerebbe l'affermazione che AMD e HPE possono produrre, integrare e installare una nuova piattaforma rack-scale nei tempi previsti. Ritardi ripetuti la indebolirebbero.

La disponibilità dovrebbe comprendere più di un comunicato stampa. Vultr dovrebbe pubblicare regioni di servizio, opzioni di prenotazione, dettagli delle configurazioni e capacità prevista per clienti qualificati.

Il secondo segnale è l'evidenza relativa ai carichi di lavoro. Benchmark indipendenti o verificati dai clienti dovrebbero confrontare Helios con sistemi Nvidia rilevanti in condizioni equivalenti.

Risultati utili includerebbero token al secondo, tempo di completamento dell'addestramento, consumo energetico, dimensione del modello, lunghezza del contesto, dimensione del batch e versioni software. Dovrebbero anche riportare lo sforzo di ottimizzazione.

Questa evidenza deve coprire sia l'addestramento sia l'inferenza. Una piattaforma può avere buone prestazioni in una categoria e faticare con comunicazione, latenza o supporto software nell'altra.

Anche i dati operativi sono importanti. I clienti hanno bisogno di informazioni su uptime, ripristino dopo guasti dei componenti, pianificazione dei cluster e impatto delle operazioni di manutenzione sulle prestazioni.

Risultati solidi sosterrebbero la posizione di AMD secondo cui gli standard aperti possono offrire prestazioni rack-scale competitive. Risultati deboli o selezionati in modo ristretto conserverebbero il vantaggio di integrazione di Nvidia.

Il terzo segnale è l'adozione successiva. HPE ha bisogno di ulteriori clienti Helios, mentre AMD necessita di distribuzioni che vadano oltre i partner già impegnati.

Ordini da altri provider cloud, imprese, organizzazioni di ricerca o programmi nazionali di calcolo dimostrerebbero che l'architettura interessa più tipi di acquirenti.

Sarebbero ancora più rivelatori acquisti ripetuti da parte di Vultr. Una seconda espansione dopo l'uso in produzione suggerirebbe che domanda dei clienti ed economia operativa hanno soddisfatto le aspettative.

Anche la risposta di Nvidia merita attenzione. L'azienda può difendere la propria posizione attraverso distribuzioni Rubin più rapide, software migliorato, partnership cloud aggressive e offerte Ethernet più solide.

HPE e AMD non devono sostituire Nvidia sull'intero mercato per convalidare Helios. Devono stabilire un'alternativa affidabile per i carichi di lavoro in cui apertura, memoria, disponibilità o diversificazione dei fornitori offrano valore sufficiente.

Per sviluppatori e acquirenti aziendali, l'azione immediata consiste nell'evitare di trattare le specifiche di picco come conclusioni d'acquisto. Chiedete ai provider misurazioni che corrispondano al modello previsto e all'ambiente operativo.

Richiedete dettagli sulla migrazione software, sui framework validati, sulla disponibilità dei cluster, sugli impegni di servizio e sul ripristino dai guasti. Confrontate lo sforzo ingegneristico richiesto per arrivare in produzione, non solo il throughput degli acceleratori.

L'ordine Vultr AMD Helios ha creato un test commerciale credibile. Ora il settore ha bisogno di evidenze di distribuzione che distinguano un'architettura ambiziosa da una piattaforma cloud affidabile.