AMD Google Cloud 공백이 Nvidia Rubin을 겨냥한 MI455X의 과제를 부각하다

AMD는 7월 23일 Nvidia의 Rubin 세대를 직접 겨냥한 Instinct MI455X를 출시했다. 그러나 amd google 관계는 확대되는 고객 목록에서 여전히 눈에 띄는 공백으로 남아 있다.

새 GPU는 AMD 최초의 완전 통합형 랙 스케일 AI 설계인 Helios에 탑재된다. Helios 랙 하나는 EPYC 프로세서, Pensando 네트워킹, ROCm 소프트웨어 스택과 함께 MI455X 가속기 72개를 연결한다. AMD는 이 시스템이 Nvidia의 비교 대상인 Vera Rubin NVL72 랙보다 더 많은 메모리와 더 높은 저정밀 연산 최대 성능을 제공한다고 말한다.

이 주장은 이번 출시를 단순한 가속기 세대교체 이상으로 만든다. AMD는 클라우드 사업자와 모델 개발자에게 완전한 AI 시스템을 위한 대안 아키텍처를 고려해 달라고 요청하고 있다. Microsoft, Meta, OpenAI, Oracle, Anthropic은 이 전략에 대해 각기 다른 수준의 검증을 제공했다.

Google은 다른 시험대다. Google Cloud는 이미 AMD EPYC 가상 머신을 제공하지만, 자체 TPU 가속기 플랫폼도 운영한다. AMD의 출시 자료에는 MI455X나 Helios에 대한 Google의 동등한 수준의 약속이 나타나지 않았다.

따라서 핵심 경쟁은 AMD 실리콘 대 Nvidia 실리콘보다 더 큰 범위에 걸쳐 있다. AMD는 개방형 랙 설계가 실제 운영 규모에서 워크로드, 개발자, 운영자를 끌어들일 수 있음을 입증해야 한다. 사양은 그 주장을 설득력 있게 만들지만, Nvidia가 보유한 소프트웨어 및 배포상의 우위를 없애지는 못한다.

AMD의 MI455X, Helios를 완성형 랙 경쟁자로 만들다

AMD는 가속기 부품 판매에서 벗어나 Nvidia의 Rubin 플랫폼이 겨냥하는 동일한 구매 수요를 위한 완성형 72-GPU 시스템을 제시하고 있다.

MI455X는 AMD MI400 시리즈의 플래그십 가속기다. 소비자용 그래픽이 아닌 데이터센터 컴퓨팅을 위해 설계된 AMD의 5세대 CDNA 아키텍처를 사용한다.

AMD는 3,200억 개 트랜지스터와 2.4 GHz의 최대 엔진 클록을 제시한다. 이 가속기에는 프로세서 가까이에 배치된 고대역폭 메모리인 HBM4가 432 GB 탑재된다. 이 메모리는 이론상 초당 최대 23.3테라바이트의 대역폭을 제공한다.

이 칩은 최대 40.3페타플롭스의 OCP MXFP4 성능도 지원한다. MXFP4는 적합한 AI 워크로드에서 처리량을 높이는 데 쓰이는 압축형 4비트 수치 형식이다. AMD는 여러 6비트 및 8비트 형식에서 20.1페타플롭스를 보고했다.

이 수치는 애플리케이션 벤치마크가 아닌 이론적 최대치다. 특정 형식과 운용 조건에서 가능한 최대 처리량을 설명한다. 실제 성능은 모델, 소프트웨어 커널, 네트워킹, 메모리 동작, 시스템 구성에 따라 달라진다.

메모리 용량은 AMD의 가장 분명한 아키텍처 논거 중 하나다. 회사의 MI400 specifications는 MI455X의 432 GB를 Nvidia Rubin GPU의 288 GB와 비교한다. AMD는 Rubin의 22 TB/s와 비교해 23.3 TB/s의 대역폭도 주장한다.

랙 수준에서 Helios는 MI455X GPU 72개를 결합한다. AMD는 총 HBM4 메모리 31 TB, FP4 연산 2.9엑사플롭스, FP8 연산 1.4엑사플롭스를 제시한다.

이 랙에는 6세대 EPYC “Venice” 서버 CPU와 Pensando Vulcano 네트워킹 구성요소가 포함된다. GPU 컴퓨팅을 위한 AMD의 오픈소스 소프트웨어 플랫폼인 ROCm은 하드웨어를 프레임워크 및 추론 엔진과 연결한다.

AMD는 Helios를 랙 스케일 솔루션이라고 부르지만, 문서에는 중요한 구분이 추가돼 있다. Helios는 레퍼런스 설계로, 제조 파트너가 그 청사진을 바탕으로 시스템을 구축할 수 있음을 의미한다. AMD만 판매하는 하나의 밀폐형 제품은 아니다.

이 접근법은 공급업체 선택권을 넓히고 맞춤화를 지원할 수 있다. 동시에 AMD와 파트너에게 구현 방식 전반에서 일관된 동작을 제공해야 할 책임을 부여한다.

Helios는 고밀도 AI 시스템을 위해 만들어진 이중 폭 설계인 Meta의 Open Rack Wide 사양을 사용한다. 또한 가속기 간 및 클러스터 전반의 통신을 위해 UALink와 Ultra Ethernet 표준을 통합한다.

AMD에 따르면 랙 내부에서 UALoE는 단일 홉 토폴로지를 통해 72개 GPU 전체를 연결한다. UALoE는 Ethernet 기술 위에서 Ultra Accelerator Link 프로토콜을 전송한다. 목표는 가속기들을 하나의 긴밀하게 연결된 컴퓨팅 도메인으로 노출하는 것이다.

AMD는 총 260 TB/s의 스케일업 대역폭을 제시한다. 스케일업 통신은 연결된 시스템 내부 GPU 간에 데이터를 이동시키는 반면, 스케일아웃 네트워킹은 해당 시스템을 다른 랙과 연결한다.

이 세부 사항은 이번 출시의 의미를 설명한다. MI455X는 고객이 경쟁력 있는 클러스터로 조립해야 하는 독립형 카드로 시장에 진입하는 것이 아니다. AMD는 랙과 메가와트 단위로 AI 용량을 구매하는 조직을 위한 완전한 아키텍처를 제공하고 있다.

이는 구매 논의를 바꾼다. 고객은 이제 메모리, 컴퓨팅, 네트워킹, CPU, 시스템 설계, 소프트웨어, 배포 약속 전반에서 AMD와 Nvidia를 비교할 수 있다. 경쟁은 인프라 스택 전체로 확대됐다.

AMD Google 질문은 클라우드 검증에 관한 문제다

발표된 Helios 고객군에 Google이 없다는 점은 중요하다. 클라우드 제공 여부가 개발자가 새 가속기를 실제로 접하게 될지를 결정할 수 있기 때문이다.

AMD는 서버 프로세서 분야에서 이미 Google과 상당한 관계를 맺고 있다. Google Cloud는 까다로운 기술 워크로드를 위한 컴퓨팅 중심 가상 머신을 포함해 여러 세대의 AMD EPYC CPU 기반 인스턴스를 출시했다.

이 CPU 관계가 AI 가속기로 자동 확장되는 것은 아니다. Google은 머신러닝 모델의 학습과 서비스 제공을 위한 TPU, 즉 Tensor Processing Units를 수년간 개발해 왔다. 이 칩들을 내부에 배포하고 Google Cloud를 통해 제공할 수 있다.

이 때문에 amd google cloud 관계는 상용 GPU에 더 크게 의존하는 기업들과 AMD가 맺은 파트너십과 구조적으로 다르다. Google은 Nvidia 시스템을 구매하거나, 자체 TPU를 확장하거나, 경제성이 다른 선택지를 정당화할 때 AMD 가속기를 추가할 수 있다.

Google에는 아키텍처 다양성을 유지할 이유도 있다. AI 컴퓨팅 수요는 여전히 충족하기 어렵고, 워크로드마다 적합한 가속기가 다를 수 있다. 신뢰할 수 있는 MI455X 플랫폼은 Google에 고메모리 GPU 용량을 위한 또 하나의 공급원을 제공할 수 있다.

그러나 AMD의 출시 근거만으로는 그러한 결과가 확립되지 않는다. AMD 제품 페이지에서 공개된 MI455X 또는 Helios 배포 고객 목록에는 Google이 포함되지 않았다. 양사는 7월 출시와 함께 Google Cloud MI455X 서비스를 발표하지도 않았다.

이 누락을 거절로 해석해서는 안 된다. 클라우드 인프라 계약은 용량, 소프트웨어, 고객 접근성이 준비될 때까지 비공개로 유지되는 경우가 많다. 실리콘 사양이 공개된 뒤에도 인증에는 수개월이 걸릴 수 있다.

그럼에도 호환성 주장보다 실명 배포가 더 강력한 검증을 제공한다. Microsoft는 Azure가 프런티어 모델 추론, Azure AI 서비스, 고객 애플리케이션을 위해 Helios를 배포할 것이라고 발표했다. AMD는 Microsoft를 포함한 고객 출하가 2026년 하반기에 시작될 것이라고 밝혔다.

Microsoft의 약속은 Azure가 개별 GPU를 단순 구매하는 것이 아니라 전체 플랫폼을 운영해야 한다는 점에서 중요하다. Azure 엔지니어들은 프로비저닝, 네트워킹, 모니터링, 보안, 소프트웨어 업데이트를 클라우드 환경에 통합해야 한다.

Meta는 또 다른 형태의 검증을 제공한다. AMD와 Meta는 최대 6기가와트 규모의 Instinct 배포를 포괄하는 다세대 계약을 발표했다. 초기 1기가와트 단계에는 맞춤형 MI450 기반 가속기와 Helios 아키텍처가 사용될 것으로 예상된다.

이 고객 맞춤형 칩은 표준 MI455X와 다르다. 그럼에도 이 계약은 Helios가 매우 큰 규모의 운영자를 지원할 수 있다는 AMD의 폭넓은 주장을 뒷받침한다. 또한 AMD는 랙 및 데이터센터 규모로 인프라를 설계하는 고객과의 경험을 얻게 된다.

Anthropic과 OpenAI는 주요 모델 개발자들의 수요를 더한다. 이 관계들은 구매자들이 협상력, 더 많은 공급, 추론에 맞춘 아키텍처를 원한다는 점을 시사한다. 모든 워크로드에서 동등한 소프트웨어 성숙도를 입증하는 것은 아니다.

Google은 경쟁 가속기 스택을 보유하고 있어 특히 유용한 지표로 남는다. 향후 Google Cloud 배포가 이뤄진다면, 강력한 맞춤형 실리콘을 갖춘 기업 내부에서도 MI455X가 가치를 더한다는 점을 시사할 수 있다.

그 신호가 없는 상황에서 핵심 근거는 다른 하이퍼스케일러와 AI 연구소에 의존한다. 그것도 여전히 의미가 있지만, 업계 최대 인프라 운영자 중 하나가 공개된 Helios 고객 지도 밖에 남아 있음을 뜻한다.

개발자에게 클라우드 제공 여부는 편의성 이상의 영향을 미친다. 랙 구매 없이 하드웨어에 접근할 수 있게 하고, 테스트를 가속하며, 소프트웨어 팀이 실제 워크로드에서 가격 대비 성능을 비교할 수 있게 한다.

또한 라이브러리와 프레임워크에 피드백을 생성한다. 더 많은 클라우드 사용자는 더 많은 버그, 누락된 커널, 성능 병목을 드러낸다. 이 피드백은 ROCm을 개선하고 이후 기업 구매자의 불확실성을 줄일 수 있다.

따라서 amd google 공백은 키워드 연관성으로 만들어진 부차적 이야기가 아니다. 이는 AMD의 가속기 사업이 이미 Nvidia에 도전할 동기를 지닌 고객을 넘어 얼마나 확장됐는지를 보여주는 실질적 척도다.

Helios, 메모리와 개방형 네트워킹으로 Rubin에 도전하다

AMD의 핵심 베팅은 더 큰 로컬 메모리와 표준 기반 연결성이 Nvidia의 소프트웨어, 시스템, 설치 기반 우위를 상쇄할 수 있다는 것이다.

Nvidia의 Vera Rubin 플랫폼 역시 완전한 인프라 시스템이다. Rubin GPU, Vera CPU, NVLink 6 스위칭, ConnectX 네트워킹, BlueField 데이터 처리 장치, Spectrum Ethernet 제품을 결합한다.

이 긴밀한 통합은 Nvidia가 하드웨어와 소프트웨어 전반의 데이터 이동을 최적화할 수 있게 한다. 회사는 Vera Rubin을 사전 학습, 사후 학습, 추론, 에이전트형 추론용으로 포지셔닝한다. Nvidia는 이 플랫폼이 2026년 3월에 본격 양산에 들어갔다고 밝혔다.

Vera Rubin platform은 여러 랙 구성과 지원 시스템을 포함한다. Nvidia는 Blackwell과 비교해 추론 비용과 학습 요구량이 크게 줄어든다고 주장한다. 이 비교는 Nvidia 자체 방법을 사용하며 워크로드에 따라 결과가 달라질 수 있다.

AMD는 다른 아키텍처와 상업적 메시지로 대응한다. 개방형 랙 사양, Ethernet 기반 기술, 표준화된 가속기 링크를 강조한다. 회사는 고객이 모든 계층에서 하나의 독점 인터커넥트에 의존할 필요가 없어야 한다고 주장한다.

개방성에는 실질적인 한계가 있다. 공개된 사양이 서로 다른 공급업체의 구성요소가 동일하게 작동함을 보장하지는 않는다. 구매자는 여전히 검증된 스위치, 케이블, 펌웨어, 관리 도구, 소프트웨어가 필요하다.

Nvidia의 통합은 이러한 운영상의 불확실성을 줄일 수 있다. 고객은 확립된 배포 관행을 갖춘 통제된 플랫폼을 구매한다. 그 대가는 Nvidia의 기술과 출시 일정에 대한 의존도가 높아지는 것이다.

AMD의 더 큰 메모리 용량은 더 구체적인 차이를 만든다. 생성형 AI 추론은 종종 모델 가중치와 키-값 캐시를 가속기 메모리에 저장한다. 키-값 캐시는 시퀀스를 처리하고 생성하는 동안 사용되는 어텐션 데이터를 보존한다.

더 많은 메모리는 더 큰 모델, 더 긴 컨텍스트, 더 큰 배치 또는 가속기 간 더 적은 분할을 지원할 수 있다. 또한 모델이 그렇지 않았다면 더 많은 장치에 걸쳐야 할 경우 필요한 통신을 줄일 수 있다.

하지만 용량만으로 유용한 처리량이 결정되지는 않는다. 가속기는 데이터를 빠르게 이동시키고, 최적화된 커널을 실행하며, 동료 장치와 효율적으로 통신해야 한다. 소프트웨어 스케줄링과 모델 아키텍처는 결과를 크게 바꿀 수 있다.

AMD는 Helios 랙 한 대가 Nvidia의 유사한 Vera Rubin NVL72 구성보다 HBM 용량이 50% 더 크다고 말한다. AMD는 또한 MXFP4 기준 최대 성능이 15% 더 높고 스케일아웃 대역폭도 더 크다고 주장한다.

이는 주로 최대 사양을 바탕으로 한 공급업체 비교다. Helios가 모든 학습 작업을 더 빠르게 완료하거나 모든 모델을 더 낮은 비용으로 제공한다는 증거로 해석해서는 안 된다.

독립적인 프로덕션 벤치마크가 더 중요하다. 구매자는 널리 사용되는 mixture-of-experts 모델, 밀집형 모델, 장문 컨텍스트 추론, 파인튜닝, 분산 학습에 대한 측정치를 필요로 한다. 또한 현실적인 전력 및 지연 시간 제약 조건에서의 결과도 필요하다.

Mixture-of-experts 모델은 각 토큰마다 선택된 파라미터 그룹을 활성화한다. 이는 컴퓨팅 요구량을 줄일 수 있지만, 까다로운 통신 패턴을 만든다. AMD는 이전에 이러한 워크로드에서 MI400의 세대 간 성능 향상이 클 것으로 전망했다.

CDNA 5는 AMD의 실행 모델도 바꾼다. 32스레드 wavefront를 사용하며, 이는 하나의 명령어가 32개 작업 항목 그룹에 걸쳐 수행된다는 의미다. 이전 CDNA 세대는 일반적으로 더 넓은 64스레드 wavefront를 사용했다.

AMD는 더 좁은 설계가 동기화 비용을 줄이고 텐서 워크로드의 매핑을 쉽게 만든다고 말한다. 이러한 변화는 현대 AMD 그래픽 아키텍처에서 이미 사용된 선택과 닮아 있다. 개발자는 여전히 이점을 확보하기 위해 업데이트된 커널이 필요할 수 있다.

새로운 Tensor Data Mover는 주 컴퓨팅 엔진에 의존하지 않고 특정 메모리 전송을 처리한다. 주소 생성과 데이터 이동을 오프로드하면 해당 엔진을 수학 연산에 활용할 수 있다.

이러한 메커니즘은 MI455X를 신뢰할 만한 기술적 도전자로 만든다. 다만 두 플랫폼 모두 빠르게 변화하는 모델 전반의 소프트웨어 최적화에 의존하므로, 시스템 비교의 결론을 내리지는 못한다.

Nvidia는 방대한 라이브러리, 도구, 숙련 개발자 기반의 지원을 받는 프로그래밍 플랫폼 CUDA를 보유하고 있다. 조직들은 수년간 이 환경을 중심으로 배포 프로세스를 구축해 왔다.

AMD의 ROCm은 PyTorch, JAX, vLLM, SGLang, Triton, ONNX Runtime 등을 포함한 프레임워크 지원을 개선했다. AMD는 다운로드의 큰 증가와 더 폭넓은 모델 호환성도 보고했다.

호환성은 시작점일 뿐이다. 프로덕션 팀은 안정적인 업그레이드, 예측 가능한 성능, 디버거, 프로파일링 도구, 분산 통신, 신규 모델에 대한 신속한 지원을 중요하게 여긴다.

Helios는 AMD가 Nvidia의 랙 규모 경쟁에 진입하는 데 필요한 하드웨어 구조를 제공한다. ROCm은 모든 배포가 맞춤형 엔지니어링 프로젝트로 변하지 않도록 이 구조를 활용 가능하게 만들어야 한다.

최대 사양만으로는 AI GPU 경쟁의 승패를 가릴 수 없다

가장 큰 불확실성은 MI455X에 경쟁력 있는 구성 요소가 있는지 여부가 아니라, AMD가 이를 반복 가능한 프로덕션 결과로 전환할 수 있는지다.

AMD의 공개 비교는 이론적 성능을 강조한다. 초당 최대 연산 횟수는 특정 수치 형식에서의 상한을 나타낸다. 애플리케이션은 전체 작업 동안 그 한계에 거의 도달하지 못한다.

프로세서가 메모리, 네트워킹, 동기화 또는 불규칙한 모델 연산을 기다리면 활용률은 떨어질 수 있다. 더 높은 최대 처리율은 소프트웨어가 충분한 하드웨어를 계속 활용할 때만 의미가 있다.

저정밀 형식에는 또 다른 조건이 따른다. FP4와 MXFP4는 처리량을 높이고 메모리 사용량을 줄일 수 있지만, 모델이 낮아진 수치 정밀도를 감당할 수 있어야 한다. 일부 단계나 워크로드에는 더 넓은 형식이 필요하다.

값을 저정밀 표현으로 변환하는 양자화 이후에도 모델 품질은 허용 가능한 수준을 유지해야 한다. 최적 구성은 모델, 데이터세트, 서빙 목표, 지연 시간 목표에 따라 달라질 수 있다.

이 때문에 엔드투엔드 테스트가 필수적이다. 신뢰할 수 있는 평가는 모델 준비, 프레임워크 버전, 배치 크기, 컨텍스트 길이, 지연 시간 목표, 전력 사용량, 정확도 측정을 포함해야 한다.

Rubin과의 AMD 비교는 폭넓은 고객 배포 이전에는 특히 판단하기 어렵다. MI455X와 Rubin 모두 새로운 플랫폼이며, 초기 출하 이후에도 소프트웨어 최적화는 계속될 것이다.

물리적 랙 역시 운영상 질문을 제기한다. Helios는 이중 폭 Open Rack Wide 설계와 직접 액체 냉각을 사용한다. 데이터센터는 해당 규격, 전력 공급, 냉각 루프, 서비스 절차를 지원해야 한다.

개방형 표준은 여러 공급업체가 호환 장비를 구축하는 데 도움이 될 수 있다. 그러나 많은 시설은 변경 없이 새로운 랙 형식을 설치할 수 없다. 배포 속도는 프로세서 가용성만큼이나 현장 준비에 좌우될 것이다.

공급도 또 다른 위험 요인이다. MI455X는 첨단 공정 기술, 복잡한 패키징, HBM4 12 스택을 결합한다. AMD가 완성된 랙을 출하하려면 각 구성 요소가 충분한 물량으로 공급되어야 한다.

AMD는 HBM4 공급을 위해 Samsung과 협력해 왔으며 Taiwan의 제조 생태계 전반에 걸친 상당한 투자를 발표했다. 이러한 조치는 생산능력 계획을 뒷받침하지만, 램프업 불확실성을 제거하지는 않는다.

고객 계약도 신중히 해석해야 한다. 기가와트 단위의 약정은 즉시 배포된 GPU 수가 아니라 계획된 전력 용량을 나타낸다. 납품은 보통 수년과 여러 제품 세대에 걸쳐 이뤄진다.

Meta의 계약은 맞춤형 MI450 하드웨어를 대상으로 하며, Anthropic이 발표한 배포는 이후에 시작된다. Microsoft는 단기 Helios 레퍼런스를 제공하지만, 공개 활용 데이터가 나오기까지는 시간이 걸릴 것이다.

매출은 하나의 유용한 신호를 제공한다. AMD는 2026년 1분기 데이터센터 매출이 전년 대비 57% 증가한 58억 달러라고 보고했다. EPYC 수요와 지속적인 Instinct 출하가 모두 이 성장에 기여했다.

이 수치는 AI GPU만을 포함하지 않는다. 해당 분기에는 제품이 출시되지 않았으므로 MI455X 매출을 보여주지도 않는다. 향후 실적은 Helios가 단순한 파이프라인 약정이 아닌 실질적인 가속기 매출을 추가하는지 보여줘야 한다.

AMD의 분기 실적 역시 데이터센터 사업이 이미 규모를 갖추고 있음을 보여준다. 이는 까다로운 제품 램프업을 위한 기존 고객 관계와 재무 역량을 회사에 제공한다.

소프트웨어는 출시 자료만으로 측정하기 가장 어려운 변수로 남아 있다. ROCm은 특정 프레임워크를 지원하면서도 특정 모델 연산에 최적화된 경로가 없을 수 있다. 수천 개의 가속기 규모에서는 이 차이가 비용으로 이어진다.

대형 고객은 최적화에 엔지니어를 투입할 수 있다. 소규모 클라우드 제공업체와 기업에는 신뢰할 수 있는 기본값이 필요하다. AMD는 hyperscaler와 함께 수행한 튜닝을 더 폭넓은 고객이 배포할 수 있는 소프트웨어로 전환해야 한다.

Nvidia는 플랫폼을 그대로 두지 않을 것이다. AMD가 Helios를 확장하는 동안 Rubin의 프로덕션 램프업, 라이브러리 업데이트, 네트워킹 개선, 클라우드 가용성은 계속될 것이다.

Google의 TPU는 또 다른 경쟁 경로를 만든다. Google이 컴파일러, 모델 스택, 인프라를 통제할 때 맞춤형 가속기는 매력적인 결과를 낼 수 있다. 또한 Google의 두 상용 GPU 공급업체에 대한 의존도도 낮춘다.

Intel과 특화 추론 기업들도 Nvidia의 배포 규모에는 미치지 못하지만 선택지를 더한다. 예를 들어 Cerebras는 프롬프트 처리와 토큰 생성을 분리하는 하이브리드 추론 시스템에서 AMD와 협력하고 있다고 발표했다.

이러한 대안은 모든 공급업체에 벤치마크 선도력뿐 아니라 경제성을 증명해야 한다는 압박을 높인다. 구매자가 궁극적으로 중요하게 여기는 것은 완료된 학습 실행, 처리된 토큰, 에너지 소비, 가동 시간, 엔지니어링 노력이다.

AMD는 진지한 평가를 정당화할 만큼 충분한 아키텍처 세부 정보를 제공했다. 그러나 시장 전반에서 Helios가 더 빠르거나 더 저렴한 플랫폼이라고 선언할 만큼 충분한 독립적 프로덕션 증거를 제공하지는 않았다.

AMD가 Rubin에 압박을 가할 수 있는지 보여줄 세 가지 신호

고객 가용성, 독립 워크로드 결과, 원활한 프로덕션 램프업이 Helios가 지속 가능한 두 번째 플랫폼이 되는지를 결정할 것이다.

첫 번째 신호는 주요 클라우드를 통한 상업적 MI455X 접근성이다. Microsoft는 이미 Azure에 Helios를 배포하겠다고 약속했으며, 이에 따라 그 출시가 폭넓은 고객 접근성을 시험하는 최초의 명시된 사례가 된다.

핵심 질문은 Azure가 내부 서비스에만이 아니라 외부 고객에게도 유용한 용량을 제공하는지다. 공개 인스턴스 가용성이 확보되면 개발자는 전용 인프라 계약을 협상하지 않고도 모델을 테스트할 수 있다.

Google Cloud 발표는 그 근거를 더욱 강화할 것이다. 이는 MI455X가 가장 기술적으로 까다로운 클라우드 환경 중 하나에서 Nvidia GPU 및 Google TPU와 나란히 자리할 수 있음을 보여줄 것이다.

그러한 발표가 없다고 해서 Helios의 가치가 무효화되는 것은 아니다. Microsoft, Oracle 및 기타 제공업체도 의미 있는 접근성을 만들 수 있다. 그래도 더 깊은 AMD-Google 가속기 파트너십은 AMD의 현재 공개 고객군을 넘어 검증 범위를 넓힐 것이다.

두 번째 신호는 독립적이고 엔드투엔드인 성능이다. 공급업체가 구성을 공개하고 벤치마크 규칙을 충족할 경우 MLPerf 제출 결과는 표준화된 비교를 제공할 수 있다.

MLPerf만으로 모든 구매 질문에 답할 수는 없다. 기업은 고정된 지연 시간 및 품질 요건 아래 현재 모델을 실행하는 클라우드 제공업체와 모델 개발자의 결과도 살펴봐야 한다.

유용한 보고서는 학습 완료 시간, 초당 토큰 수, 지연 시간, 전력, 총 가속기 수를 비교할 것이다. 또한 소프트웨어 버전을 명시하고 엔지니어가 맞춤형 커널을 사용했는지 공개해야 한다.

메모리 집약적 워크로드에는 특별한 주의가 필요하다. Helios가 더 큰 모델이나 캐시를 더 적은 랙 안에 유지할 수 있다면, 31TB 메모리 풀은 시스템 복잡성을 줄일 수 있다. 이러한 이점은 실제 배포된 애플리케이션에서 나타나야 한다.

세 번째 신호는 AMD의 2026년 하반기 출하 램프업이다. AMD는 해당 기간에 대량 배포가 예상된다고 말했으며, 여러 고객 프로그램이 Helios 기반 시스템에 의존하고 있다.

성공적인 램프업은 Nvidia가 더 많은 클라우드에 Rubin을 확대하기 전에 고객 가용성, 인식 매출, 운영 증거를 만들어낼 것이다. 지연은 Nvidia에 플랫폼 우위를 더 강화할 시간을 줄 것이다.

AMD의 다음 재무 보고서에서 데이터센터 성장과 Instinct 공급 관련 논평을 지켜봐야 한다. 회사가 MI455X 수량을 공개하지 않을 수는 있지만, 출하 시점과 고객 배포 관련 발언은 계획이 일정대로 진행되는지 보여줄 수 있다.

Microsoft의 Azure 서비스 세부 정보도 주시해야 한다. Helios 배포는 AMD의 랙 설계와 외부에서 접근 가능한 클라우드 인프라를 잇는 가장 명확하게 발표된 연결고리를 제공한다.

마지막으로 Nvidia의 대응을 지켜봐야 한다. Nvidia는 플랫폼 구성을 조정하고, 가용성을 높이며, 소프트웨어 효율성을 개선하고, 설치 기반을 활용해 마이그레이션의 매력을 낮출 수 있다.

비교는 하나의 출시 행사로 결론 나지 않을 것이다. AI 인프라는 반복적인 소프트웨어 출시, 실리콘 개정, 고객 배포를 통해 발전한다. 초기 사양은 기회를 정의하지만, 운영이 승자를 결정한다.

개발자와 기업 구매자에게 실질적인 행동은 명확하다. 플랫폼을 비교하기 전에 중요한 모델, 프레임워크 버전, 지연 시간 목표, 전력 제약을 기록해야 한다.

팀에는 벤치마크 설정, 공급업체 주장, 배포 결정을 검색 가능한 형태로 기록하는 자료도 필요하다. 엔지니어링 지식 베이스는 하드웨어와 소프트웨어 출시 전반에서 결과가 바뀔 때 이러한 맥락을 보존할 수 있다.

AMD는 이제 Nvidia Rubin에 맞설 신뢰할 만한 랙 규모의 도전을 구축했다. 다음 질문은 클라우드와 모델 개발자가 이 아키텍처를 반복 가능한 프로덕션 용량으로 전환할지다.

MI455X는 폭넓게 제공되는 대안이 될 것인가, 아니면 소수의 고도로 기술적인 구매자에게만 집중될 것인가? Azure 가용성, 독립 벤치마크, AMD의 출하 공시를 주시해야 한다. 이 세 가지 신호가 Helios가 경쟁력 있는 사양을 넘어 지속적인 인프라 압박으로 이동했는지를 보여줄 것이다.