Schneider Electric가 Helios 배포를 현실화하며 AMD Google 인프라 경쟁의 판도가 바뀌다

Schneider Electric와 AMD는 최대 246킬로와트 랙과 최대 10.4메가와트의 IT 부하를 갖춘 클러스터를 지원하는 Helios용 최초의 인프라 설계를 공개했다. 이는 AMD Google 인프라 경쟁의 실질적인 구도를 바꾼다. AMD는 이제 가속기 사양에서 실제로 작동하는 고밀도 데이터 센터에 이르는 문서화된 경로를 확보했다.

이번 발표가 AMD에 Google, Nvidia 또는 다른 플랫폼 제공업체를 단번에 앞서는 성능 우위를 제공하는 것은 아니다. 대신 다른 경쟁 약점을 해소한다. 각 랙에 특수 전력 분배, 액체 냉각, 제어 시스템, 시설 수준의 모델링까지 필요하다면 가속기 구매는 시작에 불과하다.

Google은 머신러닝 워크로드에 최적화된 프로세서인 Tensor Processing Units, 즉 TPU를 중심으로 이러한 시스템을 수년간 개발해 왔다. Nvidia 역시 자사 가속 시스템의 물리적 인프라를 위해 Schneider Electric와 협력해 왔다. AMD는 운영자들이 보조 시설을 새로 고안하지 않고도 Helios를 운영 클러스터로 구축할 수 있음을 설득해야 한다.

이 때문에 이 레퍼런스 설계가 중요하다. Schneider Electric는 단순한 장비 공급업체를 넘어선다. 이 회사는 수직 통합형 AI 인프라에 대응하는 AMD의 해답 일부가 된다.

Helios 청사진은 칩과 10.4MW 시설을 연결한다

AMD와 Schneider Electric는 단순히 랙 내부 프로세서의 배치가 아니라 Helios를 둘러싼 물리적 시스템을 정의했다.

두 회사는 2026년 7월 23일 샌프란시스코에서 공동 개발한 설계를 발표했다. Helios 청사진에 따르면, 이 설계는 최대 10.4메가와트 IT 용량의 모듈형 AI 클러스터를 지원한다.

각 고밀도 랙은 최대 246킬로와트가 필요할 수 있다. 이 수준의 랙은 많은 기존 엔터프라이즈 설치 환경에 비해 몇 배의 전력을 사용한다. 또한 해당 전력 입력의 거의 전부를 지속적으로 제거해야 하는 열로 집중시킨다.

Helios는 AMD Instinct MI455X 가속기, 6세대 EPYC 프로세서, Pensando Vulcano 네트워크 인터페이스 카드, ROCm 소프트웨어 환경을 결합한다. ROCm은 AMD 가속기를 프로그래밍하고 운영하기 위한 오픈 소프트웨어 스택이다.

이러한 컴퓨팅 구성요소는 한 계층에 불과하다. 레퍼런스 설계는 시설 전력, 시설 냉각, IT 공간, 라이프사이클 소프트웨어를 아우른다. 이러한 계층이 Helios 요구사항을 중심으로 어떻게 함께 작동해야 하는지를 명시한다.

Schneider Electric는 Motivair 냉각 시스템이 액체 기반 및 하이브리드 공기-액체 방식을 통해 최대 84%의 열을 제거할 수 있다고 밝혔다. 냉각수 분배 장치, 즉 CDU는 랙 루프와 건물의 냉각 시스템 사이에서 열을 이동시킨다.

이 설계는 EcoStruxure IT Design을 통한 ETAP 전기 모델링과 전산 유체 역학도 활용한다. 전산 유체 역학은 장비가 현장에 도착하기 전에 공기 흐름과 온도 거동을 시뮬레이션한다.

운영자는 전기 디지털 트윈을 사용해 인프라 거동을 모델링할 수 있다. AVEVA의 Unified Operations Center는 배포 후 모니터링과 운영 가시성을 더한다. 이 도구들은 건설 과정 초기에 전기적 또는 열적 충돌을 드러내기 위한 것이다.

Schneider Electric는 완성된 구성이 완전 부하에서 약 1.12의 전력 사용 효율성, 즉 PUE에 도달할 수 있다고 밝혔다. PUE는 시설의 총 에너지 사용량과 컴퓨팅 장비에 공급되는 에너지를 비교한다. 1에 가까울수록 오버헤드가 적다는 의미지만, 실제 결과는 기후, 활용률, 운영 선택에 따라 달라진다.

초기 설계는 미국 배포를 위한 미국국가표준협회 요구사항을 따른다. Schneider Electric는 다른 시장을 위해 국제전기기술위원회 표준에 맞춘 버전도 개발할 계획이다.

이러한 지역적 제한은 중요하다. 이번 발표는 현지 전기 규정이나 유틸리티 조건을 우회할 수 있는 범용 설계가 아니라 검증된 출발점을 제시한다. 고객은 여전히 현장에 맞춘 엔지니어링 작업이 필요하다.

독립 보도에 따르면 이 청사진은 별도의 고객 비용 없이 제공된다. 실제 가치는 문서 취득 비용이 아니라 통합 과정의 불확실성을 줄이는 데 있다.

레퍼런스 설계가 전기를 공급하거나 전력망 연결을 확보하는 것은 아니다. 콘크리트를 타설하거나 용수 권리를 확보하거나 지역 인허가 문제를 해결할 수도 없다. 다만 적절한 부지가 마련된 뒤 해결되지 않은 엔지니어링 질문의 범위를 좁힐 수 있다.

이 구분은 이 글의 핵심 긴장을 보여준다. AMD는 경쟁력 있는 프로세서와 랙 규모 아키텍처를 만들어 냈다. 이제 실제 물리적 제약 아래 건설된 시설 안에 그 아키텍처를 반복 가능하게 설치할 방법이 필요하다.

AMD Google 경쟁이 칩을 넘어서는 이유

고밀도 AI 시스템은 완전한 전기, 열, 네트워킹, 소프트웨어 플랫폼으로 경쟁하기 때문에 AMD Google 비교는 점차 시설 엔지니어링에 달려 있다.

Google은 약 10년간 맞춤형 AI 인프라를 운영해 왔다. TPU, 포드 규모 네트워크, 냉각 시스템, 소프트웨어 프레임워크, 그리고 여러 지원 데이터 센터 구성요소를 한 조직 안에서 설계한다.

이 경험은 단순한 가속기 사양으로는 포착할 수 없는 이점을 만든다. Google은 프로세서 로드맵과 이를 수용하는 건물을 조율할 수 있다. 또한 Google Cloud를 통해 용량을 제공하기 전에 대규모 내부 플릿 전반에서 인프라 변경을 시험할 수 있다.

Google은 7년에 걸쳐 2,000개 이상의 TPU 포드에서 기가와트 규모의 액체 냉각을 배포했다고 보고했다. 또한 이러한 냉각 배포에서 약 99.999%의 가동 시간을 기록했다고 밝혔다. 회사는 1메가와트 랙 설계를 소개하면서 이 경험을 논의했다.

이는 AMD Helios와의 독립적인 비교가 아닌 회사 자체 보고 수치다. 그럼에도 경쟁 인프라 플랫폼이 대응해야 하는 운영 성숙도를 보여준다.

Google은 공랭식 시설 내부의 액체 냉각 하드웨어를 위한 랙 장착형 액체-공기 냉각 시스템인 Brazos도 개발했다. Brazos 시스템은 폐쇄형 액체 루프를 통해 열을 포집한 뒤 기존 핫 아일로 방출한다.

Brazos와 Schneider Electric의 Helios 설계는 서로 다른 배포 상황을 다룬다. 그러나 둘 다 업계의 같은 압력을 반영한다. 대상 건물이 필요한 액체 루프, 전력 공급 또는 열 배출 용량을 제공하지 못하면 AI 하드웨어 도입은 지연된다.

AMD는 Google에 필적하는 하이퍼스케일 데이터 센터 플릿을 보유하지 않는다. 따라서 고객을 위한 동등한 경로를 만들기 위해 인프라 파트너, 서버 제조업체, 클라우드 제공업체, 네트워킹 공급업체가 필요하다.

Schneider Electric는 그 공백의 상당 부분을 메운다. 이 회사는 전력 분배, 냉각 장비, 모델링 소프트웨어, 시설 엔지니어링을 AMD의 랙 규모 프로그램에 제공한다. HPE는 Helios를 상용 시스템에 통합함으로써 또 다른 경로를 제공한다.

이 파트너십 모델은 유연성을 제공할 수 있다. 고객은 단일 클라우드 사업자의 프로세서나 시설 아키텍처에 제한되지 않는다. 운영자는 코로케이션, 프라이빗 클라우드, 소버린 AI, 특수 컴퓨팅 프로젝트 전반에 오픈 설계를 적용할 수 있다.

하지만 파트너 주도 모델은 조율 위험도 만든다. 가속기, 스위치, CDU, 전기 버스 또는 소프트웨어 릴리스의 변경은 여러 회사에 영향을 줄 수 있다. 검증은 모든 주요 구성요소 로드맵의 속도를 따라가야 한다.

Google의 통합 모델은 이러한 조직적 거리를 일부 줄인다. 회사는 내부 계획을 통해 TPU, 네트워킹, 소프트웨어, 시설 팀을 정렬할 수 있다. 또한 자사 경제성에 맞는 워크로드에 인프라를 할당할 수 있다.

그 대가로 고객의 통제권은 줄어든다. Google Cloud 고객은 대체로 관리형 서비스 형태로 플랫폼을 이용한다. Helios 구매자는 컴퓨팅 환경, 시설 설계, 운영 모델을 더 직접적으로 통제할 수 있다.

그렇다고 AMD와 Google이 모든 조달에서 직접적인 대체재가 되는 것은 아니다. Google은 클라우드 서비스를 판매하고 맞춤형 실리콘을 사용하며, AMD는 업계 네트워크를 통해 프로세서와 플랫폼 기술을 판매한다.

그럼에도 엔터프라이즈 구매자는 결과적으로 확보되는 용량을 비교한다. 배포 시간, 모델 호환성, 이용 가능한 지역, 운영 통제권, 성능, 에너지 사용량을 검토한다. 경쟁 단위는 개별 칩이 아니라 작동하는 AI 클러스터로 바뀌고 있다.

Nvidia는 이 시장에서 여전히 가장 큰 기준점이다. Schneider Electric는 2024년 고밀도 가속기 클러스터용 고전력 분배와 액체 냉각에 초점을 맞춘 Nvidia 인프라 협력을 발표했다. 앞선 Nvidia 협력은 Schneider가 하나의 가속기 플랫폼만 선택하는 것이 아님을 보여준다.

대신 Schneider Electric는 여러 아키텍처가 새로운 시설 설계를 요구하는 상황에서 수혜를 본다. AMD에는 이 관계가 인프라 신뢰성을 제공한다. 고객에게는 클라우드 네이티브 TPU와 Nvidia 중심 시스템 옆에 또 하나의 엔지니어링된 선택지를 만든다.

이제 전력과 냉각이 경쟁 메커니즘을 규정한다

246킬로와트 랙은 조달 스프레드시트보다 시설을 더 빠르게 바꾸기 때문에 Schneider Electric의 기여가 중요하다.

기존 서버 계획에서는 데이터 센터를 안정적인 수용 공간으로 보는 경우가 많았다. 구매자는 서버를 선택하고, 랙 위치를 배정하며, 기존 전력 및 냉각 용량이 충분한지 확인했다.

고밀도 AI는 이 순서를 뒤집는다. 이제 워크로드와 가속기 로드맵이 전기 토폴로지, 배관, 바닥 배치, 이중화 모델, 건설 일정을 결정한다. 어제의 서버를 위해 설계된 건물이 내일의 랙을 자동으로 수용할 수는 없다.

246킬로와트에서 Helios 랙은 컴퓨팅 장비와 시설 시스템 간의 직접적인 조율을 요구한다. 전기 설계는 지속 부하, 과도 거동, 보호 설정, 유지보수 상태, 장애 시나리오를 처리해야 한다.

냉각 설계는 모든 콜드 플레이트에 충분한 액체를 공급해야 한다. 또한 허용할 수 없는 온도 변화나 유량 불균형 없이 CDU와 시설 루프를 통해 열을 전달해야 한다.

일부 구성요소와 주변 장비는 여전히 실내로 열을 방출하기 때문에 공랭 역시 설계의 일부로 남는다. 따라서 Schneider Electric는 액체가 모든 공기 측 요구사항을 제거한다고 주장하는 대신 하이브리드 접근 방식을 설명한다.

회사의 레퍼런스 설계 라이브러리는 모델링이 전기 거동, 공기 흐름, 액체 흐름을 포괄해야 하는 이유를 설명한다. 각 모델은 서로 다른 유형의 장애를 포착한다. 이를 결합하면 운영자가 클러스터에 전력을 공급하기 전에 상호작용을 식별할 수 있다.

부분적인 냉각 장애를 생각해 보자. 남은 장비가 추가 열을 흡수하거나 컴퓨팅 부하가 빠르게 낮아져야 한다. 이 사건은 시설 제어, 클러스터 스케줄링, 그리고 잠재적으로 모델 학습 진행에 영향을 미친다.

전력 중단은 또 다른 크로스레이어 문제를 만든다. 백업 시스템은 의도한 운영 상태를 뒷받침해야 하며, 소프트웨어 환경은 중단된 작업을 처리해야 한다. 시설 복원력과 컴퓨팅 복원력은 독립적으로 계획할 수 없다.

이것이 Helios 파트너십의 작동 방식이다. AMD는 컴퓨팅 플랫폼의 동작과 요구 사항을 정의한다. Schneider Electric는 이러한 요구 사항을 프로젝트 팀이 평가할 수 있는 인프라 구성으로 전환한다.

모듈형 10.4메가와트 클러스터 설계는 또 하나의 계층을 더한다. 운영자는 모든 배포를 백지상태에서 설계하는 대신 반복 가능한 블록 단위로 용량을 계획할 수 있다. 표준화는 조달을 단순화하고 엔지니어, 계약업체, 기술 공급업체 간의 이견을 줄일 수 있다.

반복성은 공급업체의 장비 수요 예측에도 도움이 된다. CDU, 배전반, 모니터링 시스템, 사전 제작 모듈은 알려진 클러스터 구성에 맞춰 계획할 수 있다. 다만 반복되는 모듈도 여전히 현장 수준의 통합이 필요하다.

유틸리티 용량은 여전히 가장 어려운 경계다. 정교한 설계가 유틸리티 사업자가 원하는 일정에 맞춰 추가 10.4메가와트를 공급할 수 있음을 보장하지는 않는다. 계통 연계 대기열과 변전소 작업은 컴퓨팅 하드웨어의 배포 일정을 넘길 수 있다.

물과 열 방출 조건도 지역마다 다르다. 시설은 기후와 지역 규제에 따라 칠러, 드라이 쿨러, 냉각탑 또는 다른 구성을 필요로 할 수 있다. 레퍼런스 설계는 이러한 환경적 차이를 없앨 수 없다.

약 1.12라는 주장된 PUE도 비슷한 맥락에서 봐야 한다. PUE는 활용률, 날씨, 이중화 수준, 냉각 방식, 측정 경계에 따라 달라진다. 모델링된 완전 부하 값은 연간 결과를 보장하는 수치로 받아들여서는 안 된다.

운영자는 유지보수와 장애에 대비해 얼마나 많은 용량을 남겨둘지도 선택해야 한다. 이중화 인프라를 추가 컴퓨팅에 사용하면 정상 운영 중 활용률을 높일 수 있다. 동시에 장비가 오프라인이 될 때 사용할 수 있는 여유 폭은 줄어든다.

Schneider Electric는 이 선택을 추가 컴퓨팅 출력과 기존 이중화 전략 간의 경쟁으로 설명한다. 사용되지 않는 백업 용량이 자동으로 무상 생산 용량이 되는 것은 아니므로, 이 결정은 명시적으로 내려야 한다.

Google도 통합 모델을 사용함에도 같은 물리적 한계에 직면한다. 이 회사의 액체 냉각 작업은 맞춤형 실리콘이 시설 엔지니어링을 없애지 못한다는 점을 보여준다. 대신 조직은 컴퓨팅 세대마다 냉각 및 전력 시스템을 함께 개발해야 한다.

따라서 amd google 경쟁은 동일한 메커니즘에 대한 두 가지 접근법을 드러낸다. Google은 스택의 상당 부분을 내부적으로 조율한다. AMD는 Helios를 중심으로 개방형 파트너 네트워크를 구축하고 있으며, Schneider Electric는 핵심 시설 계층을 담당한다.

검증된 설계가 검증된 배포를 뜻하지는 않는다

핵심 불확실성은 고객이 실제 현장, 워크로드, 공급업체, 운영 조건 전반에서 청사진의 모델링 결과를 재현할 수 있는지 여부다.

Schneider Electric와 AMD는 이 설계를 공동 개발하고 검증했다고 설명한다. 이러한 검증은 구성 요소와 엔지니어링 가정이 함께 평가됐음을 시사한다. 하지만 대규모 설치 기반 전반의 현장 성능을 입증하는 것은 아니다.

7월 발표에는 공개된 고객 배포 결과가 포함되지 않았다. 두 회사는 새 설계에 따라 랙당 246킬로와트로 지속 운영되는 완성된 Helios 시설도 공개하지 않았다.

이 공백은 새로 출시된 아키텍처에서는 일반적이다. 그럼에도 구매자가 시운전 기간, 장애 양상, 구성 요소 가용성, 장기 유지보수에 대해 추론할 수 있는 범위는 제한된다.

Helios 플랫폼은 하드웨어가 계획대로 도착하는 것에도 의존한다. 설계에는 MI455X 가속기, 6세대 EPYC 프로세서, Vulcano 네트워크 인터페이스가 포함된다. 지연이나 사양 변경은 또 다른 검증 주기를 강제할 수 있다.

네트워킹은 구체적인 위험 요소다. Helios는 Nvidia의 긴밀하게 통합된 NVLink 환경에 대한 대안을 제공하도록 설계된 개방형 이더넷 중심 접근법을 사용한다. 이는 구매자에게 더 많은 공급업체 유연성을 제공하지만, 성장 중인 파트너 생태계의 중요성을 높인다.

HPE는 Helios 기반 시스템을 제공할 계획을 발표했으며, AMD에 주요 상업적 진출 경로를 제공한다. HPE의 구현은 고대역폭 가속기 패브릭과 전용 스위치를 사용한다.

상세한 Helios 시스템 분석은 72개의 MI455X 가속기를 갖춘 계획된 구성을 설명했다. 이 보도는 또한 랙당 HBM4 메모리 31테라바이트와 FP4 컴퓨팅 2.9엑사플롭스라는 AMD의 목표를 언급했다.

이 수치는 독립적으로 검증된 실제 운영 결과가 아니라 미래 하드웨어와 연계된 목표치다. FP4는 일부 AI 추론 작업에 사용되는 저정밀 숫자 형식이다. 모든 학습 또는 과학 워크로드와 직접 비교해서는 안 된다.

소프트웨어도 또 다른 변수로 남는다. ROCm은 프레임워크와 모델 지원을 확대했지만, 하드웨어 가용성만으로 동등한 애플리케이션 성능이 보장되지는 않는다. 구매자는 실제 모델, 연산자, 컴파일러, 분산 학습 동작을 테스트해야 한다.

Google은 JAX, XLA, 내부 소프트웨어 환경을 통해 중요한 워크로드를 TPU에 최적화할 수 있다. Nvidia는 오랫동안 구축된 CUDA 개발자 기반을 보유하고 있다. AMD는 개방형 스택이 고객에게 과도한 통합 작업을 전가하지 않으면서 의존성을 줄인다는 점을 입증해야 한다.

레퍼런스 설계는 시설 청사진을 해결하면서도 애플리케이션 마이그레이션 문제는 남겨둘 수 있다. 이 경계는 가속기 플랫폼 전환의 전체 비용을 평가하는 엔터프라이즈 팀에 중요하다.

유지보수는 또 다른 시험대가 된다. 액체 루프는 고가의 컴퓨팅 장비 근처에 펌프, 연결부, 센서, 매니폴드, 서비스 절차를 추가한다. 운영자에게는 누수, 여과, 냉각수 품질, 구성 요소 교체, 직원 교육에 관한 근거가 필요하다.

84% 열 제거 수치도 신중하게 해석해야 한다. Schneider Electric는 제안된 냉각 방식이 그 비중을 액체를 통해 제거할 수 있다고 말한다. 남은 열 부하와 운영 조건은 여전히 룸 수준 냉각 요구 사항을 좌우한다.

배포 속도에도 같은 주의가 적용된다. 사전 엔지니어링된 설계는 계획 기간을 단축하고 중복 작업을 줄일 수 있다. 그러나 변압기, 배전반, 칠러, 가속기 또는 유틸리티 업그레이드가 계속 제약을 받는다면 더 빠른 건설을 보장할 수는 없다.

상업적 질문도 있다. 구매자는 증가한 아키텍처 선택권이 더 분산된 공급업체 관계 운영을 정당화하는지 판단해야 한다. 일부는 API 아래에 시설을 숨기는 클라우드 서비스를 선호할 것이다.

다른 이들은 직접 제어, 현지 데이터 레지던시 또는 단일 클라우드 플랫폼으로부터의 독립성을 중시할 것이다. 소버린 AI 프로젝트와 전문 클라우드 제공업체는 특히 이 선택지를 검토할 가능성이 높다.

이 긴장감은 AMD의 전략을 신뢰할 만하게 만들지만, 아직 완성되지는 않았음을 보여준다. Schneider Electric는 한 범주의 불확실성을 줄였다. 이제 고객 배포가 결합된 시스템이 모델링 환경 밖에서도 일관되게 작동하는지 보여줘야 한다.

AMD가 인프라 격차를 좁힐 수 있는지 보여줄 세 가지 신호

다음 단계는 또 한 번의 아키텍처 주장보다 운영 근거, 파트너 납품, 반복 가능한 고객 채택에 달려 있다.

첫 번째 신호는 Schneider Electric 설계를 적용한 완성된 고객 배포다. 가장 강력한 근거에는 현실적인 워크로드 변화 전반의 측정된 랙 밀도, 시운전 기간, 냉각 성능, 가용성, PUE가 포함될 것이다.

한 건의 파일럿은 청사진이 설계 환경을 벗어날 수 있음을 확인해줄 것이다. 서로 다른 기후와 시설 유형에서 여러 배포가 이뤄진다면 반복성에 관한 더 강한 결론을 뒷받침할 수 있다.

명시된 완전 부하 PUE 1.12에 근접한 결과는 두 회사의 효율성 주장을 강화할 것이다. 그 값보다 훨씬 높은 결과가 자동으로 설계를 무효화하는 것은 아니지만, 현장 조건의 중요성을 드러낼 것이다.

구매자는 운영자가 장애와 유지보수를 어떻게 처리하는지도 지켜봐야 한다. 고밀도 클러스터는 CDU, 펌프, 전기 구성 요소 또는 컴퓨팅 트레이에 조치가 필요할 때도 정비 가능 상태를 유지해야 한다.

두 번째 신호는 AMD의 하드웨어 및 네트워킹 파트너가 조율된 방식으로 납품하는지다. MI455X 가속기, 새로운 EPYC 프로세서, Vulcano 인터페이스, 스위치, 서버, 시설 장비는 호환되는 일정에 맞춰 프로젝트에 도착해야 한다.

하나의 필수 구성 요소가 장기 지연을 초래한다면 레퍼런스 아키텍처는 가치를 잃는다. 반대로 동기화된 가용성은 AMD의 파트너 모델이 일관된 플랫폼처럼 작동할 수 있음을 보여줄 것이다.

상호운용성 테스트가 특히 중요해질 것이다. 고객에게는 서버, 스위치, 소프트웨어, 전력, 냉각 변경이 반복적인 재설계 주기를 만들지 않는다는 근거가 필요하다.

HPE의 상업용 Helios 시스템은 초기 시험대가 될 것이다. 동일한 랙 수준 가정을 채택하는 추가 서버 제조업체나 클라우드 운영자가 등장한다면 표준화는 강화될 것이다.

세 번째 신호는 Google TPU 및 Nvidia 시스템에 맞선 워크로드 채택이다. AMD는 모든 구매자가 해당 플랫폼을 대체할 필요는 없다. Helios를 신뢰할 수 있는 대안으로 자리매김할 만큼 충분한 프로덕션 워크로드가 필요하다.

그 근거에는 최고 벤치마크 결과뿐 아니라 학습 및 추론 애플리케이션도 포함돼야 한다. 운영자는 실제 활용 가능한 성능, 소프트웨어 투입 노력, 클러스터 가용성, 에너지 소비, 용량 확장 속도를 살펴볼 것이다.

Google의 자체 인프라 개발은 유용한 참고 사례다. 오랜 액체 냉각 역사는 운영 지식이 하드웨어 세대를 거치며 축적된다는 점을 보여준다. AMD와 Schneider Electric는 고객과 파트너를 통해 비교 가능한 기록을 구축하기 시작해야 한다.

amd google 비교는 두 회사가 시장에서 서로 다른 위치를 차지하기 때문에 계속 불완전할 것이다. Google은 통합된 클라우드 및 맞춤형 실리콘 플랫폼을 운영한다. AMD는 다른 기업들이 배포하는 개방형 아키텍처를 공급한다.

하지만 바로 그 대비 때문에 새 설계가 중요하다. 이는 구매자에게 통합 플랫폼을 소비하는 방식과 자신들의 통제 아래 검증된 파트너 기반 시스템을 조합하는 방식 사이의 선택지를 제공한다.

Nvidia도 결과를 좌우할 것이다. Nvidia의 랙 규모 시스템, 소프트웨어 기반, 인프라 파트너십은 배포 성숙도의 기준을 제시한다. Nvidia가 더 빠르게 발전한다면 AMD의 개방형 아키텍처는 유연성, 가용성 또는 워크로드 경제성으로 이를 보완해야 한다.

Schneider Electric는 각 주요 플랫폼을 지원할 유인이 있다. 이러한 중립적 위치는 고객이 하나의 가속기 로드맵을 영구적인 것으로 간주하지 않고 시설 요구 사항을 비교하는 데 도움이 될 수 있다.

기술 및 조달 팀에 필요한 즉각적인 조치는 구체적이다. 먼저 의도한 워크로드를 모델링한 뒤, 선택한 현장이 전력, 열, 네트워킹, 복원력 요구 사항을 지원할 수 있는지 테스트해야 한다.

대규모 인프라 발표를 평가하는 팀은 엔지니어링 가정과 이후의 운영 근거를 연결하는 지속 가능한 방법도 필요하다. 검색 가능한 기술 지식 베이스는 프로젝트가 변화하는 과정에서도 설계 문서, 테스트 결과, 공급업체 의사결정에 쉽게 접근할 수 있게 해준다.

Schneider Electric의 설계는 가속기 경쟁을 끝내지 않는다. 이는 AMD를 더 어려운 단계로 옮긴다. 그 단계에서는 랙 사양이 유틸리티 한계, 건설 일정, 냉각 장애, 프로덕션 워크로드를 견뎌내야 한다.

Helios 고객은 청사진과 일치하는 측정 결과를 공개할 것이며, 파트너는 모든 계층을 일정에 맞춰 제공할 수 있을까? 이제 중요한 시험은 바로 이것이다. AMD Google 인프라 경쟁의 승자를 선언하기 전에 첫 운영 현장, 조율된 하드웨어 가용성, 워크로드 채택을 지켜봐야 한다.