AMD Helion 에이전틱 AI 랙, 확장을 위한 개방형 경로 제시
AMD는 인프라 경쟁에 대한 다른 해답으로 AMD Helion 에이전틱 AI 랙을 공개했다. 모든 AI 작업이 GPU에서 수행될 필요는 없다는 것이다. 이 회사의 새로운 청사진은 하나의 랙에 최대 32,768개의 CPU 코어를 배치할 수 있다. 또 다른 구성은 에이전트 실행과 모델 추론을 하나의 시스템에서 처리하려는 기업을 위해 CPU와 GPU를 결합한다.
이 구분은 중요하다. AI 에이전트는 토큰 생성 이상의 일을 하기 때문이다. 에이전트는 레코드를 검색하고, 도구를 호출하며, 코드를 실행하고, 데이터베이스를 질의하고, 상태를 관리하며, 워크플로를 조율한다. 모델 추론은 여전히 중요하지만, 이 사슬의 한 부분일 뿐이다. AMD는 고밀도이면서 구성 가능한 CPU 용량이 자체적인 랙 스케일 아키텍처를 가질 만하다고 보고 있다.
Nvidia와의 비교는 피할 수 없다. Nvidia의 Vera Rubin 플랫폼은 CPU, GPU, 네트워킹, 스토리지, 소프트웨어를 긴밀하게 조율된 AI 팩토리 안에 결합한다. 반면 Helion은 개방형 표준과 워크로드별 구성 요소를 강조한다. 에이전트 배포가 프로덕션으로 이동할 때 고객이 AMD의 모듈성과 Nvidia의 통합성 가운데 무엇을 선호할지가 핵심 질문이다.
AMD Helion 에이전틱 AI 랙, 실행과 추론 분리
Helion은 AI 모델 주변에서 이뤄지는 작업을 독립적인 인프라 과제로 끌어올린다.
AMD는 2026년 10월 12일 Helion을 공개하며, 이를 에이전틱 AI를 위한 개방형 랙 청사진이라고 설명했다. 이 설계는 Open Compute Project 표준과 AMD 프로세서, 가속기, 네트워킹, 소프트웨어를 사용한다. 생태계 파트너들은 2026년 11월 출시 예정인 사양 기반 시스템을 개발하고 있다.
AMD Helion 발표는 두 가지 주요 구성을 설명한다. CPU 전용 버전은 하이퍼스케일러, 네오클라우드, 소버린 AI 운영자를 겨냥한다. 엔터프라이즈 버전은 CPU, GPU, 스토리지, 데이터베이스, 기술 컴퓨팅 노드를 하나의 랙에 결합한다.
CPU 전용 구성에는 6세대 AMD EPYC 9006 Series 프로세서 기반으로 최대 32,768개 코어를 탑재할 수 있다. AMD는 이 코어를 최대 규모 모델을 호스팅하는 용도보다 에이전트 실행 용량으로 제시한다. 이 랙은 모델 추론을 처리하는 별도 가속기 시스템에 연결할 수 있다.
이 분리형 설계는 서로 다른 종류의 작업을 특화된 인프라로 나눈다. 분리란 실행과 추론을 하나의 불가분한 컴퓨팅 블록으로 취급하는 대신, 각기 다른 시스템에 배치하는 것을 뜻한다. 대규모 운영자는 Helion CPU 랙을 AMD Helios 시스템을 포함한 기존 GPU 클러스터와 결합할 수 있다.
AMD의 엔터프라이즈 구성은 다른 경로를 따른다. EPYC CPU 블레이드와 최대 16개의 AMD Instinct MI350P GPU를 혼합한다. 이 가속기는 랙 전체를 아우르는 스케일업 도메인이 아니라, 서로 독립적인 두 대의 8-GPU 서버에 탑재된다.
이 차이는 제품에 대한 기대치를 설정한다. Helion은 프런티어 학습 클러스터의 대안이 아니다. 에이전트를 실행하고, 요청을 라우팅하며, 일부 모델을 서비스하고, 해당 에이전트가 사용하는 데이터베이스를 지원하도록 설계됐다.
이 랙에는 스토리지, 데이터 서비스, 기술 컴퓨팅을 위한 범용 블레이드도 포함될 수 있다. 실제 프로덕션 에이전트는 모델 호출만으로 작동하는 경우가 드물기 때문에 이런 지원 시스템은 중요하다. 에이전트는 권한을 읽고, 메모리를 유지하고, 기업 데이터를 검색하며, 작업을 기록해야 한다.
AMD는 이 설계에 최대 초당 102테라비트의 네트워킹 대역폭을 제시한다. 고객은 구성에 따라 공랭 또는 직접 액체 냉각을 선택할 수 있다. 물리적 시스템은 44개의 Open Rack 유닛을 갖춘 21인치 ORv3 랙을 사용한다.
Helion에는 통합 토큰 라우터도 포함된다. 토큰 라우터는 모델 요청을 적절한 추론 엔드포인트로 보낸다. 이 엔드포인트는 클라우드의 프런티어 모델일 수도, 랙 내부에서 실행되는 오픈 모델일 수도 있다.
이 라우터는 AMD의 모듈형 주장을 소프트웨어로 확장한다. 기업은 어려운 요청에 고가 모델을 할당하고, 예측 가능한 작업은 로컬 모델로 보낼 수 있다. 이 개념은 매력적이지만, AMD는 라우터의 비용, 지연 시간 또는 품질 효과를 보여주는 프로덕션 벤치마크를 아직 공개하지 않았다.
따라서 Helion은 경쟁의 단위를 바꾼다. AMD는 또 하나의 개별 서버 프로세서나 가속기를 제시하는 것이 아니다. 에이전트 작업의 전체 수명 주기를 중심으로 CPU, GPU, 네트워킹, 지원 서비스를 구성하고 있다.
에이전틱 AI가 새로운 CPU 시장을 만드는 이유
모델 추론이 전체 워크플로를 실행하지는 않기 때문에, 에이전트 인프라 경쟁은 GPU를 넘어 확장되고 있다.
챗봇은 흔히 모델에 하나의 요청을 보내고 하나의 응답을 반환한다. 에이전트는 계획을 생성하고, 여러 시스템을 검색하고, 외부 도구를 호출하며, 결과를 평가하고, 접근 방식을 수정할 수 있다. 하나의 사용자 요청이 수많은 개별 작업을 촉발할 수 있다.
이 작업들은 CPU 수요를 만든다. 도구 컨테이너를 시작해야 하고, 애플리케이션 로직을 실행해야 하며, 데이터베이스가 질의에 응답해야 한다. 보안 정책도 전 과정에서 확인해야 한다. 모델 가속기는 주변 기능을 대체하지 않고도 빠르게 토큰을 생성할 수 있다.
코드 에이전트는 유용한 예시다. 모델이 변경안을 제안하지만, 다른 시스템이 리포지토리를 체크아웃하고 의존성을 설치한다. 이어 소프트웨어를 컴파일하고, 테스트를 실행하고, 로그를 검사하고, 수정된 프롬프트를 제출할 수 있다. 이러한 단계에는 범용 컴퓨팅, 메모리, 스토리지, 네트워크 접근이 필요하다.
고객 서비스 에이전트도 비슷한 패턴을 만든다. 계정 기록을 조회하고, 재고를 확인하고, 지원 티켓을 업데이트하며, 민감한 작업에 대한 승인을 요청할 수 있다. 언어 모델이 상호작용을 이끄는 동안, 기존 시스템이 실제 작업의 상당 부분을 수행한다.
AMD는 에이전트 워크로드를 개인용, 엔터프라이즈, 기술 부문으로 분류한다. 개인용 에이전트는 와트당 에이전트 수를 우선시한다. 엔터프라이즈 배포는 많은 동시 사용자 전반에서 균형 잡힌 성능이 필요하다. 기술 에이전트는 컴파일과 시뮬레이션 같은 작업을 위해 더 빠른 코어가 필요하다.
Helion의 CPU 블레이드 선택은 이런 차이를 반영한다. 고밀도 블레이드는 400와트로 구성된 256코어 프로세서를 사용한다. 균형형 시스템도 256코어를 제공하며, 600와트 작동 지점을 갖는다. 성능형 블레이드는 5.0 GHz에 이르는 96개의 고주파 코어를 사용한다.
이는 구성 목표이지 애플리케이션 성능의 증거는 아니다. 코어 수만으로 에이전트가 작업을 얼마나 빠르게 완료하는지 예측할 수는 없다. 소프트웨어 설계, 메모리 접근, 도구 지연 시간, 모델 응답 시간, 네트워크 경합이 결과를 좌우할 수 있다.
그럼에도 이 아키텍처는 더 넓은 시장 변화를 반영한다. Nvidia는 에이전틱 워크로드를 위한 256프로세서 기반 독립형 Vera CPU 랙을 공개했다. Nvidia는 자사 CPU가 환경, 강화 학습, 데이터 처리, 그리고 GPU 추론을 둘러싼 기타 작업을 지원한다고 설명한다.
Intel도 이 부문을 겨냥하고 있다. 2026년 랙 스케일 전략은 Xeon 프로세서와 SambaNova 가속기를 결합해 추론 및 에이전트 워크로드를 처리한다. Intel은 별도로 여러 가속기 유형을 사용할 수 있는 분리형 시스템도 홍보하고 있다.
이러한 경쟁 활동은 AMD의 전제를 뒷받침한다. 에이전틱 AI는 가속기 랙을 넘어선 인프라 시장을 만들고 있다. 의견이 갈리는 지점은 고객이 이 구성 요소들을 얼마나 긴밀하게 묶어야 하는지다.
CPU 기회는 GPU의 중요성을 줄이지 않는다. 오히려 GPU 사용 확대에서 비롯된다. 모델 호출이 늘어나면 그 호출을 둘러싼 오케스트레이션, 데이터 이동, 애플리케이션 실행도 증가한다.
AMD에는 이것이 AI 데이터센터로 진입하는 또 다른 경로가 된다. Nvidia는 GPU 하드웨어와 CUDA 소프트웨어를 통해 가속기 시장의 상당 부분을 장악해 왔다. AMD는 가속기 분야에서 경쟁하는 동시에, 엔터프라이즈 시스템 전반에 이미 구축된 x86 서버 기반을 방어할 수 있다.
Helion은 이 설치 기반의 이점을 랙 수준 제안으로 묶는다. 고객은 주변 워크플로의 더 많은 부분을 EPYC 프로세서에서 실행할 수 있다. 이후 모델 호출은 AMD GPU, 다른 로컬 가속기 또는 외부 서비스로 보낼 수 있다.
사업성은 여전히 워크로드에 따라 달라진다. 단순 검색 보조 도구를 운영하는 기업에는 전용 랙이 필요하지 않을 수 있다. 수천 개의 동시 에이전트를 운영하는 하이퍼스케일러는 다른 계산에 직면한다. Helion은 이러한 백그라운드 작업이 용량 계획 문제가 되는 지점을 겨냥한다.
AMD의 개방형 청사진, Nvidia의 통합 AI 팩토리에 도전
핵심 경쟁은 하나의 벤치마크에서 AMD와 Nvidia를 비교하는 일이 아니다. 모듈형 인프라와 수직적으로 조율된 플랫폼의 대결이다.
Nvidia의 Vera Rubin 플랫폼은 여러 목적 특화 시스템을 결합한다. 포트폴리오에는 Rubin GPU 랙, Vera CPU 랙, 네트워킹, 데이터 처리 장치, 스토리지 인프라가 포함된다. Nvidia는 이 요소들이 대규모 AI 팩토리로 함께 작동하도록 설계한다.
이러한 통합은 성능 엔지니어링을 단순화할 수 있다. 하나의 공급업체가 프로세서, 인터커넥트, 시스템 아키텍처, 그리고 소프트웨어의 상당 부분을 제어한다. 고객은 정의된 배포 경로와 구성 요소 간 최적화된 통신을 얻는다.
같은 접근 방식은 플랫폼 의존도를 높인다. 설계가 시스템 전체에 걸쳐 Nvidia 하드웨어와 소프트웨어를 전제로 할 경우, 한 계층을 교체하기가 더 어려워진다. 구매자는 기존 인프라와 여러 공급업체의 구성 요소를 결합할 여지도 줄어든다.
AMD Helion은 반대의 약속을 제시한다. Open Compute Project 랙 형식을 사용하며, 제조업체가 조정할 수 있는 청사진으로 자신을 내세운다. AMD는 커뮤니티 개발을 위해 이 사양을 해당 조직에 기여할 계획이다.
Open Rack 프로젝트는 데이터센터 장비를 위한 공통 기계 및 전력 사양을 제공한다. Helion은 여러 계층에서 ORv3, DC-MHS, DC-SCM, HPRv2, OCP NIC 3.0, Caliptra를 언급한다. 이 표준은 랙 크기, 모듈형 호스트, 관리, 전력, 네트워킹, 하드웨어 보안 등의 영역을 포괄한다.
이 수준의 호환성은 캐비닛에 개방형 라벨을 붙이는 것보다 훨씬 중요하다. 표준화된 인터페이스는 제조업체가 호환 가능한 블레이드, 전력 시스템, 관리 구성 요소를 구축할 수 있게 한다. 또한 특정 고객에 맞춰 랙을 조정하는 데 필요한 엔지니어링 작업을 줄일 수 있다.
AMD는 상당한 제조 파트너 그룹을 확보했다. 발표된 지지 기업에는 Dell, Foxconn, HPE, Lenovo, QCT, Supermicro, Wiwynn이 포함된다. Cisco도 더 광범위한 인프라 접근 방식을 지원하고 있다.
파트너의 폭은 Helion이 청사진으로서 신뢰성을 갖추는 데 도움이 된다. 하지만 고객 수요를 입증하지는 않는다. 이들 제조업체 중 다수는 Nvidia 시스템도 구축하며, 공개적인 지지는 확정된 배포 물량을 보여주지 않는다.
Nvidia 역시 대규모 제조 네트워크가 지원하는 개방형 시스템 아키텍처로 MGX를 설명한다. 따라서 선택지는 개방형 AMD와 폐쇄형 Nvidia라는 구도보다 더 미묘하다. 두 회사 모두 장비 제조업체를 통해 레퍼런스 설계를 배포한다.
차이는 각 플랫폼이 통제권을 집중하는 위치에 있다. Nvidia는 가속기 패브릭, 네트워킹 스택, 프로세서, 소프트웨어 환경을 중심으로 구축한다. AMD는 교체 가능한 구성과 확립된 OCP 인터페이스에 더 큰 비중을 둔다.
Helion의 CPU 전용 옵션은 이 차이를 특히 분명하게 보여준다. 하이퍼스케일러는 추론 플릿과 별개로 에이전트 실행 용량을 배포할 수 있다. 가속기 플릿은 동일한 랙을 차지하거나 같은 갱신 주기를 따를 필요가 없다.
이 분리는 운영 유연성을 제공한다. 도구 실행이 병목이 되면 CPU 용량을 늘릴 수 있다. 모델 트래픽이 증가하면 GPU 용량을 확장할 수 있다. 각 풀은 자체 경제성에 따라 선택하고 교체할 수 있다.
또한 조정 업무도 발생한다. 운영자는 서로 다른 시스템 전반에서 네트워킹, 배치, 스케줄링, 관측 가능성, 장애 처리를 관리해야 한다. 개방형 청사진은 더 많은 선택지를 제공할 수 있지만, 그만큼 더 큰 통합 책임을 고객에게 넘길 수 있다.
엔터프라이즈 구성은 CPU와 MI350P GPU를 함께 배치해 이러한 부담을 줄인다. 그러나 두 GPU 노드는 독립적으로 작동한다. Helion에는 최대 규모 모델용으로 설계된 시스템에서 사용하는 랙 전체 규모의 스케일업 패브릭이 없다.
AMD는 이 구성이 프런티어 학습이 아닌 엔터프라이즈 에이전트를 겨냥했기 때문에 의도된 설계라고 설명한다. 이 설명은 아키텍처와 일치한다. 동시에 구매자가 이해해야 할 한계도 분명히 한다.
Helion은 오픈 모델을 로컬에서 실행할 수 있지만, 16개 GPU를 하나의 거대한 가속기로 통합하도록 설계되지는 않았다. 통합 GPU 도메인이 필요한 워크로드는 AMD Helios 또는 Nvidia의 GPU 랙과 같은 인프라에 적합하다. Helion의 역할은 조정, 실행, 그리고 일부 추론이다.
따라서 AMD Helion agentic AI 랙은 구매자에게 하나의 절충안을 제시한다. 모듈성과 여러 배포 경로를 얻는 대신, 각 구성 요소에 어떤 워크로드를 배치할지 판단하고 그 경계면을 관리해야 한다.
AMD Helion이 다양한 에이전트 워크로드를 라우팅하는 방식
Helion의 핵심 메커니즘은 워크로드 배치로, 에이전트 작업의 각 단계를 적절한 컴퓨팅 리소스와 연결한다.
공급업체를 평가하라는 요청을 받은 엔터프라이즈 리서치 에이전트를 생각해 보자. 에이전트는 먼저 요청을 해석하고 계획을 수립한다. 이후 내부 문서를 검색하고, 비즈니스 시스템을 조회하며, 외부 소스를 읽고, 위험 지표를 계산한다.
클라우드 모델은 초기 계획 수립 단계를 처리할 수 있다. 로컬 모델은 기밀 정보를 포함한 검색 문서를 분류할 수 있다. CPU 노드는 검색, 데이터베이스, 파싱, 계산 서비스를 실행할 수 있다. 스토리지 시스템은 전체 프로세스에서 사용되는 레코드를 제공한다.
토큰 라우터는 개별 모델 요청을 이러한 대상 전반으로 전달할 수 있다. 이는 추론용 트래픽 제어 장치와 유사하지만, 단순한 부하 분산보다 더 중요한 결정이다. 모델마다 품질, 지연 시간, 개인정보 보호, 컨텍스트 용량, 운영 비용이 다르기 때문이다.
예를 들어, 일상적인 추출 작업은 랙 내부의 소형 모델로 보낼 수 있다. 어려운 추론 요청은 프런티어 서비스로 보낼 수 있다. 민감한 데이터는 로컬 모델의 처리 시간이 더 길더라도 로컬에 남길 수 있다.
AMD는 이러한 라우팅 결정을 평가하기에 충분한 세부 정보를 공개하지 않았다. 발표 자료에는 경로 선택 정확도나 오버헤드에 관한 공개 측정치가 없다. 또한 관리자가 여러 모델 사이를 이동하는 요청을 어떻게 감사하는지도 설명하지 않는다.
이 질문들은 규제 환경에서 중요해진다. 라우팅 계층은 데이터 위치, 접근 권한, 승인된 모델 정책을 준수해야 한다. 또한 각 요청을 어떤 엔드포인트가 처리했는지 설명하는 기록도 생성해야 한다.
모델 라우팅은 스케줄링 계층 중 하나일 뿐이다. 플랫폼은 에이전트가 실행하는 비모델 작업도 배치해야 한다. 일부 작업은 많은 수의 효율적인 코어에 유리한 반면, 기술 작업에는 더 높은 단일 스레드 성능을 갖춘 적은 수의 코어가 필요하다.
AMD의 세 가지 프로세서 프로필은 이러한 차이를 다룬다. 고밀도 블레이드는 동시 처리 용량을 극대화한다. 균형형 블레이드는 동일한 코어 수에 더 많은 전력을 제공한다. 고주파 블레이드는 지연 시간에 민감한 코드와 기술 컴퓨팅을 겨냥한다.
엔터프라이즈 랙은 이러한 CPU 옵션과 함께 MI350P 추론 노드를 추가한다. 따라서 모든 모델 요청을 시스템 외부로 보내지 않고도 워크플로를 지원할 수 있다. 이 설계는 데이터 거버넌스 또는 지연 시간 요건이 있는 조직에 매력적일 수 있다.
범용 블레이드는 아키텍처를 완성한다. 이들은 데이터베이스, 스토리지 서비스, 그리고 에이전트가 의존하는 기술 애플리케이션을 지원한다. 이는 에이전트 플랫폼이 모델뿐 아니라 엔터프라이즈 시스템에도 의존한다는 실질적인 인식이다.
지식 집약적 워크플로는 이 연결을 잘 보여준다. 작업자는 에이전트에게 행동을 요청하기 전에 개인 지식 베이스를 사용해 관련 컨텍스트를 찾을 수 있다. 조직 규모에서는 동일한 패턴에 ID 제어, 검색 서비스, 데이터베이스, 추적 가능한 작업이 필요하다.
개발자는 인프라가 취약한 에이전트 설계를 보완해 줄 것이라고 가정해서는 안 된다. 더 많은 코어로는 불명확한 권한, 신뢰할 수 없는 도구, 또는 제대로 평가되지 않은 모델 동작을 해결할 수 없다. Helion은 용량을 제공할 수 있지만, 애플리케이션에는 여전히 제한과 복구 경로가 필요하다.
구매자는 대신 전체 워크플로를 매핑해야 한다. 모델 추론, 도구 실행, 검색, 대기, 검증에 소요되는 시간을 측정해야 한다. 이 측정치는 CPU 중심 랙, 혼합 시스템 또는 기존 서버 중 무엇이 적합한지를 결정한다.
이 지점에서 AMD의 주장은 검증 가능해진다. 실제 운영 에이전트가 모델 추론 외부에서 상당한 시간을 소비한다면, Helion은 고객이 해당 작업을 독립적으로 확장할 방법을 제공한다. 추론이 지배적이라면 가속기 중심 시스템이 여전히 더 설득력 있다.
사양이 입증하지 못하는 것
Helion은 개발 중인 레퍼런스 설계이므로, 가장 큰 수치는 검증된 프로덕션 결과가 아니라 용량을 설명한다.
32,768코어라는 대표 수치는 이해하기 쉽다. 그러나 이는 에이전트 성능 지표가 아니다. 고객은 와트당 완료 작업 수, 워크플로당 소요 시간, 모델 지연 시간, 장애율, 실제 트래픽에서의 활용률을 알아야 한다.
AMD의 제품 자료는 와트당 에이전트 수와 에이전트당 성능 극대화를 언급한다. 그러나 아직 이 지표에 대한 표준화된 결과를 제공하지는 않는다. 워크로드 정의가 없으면 “에이전트”라는 단어는 일관된 벤치마크 단위로 기능할 수 없다.
한 에이전트는 짧은 이메일을 분류할 수 있다. 다른 에이전트는 30분짜리 소프트웨어 테스트 스위트를 실행할 수 있다. 세 번째 에이전트는 수백 건의 도구 호출과 여러 모델을 조정할 수 있다. 이들을 각각 하나의 에이전트로 계산하면 작업량의 막대한 차이가 가려진다.
AMD는 Helion과 기존 서버 열 간의 완전한 비교도 공개하지 않았다. 랙 밀도는 설치 공간 요구를 줄일 수 있지만, 전력, 냉각, 네트워크 요구사항을 집중시킨다. 운영자는 시설 전체에 미치는 영향을 평가해야 한다.
102 Tbps 네트워킹 수치에도 유사한 맥락이 필요하다. 집계 패브릭 용량은 애플리케이션 처리량을 보여주지 않는다. 트래픽 패턴, 스위치 구성, 프로토콜 오버헤드, 스토리지 액세스, 외부 모델 호출은 모두 관측 성능에 영향을 미친다.
가용성도 또 다른 미해결 문제다. AMD는 파트너 구성이 개발 중이며 2026년 11월에 제공될 예정이라고 밝혔다. 이는 발표와 예상 출시 사이의 기간이 짧다는 의미다. 구체적인 모델, 지역별 가용성, 인증 일정, 고객 배포 현황은 여전히 불분명하다.
Tom’s Hardware가 보도한 날짜 수정은 이러한 유동성을 보여준다. 해당 매체는 처음에 2027년을 가리키는 안내를 받았으나, AMD가 가용성을 2026년 11월로 수정한 후 일정을 업데이트했다. 구매자는 시스템 파트너에게 직접 제공 일정을 확인해야 한다.
소프트웨어 성숙도도 또 다른 위험 요소다. 하드웨어 개방성이 제조사 전반에서 일관된 운영 경험을 자동으로 만들어 주지는 않는다. 펌웨어, 오케스트레이션 도구, 관측 가능성, 보안 제어, 지원 방식은 구현마다 다를 수 있다.
토큰 라우터는 특히 면밀한 검토가 필요하다. 클라우드와 로컬 모델 간 라우팅은 리소스 활용을 개선할 수 있지만, 오류는 품질이나 데이터 거버넌스에 영향을 미칠 수 있다. 기업은 정보에 데이터 상주 또는 기밀성 제한이 있을 때 자동화된 결정을 무효화할 정책이 필요하다.
조직이 모든 에이전트 서비스를 위해 하나의 혼합형 엔터프라이즈 랙을 원한다는 공개 증거도 아직 없다. 일부 구매자는 이미 공유 GPU 클러스터와 대규모 x86 플릿을 운영하고 있다. 이들은 전용 Helion 배포 대신 기존 풀 전반의 소프트웨어 오케스트레이션을 선호할 수 있다.
Nvidia는 반대 방향에서 경쟁 압력을 만든다. Vera Rubin은 Helion 발표 전에 양산에 들어갔다. Nvidia는 자사 플랫폼이 목적별로 설계된 CPU, GPU, 스토리지, 네트워킹 랙을 하나의 조정된 시스템으로 연결한다고 말한다.
이는 Nvidia 자체의 성능 및 도입 주장으로, 비교에는 독립적으로 재현된 테스트가 필요하다. 그럼에도 제품 가용성과 소프트웨어 통합은 아키텍처 유연성보다 더 중요할 수 있다. 고객은 추상적인 특성으로서의 개방성을 배포할 수 없다.
Intel은 AMD에 추가적인 불확실성을 더한다. Xeon 기반은 이미 데이터 센터에서 널리 사용되고 있으며, Intel은 여러 가속기를 활용하는 agentic 랙 솔루션을 홍보하고 있다. 따라서 Helion은 기존 x86 인프라뿐 아니라 Nvidia의 통합 플랫폼과도 경쟁해야 한다.
AMD의 주장에서 가장 강력한 버전은 보편적 우위를 주장하는 데 의존하지 않는다. 이는 측정 가능한 특정 종류의 에이전트 워크로드가 분리된 실행 용량의 혜택을 받는다는 점을 보여주는 데 달려 있다. 최대 코어 수보다 공개 고객 결과가 더 중요할 것이다.
AMD 전략의 성패를 보여줄 세 가지 신호
Helion의 성공은 제공된 시스템, 재현 가능한 워크로드 결과, 그리고 고객이 실제로 모듈형 설계를 사용하는지에 달려 있다.
첫 번째 신호는 11월 가용성이다. Dell, HPE, Lenovo, Supermicro, QCT, Foxconn, Wiwynn은 지원 의사를 주문 가능한 구성으로 전환해야 한다. 구매자는 완전한 사양, 제공 지역, 서비스 조건, 인증 지침을 주시해야 한다.
예정대로 시스템이 제공된다면 OCP 기반 협업이 청사진에서 제품까지의 경로를 단축할 수 있다는 AMD의 주장을 강화할 것이다. 지연이나 제한적인 가용성은 생태계가 준비되기 전에 발표가 나왔음을 시사할 수 있다.
두 번째 신호는 애플리케이션 수준 벤치마킹이다. AMD와 파트너는 현실적인 워크플로 전반에서 완료된 에이전트 작업, 지연 시간 분포, 전력 사용량, 활용률을 보고해야 한다. 테스트는 모델 시간을 CPU 실행, 검색, 스토리지, 네트워킹과 분리해야 한다.
가장 유용한 비교에는 기존 서버, Helion의 CPU 전용 랙, 혼합형 엔터프라이즈 구성이 포함될 것이다. 또한 모든 워크플로를 명확히 정의해야 한다. 작업 복잡도와 품질 제어가 없는 일반적인 “와트당 에이전트 수” 결과는 거의 가치가 없다.
독립 테스트는 이러한 결과를 강화할 것이다. 또한 구매자가 Helion을 Nvidia Vera CPU 랙, Intel Xeon 배포, 이미 프로덕션에서 운영 중인 소프트웨어 오케스트레이션 인프라와 비교하는 데 도움이 될 것이다.
세 번째 신호는 고객이 분리형 구성을 어떻게 사용하는지다. 여러 가속기 플랫폼과 Helion을 결합하는 하이퍼스케일러는 AMD의 핵심 주장을 검증할 것이다. 이는 에이전트 실행이 독립적으로 확장되는 인프라 계층이 될 수 있음을 보여줄 것이다.
엔터프라이즈 도입은 다른 전제를 시험한다. 구매자는 하나의 랙 내에서 CPU 실행과 제한적인 GPU 추론을 결합하는 것이 배포를 단순화한다는 점을 입증해야 한다. Helion을 고밀도 범용 컴퓨팅으로만 사용한다면, 에이전트 특화 포지셔닝은 덜 차별적으로 보일 것이다.
AMD Helion agentic AI 랙은 설득력 있는 아키텍처 아이디어와 함께 시장에 진입한다. 에이전트 워크플로에는 모델 추론 이상의 요소가 있으며, 이를 둘러싼 작업에는 상당한 인프라가 필요하다. AMD는 이 관찰을 중심으로 랙을 설계했다.
그러나 청사진은 시작일 뿐이다. 그 가치는 파트너가 구성 요소를 얼마나 잘 통합하는지, 고객이 결과를 얼마나 명확하게 측정하는지에 달려 있다. 개방형 표준은 선택지를 넓힐 수 있지만, 신뢰할 수 있는 에이전트 플랫폼을 구축하는 작업을 없애지는 않는다.
개발자와 엔터프라이즈 구매자에게 즉각적으로 필요한 조치는 간단합니다. 하드웨어를 선택하기 전에 전체 워크플로를 프로파일링해야 합니다. 에이전트가 어디에 시간을 쓰는지, 어떤 데이터를 로컬에 유지해야 하는지, 장애가 어디서 발생하는지를 측정하세요. 그런 다음 이러한 요구사항을 기준으로 Helion의 모듈형 접근 방식과 통합형 대안을 비교하세요. 11월에 투명한 벤치마크와 실제 배포 사례를 갖춘 시스템이 출시된다면, AMD는 에이전틱 컴퓨팅에 별도의 랙 스케일 계층이 필요하다는 근거를 확보하게 될 것입니다.
