Helios가 Nvidia의 AI 스택에 도전하며 변화하는 AMD 투자 논리

AMD는 첫 양산형 랙 스케일 AI 시스템을 출시하며, AMD 투자 스토리를 Nvidia의 긴밀하게 통합된 인프라에 대한 직접적인 도전으로 전환했다.

Advancing AI 2026에서 AMD는 Instinct MI400 GPU, 6세대 EPYC 프로세서, Pensando 네트워킹, 확장된 ROCm 소프트웨어 플랫폼과 함께 Helios를 공개했다. 회사는 Helios가 기가와트 단위 배치를 위한 양산 단계에 진입한다고 밝혔다.

이로써 경쟁 구도가 달라진다. AMD는 더 이상 고객에게 하나의 가속기를 다른 가속기와 비교해 달라고 요구하지 않는다. 대신 Nvidia의 Vera Rubin NVL72 플랫폼과 경쟁하도록 설계된 완성형 랙을 제공한다.

이 전환은 양사 모두의 부담을 키운다. Nvidia는 수년간 GPU, 네트워킹, CPU, 라이브러리, 배포 도구를 통합해 왔다. 이제 AMD는 개방성과 고객 선택권이 실제 데이터센터 운영에서 유사한 결과를 낼 수 있음을 입증해야 한다.

이제 AMD 투자 스토리는 Helios를 중심으로 전개된다

Helios는 AMD의 AI 전략을 칩 포트폴리오에서 완성형 인프라 제품으로 바꾼다.

AMD는 2026년 7월 23일 샌프란시스코에서 열린 연례 Advancing AI 행사에서 Helios를 공개했다. 이 시스템은 하나의 랙에 72개의 Instinct MI455X GPU와 18개의 6세대 EPYC CPU를 결합한다.

Pensando 네트워킹은 랙 내부와 랙 간에서 이들 프로세서를 연결한다. AMD의 오픈 GPU 소프트웨어 플랫폼인 ROCm은 하드웨어 위에서 프로그래밍 및 런타임 계층을 제공한다.

이 구성은 현대 AI 시스템이 더 이상 독립적인 서버들의 집합처럼 작동하지 않기 때문에 중요하다. 학습 및 추론 워크로드는 점점 랙 전체에 걸쳐 실행되며, 이 과정에서 통신은 원시 프로세서 성능만큼 중요해질 수 있다.

랙 스케일 시스템은 프로세서, 메모리, 네트워킹, 냉각, 소프트웨어를 하나의 조율된 장비로 다룬다. Nvidia는 NVL 시스템으로 이 모델을 확립한 뒤 Vera Rubin으로 이를 확장했다.

AMD의 Helios 출시는 회사를 같은 경쟁 구도에 진입시킨다. 이번 발표에는 최대 규모 데이터센터 외부의 워크로드를 위한 여러 제품도 포함됐다.

6세대 EPYC 포트폴리오는 최고 밀도 프로세서에서 최대 256코어와 512스레드를 제공한다. AMD는 이 CPU를 클라우드 서비스, 기업용 애플리케이션, 고성능 컴퓨팅, AI 에이전트가 활용하는 환경에 적합하다고 제시한다.

에이전틱 워크로드에는 작업을 계획하고, 도구를 호출하며, 정보를 검색하고, 여러 단계에 걸쳐 결과를 평가하는 모델이 포함된다. 이러한 작업에는 GPU가 필요하지만, 상당한 CPU 및 네트워킹 수요도 발생시킨다.

MI455X는 Helios 내부의 핵심 가속기가 된다. AMD는 특정 내부 테스트에서 이전 MI355X 대비 토큰 처리량이 34배에 달한다고 밝혔다.

이 비교는 FP4 서빙 환경의 DeepSeek V4 Flash를 사용한다. 이는 여전히 AMD의 측정치이며, 실제 운영 결과는 모델 동작, 소프트웨어 버전, 시스템 구성에 따라 달라질 것이다.

AMD는 고정밀 과학 컴퓨팅용 MI430X도 선보였다. 회사에 따르면 이 가속기는 최대 288테라플롭스의 하드웨어 FP64 성능을 지원한다.

별도의 MI350P 카드는 기존 서버 설계 안에서 최신 추론 하드웨어를 원하는 조직을 겨냥한다. AMD는 비교 대상 Nvidia 제품보다 달러당 초당 토큰 수를 최대 4.2배 더 제공할 수 있다고 밝혔다.

이 발표들은 포트폴리오의 폭을 넓히지만, 핵심 전략적 무게는 Helios가 짊어진다. Helios는 AMD 기술을 대형 고객이 시스템 수준에서 평가할 수 있는 제품으로 묶는다.

OpenAI는 2026년 4분기에 Helios를 가동하고, 2027년에는 더 빠른 배치를 이어갈 것으로 예상한다. Meta는 새로운 EPYC 플랫폼을 검증하는 동안 Helios 랙에서 워크로드 테스트를 시작했다.

Anthropic은 다년간의 파트너십을 통해 최대 2기가와트 규모의 MI455X GPU를 배치할 계획이다. Microsoft, Oracle, HUMAIN, Tensorwave, Vultr, Cirrascale도 AMD가 제시한 도입 기업 목록에 포함된다.

고객 목록은 광범위한 배치에 앞서 AMD에 귀중한 검증을 제공한다. 그러나 계약과 테스트 프로그램은 지속적인 상용 운영 사용과는 다르다.

이 차이가 AMD 투자 논리의 다음 단계를 규정한다. Helios는 로드맵 슬라이드를 넘어섰지만, 성능은 여전히 실제 워크로드와 운영 제약 속에서 검증받아야 한다.

에이전틱 AI는 CPU를 다시 전략적 인프라로 만들고 있다

에이전틱 AI로의 전환은 경쟁을 GPU 너머로 확장하고 AMD에 더 많은 경쟁 경로를 제공한다.

생성형 AI 인프라는 처음에는 대형 모델 학습에 집중됐다. 이 워크로드는 가속기, 특히 Nvidia GPU와 CUDA 소프트웨어에 관심을 집중시켰다.

에이전틱 시스템은 다른 워크로드 조합을 만든다. 사용자 요청 하나가 계획 수립, 코드 실행, 검색, 검증, 반복적인 모델 호출을 촉발할 수 있다.

모델은 여전히 가속기에서 토큰을 생성한다. 하지만 CPU는 그 생성 과정 주변의 오케스트레이션, 도구 환경, 데이터 준비, 스토리지 접근, 다양한 지원 서비스를 관리한다.

이 패턴은 시스템의 여러 부분을 공급할 수 있는 기업에 유리하다. AMD는 이미 서버 CPU, GPU, 적응형 프로세서, 임베디드 칩, 네트워킹 제품을 판매하고 있다.

6세대 EPYC 출시는 이러한 폭넓은 포트폴리오를 직접 활용한다. AMD는 더 높은 코어 및 스레드 밀도를 통해 랙당 더 많은 동시 에이전트 환경을 지원할 수 있다고 밝혔다.

회사의 계산은 CPU 스레드를 에이전트 용량의 대리 지표로 사용한다. 실제 용량은 메모리, 오케스트레이션 소프트웨어, 모델 크기, 도구 활동에 따라 달라질 것이다.

이 단서는 중요하다. 단순 조회를 수행하는 에이전트와 격리된 환경에서 소프트웨어를 테스트하는 에이전트는 서로 다른 요구를 부과한다.

그럼에도 근본적인 인프라 전환은 신뢰할 만하다. Nvidia 역시 에이전틱 워크로드를 위한 전용 Vera CPU 랙을 도입해, CPU가 새로 등장하는 아키텍처의 핵심으로 남아 있음을 시사했다.

Nvidia는 Vera CPU 랙이 256개의 프로세서를 통합하고 22,500개 이상의 동시 CPU 환경을 지원한다고 밝혔다. 이 수치 역시 공급업체 측정치이지만, 경쟁의 방향을 보여준다.

양사는 이제 에이전틱 AI를 시스템 문제로 설명한다. 승자는 대규모 환경에서 CPU, 가속기, 네트워킹, 메모리, 스토리지, 보안, 소프트웨어를 조율해야 한다.

AMD는 데이터센터, PC, 엣지 시스템, 임베디드 기기 전반의 수요가 2030년까지 약 2조 달러 규모의 잠재 시장을 만들 것으로 추정한다. 이 전망은 Helios보다 훨씬 넓은 영역을 포함한다.

투자자들은 이 추정치를 매출 전망이 아닌 계획 가정으로 봐야 한다. AMD의 발표문도 이를 시장 및 실행 리스크의 영향을 받는 미래예측진술로 명시한다.

현재 재무 실적은 더 단단한 기반을 제공한다. AMD는 2026년 1분기 매출 103억 달러를 보고했으며, 데이터센터 매출은 58억 달러에 달했다.

AMD의 분기 실적에 따르면 데이터센터 매출은 전년 동기 대비 57% 증가했다. 이 부문은 회사 성장의 주요 원천이 됐다.

이 수치는 AMD가 이미 대규모 데이터센터 사업을 보유하고 있음을 보여준다. 다만 AI 가속기, EPYC 프로세서, 관련 시스템에서 각각 얼마의 매출이 발생하는지는 드러내지 않는다.

에이전틱 AI 논리는 AMD가 각 배치에 더 많은 구성 요소를 판매할 기회를 제공한다. Helios 주문에는 GPU, CPU, 네트워킹 구성 요소, ROCm 지원이 포함될 수 있다.

피지컬 AI는 같은 전략을 중앙집중형 인프라 밖으로 확장한다. AMD는 CPU, GPU, NPU, FPGA 리소스를 결합한 Ryzen AI Embedded X100 프로세서와 Kria 로보틱스 플랫폼을 소개했다.

신경망 처리 장치인 NPU는 저전력 AI 작업을 가속한다. FPGA는 고객이 특수 데이터 처리와 제어를 위해 구성할 수 있는 프로그래머블 칩이다.

AMD는 Kria 플랫폼을 실제 환경의 시간 제약 아래에서 인지, 추론, 행동해야 하는 기계용으로 제시한다. 잠재적 응용 분야에는 산업용 로보틱스, 자율 장비, 지능형 엣지 시스템이 포함된다.

AT&T는 통신용으로 설계된 오픈소스 모델 OTel 2.0에 AMD 하드웨어와 ROCm을 사용한다고도 설명했다. Cisco는 AMD 추론 시스템을 자사의 네트워킹, 모니터링, 보안 기술과 결합할 계획이다.

이 사례들은 AMD의 기회를 넓히지만, 핵심 검증 과제에서 시선을 돌려서는 안 된다. Helios는 Nvidia에 맞서는 신뢰할 수 있는 랙 스케일 공급업체로서 AMD의 위상을 확립해야 한다.

AMD 대 Nvidia AI 경쟁은 이제 풀스택 대결이다

AMD의 주된 상대는 개별 Nvidia GPU가 아니라 Nvidia의 통합 시스템과 성숙한 소프트웨어 유통망이다.

가장 명확한 AMD 대 Nvidia AI 비교는 Helios와 Vera Rubin NVL72의 대결이다. 두 시스템은 각각 조율된 랙 아키텍처를 통해 연결된 72개의 GPU를 사용한다.

이러한 수적 대칭성은 비교를 쉽게 만들지만, 기본 설계는 다르다. Helios는 18개의 EPYC CPU를 사용하는 반면 Vera Rubin NVL72는 36개의 Vera CPU를 통합한다.

양사는 모두 자신들이 통제하는 네트워킹 및 소프트웨어와 가속기를 결합한다. 또한 학습 및 추론 경제성의 큰 개선을 주장한다.

Nvidia의 Vera Rubin 플랫폼은 Rubin GPU, Vera CPU, NVLink 6 스위치, ConnectX-9 어댑터, BlueField-4 프로세서, Spectrum-6 Ethernet을 통합한다.

Nvidia는 Vera Rubin NVL72가 Blackwell 플랫폼보다 4분의 1 수준의 GPU만으로 전문가 혼합 모델을 학습할 수 있다고 밝혔다. 와트당 더 높은 추론 처리량도 주장한다.

전문가 혼합 모델은 각 요청에 대해 선택된 신경망 구성 요소를 활성화한다. 이 설계는 매 토큰마다 모든 파라미터를 사용하지 않고도 모델 용량을 높일 수 있다.

AMD는 Helios가 선도적 경쟁 솔루션보다 달러당 추론 토큰을 최대 30% 더 제공한다고 밝혔다. 각주에서 이 솔루션을 Nvidia Vera Rubin NVL72로 명시한다.

이 비교는 입력 32,000토큰과 출력 8,000토큰의 Kimi K2 Thinking 워크로드에 대한 AMD 추정치를 사용한다. 또한 예상 시간당 GPU 가격에 의존한다.

이 조건들은 주장의 범위를 좁힌다. 서로 다른 모델, 응답 길이, 활용률, 상업적 계약은 결과를 크게 바꿀 수 있다.

토큰당 비용도 운영 경제성의 일부만 포착한다. 데이터센터 운영자는 전력 확보, 냉각, 신뢰성, 소프트웨어 인력, 네트워킹 효율성, 배포 시간을 고려해야 한다.

Nvidia의 강점은 설치 기반 소프트웨어에서 시작된다. CUDA는 방대한 개발 도구, 최적화 라이브러리, 프레임워크, 숙련된 엔지니어 풀을 지원한다.

ROCm은 개선됐고 일반적인 프레임워크는 이제 AMD 가속기를 지원한다. 하지만 호환성이 동등한 성능, 디버깅 품질, 운영 성숙도를 보장하지는 않는다.

AMD는 코딩 에이전트가 AMD 하드웨어와 ROCm 개념을 이해하도록 하는 개발 계층 ROCm.ai로 대응하고 있다. 이 플랫폼은 Claude, Codex, Cursor를 비롯한 어시스턴트를 지원한다.

이 아이디어는 실용적이다. AI 코딩 도구는 개발자가 커널을 포팅하고, 구성 문제를 식별하며, 새 가속기에 맞춰 워크로드를 최적화하도록 도울 수 있다.

AMD와 Anthropic은 AMD 자체 엔지니어링 프로세스에서 Claude를 사용할 계획이다. 양사의 협력에는 Instinct GPU용 소프트웨어 최적화와 ROCm 개발 가속화가 포함된다.

이러한 협력은 유용한 피드백 순환을 만든다. Anthropic은 또 하나의 대규모 인프라 선택지를 얻고, AMD는 소프트웨어 병목을 드러낼 수 있는 까다로운 고객을 확보한다.

OpenAI도 실리콘과 소프트웨어 전반에서 AMD와 협력하고 있다. 양사는 GPT급 워크로드를 위해 OpenAI의 Triton 프로그래밍 프레임워크와 ROCm을 결합하고 있다.

그들의 관계는 이번 Helios 발표보다 앞선다. 2025년 10월 발표된 인프라 계약은 여러 세대에 걸쳐 최대 6기가와트의 AMD GPU를 도입하는 내용을 담았다.

첫 1기가와트는 2026년 하반기에 가동을 시작할 예정이었다. Advancing AI 2026은 Helios가 4분기 중 온라인에 투입될 것으로 예상된다는 더 구체적인 운영 이정표를 제시한다.

대형 고객들이 대안을 원하는 이유는 인프라 집중이 공급, 가격, 전략적 위험을 만들기 때문이다. Nvidia가 여전히 주력 플랫폼이더라도 AMD를 지원하면 협상력이 높아질 수 있다.

이런 역학은 AMD의 고객사 진입을 돕지만, 해석을 복잡하게 만들기도 한다. 고객은 대규모 AMD 배포를 발표하면서도 Nvidia 용량을 더 빠르게 확장할 수 있다.

Nvidia는 Anthropic, Meta, Microsoft, OpenAI, Oracle 등 여러 AI 기업을 Vera Rubin 도입사로 열거한다. 이들 중 일부는 AMD 고객 명단에도 포함된다.

따라서 고객사 로고만으로 대체가 일어났다고 입증할 수는 없다. 이는 선도 구매자들이 영구적인 단일 승자를 선택하기보다 이기종 인프라를 설계하고 있음을 보여준다.

풀스택 경쟁의 성패는 워크로드 배분에 달려 있다. 고객이 단순한 잉여 용량이 아니라 중요한 학습 및 대규모 추론 작업을 Helios에 할당한다면 AMD의 신뢰도는 높아진다.

개방형 아키텍처로 살펴보는 AMD Helios

AMD는 오픈형 모듈식 스택이 랙 수준 성능을 희생하지 않으면서 Nvidia의 더 깊은 통합에 맞설 수 있다고 보고 있다.

“오픈 플랫폼”이라는 표현은 여러 의미를 가질 수 있다. Helios에서는 소프트웨어 접근성, 표준 인터페이스, 파트너 선택권, 그리고 서로 다른 공급업체의 구성 요소를 결합할 수 있는 능력을 뜻한다.

AMD의 ROCm 소프트웨어는 오픈 소스이므로, 고객은 프로그래밍 스택의 중요한 부분을 검토하고 수정할 수 있다. 일반적인 머신러닝 프레임워크는 완전히 별도의 애플리케이션 아키텍처를 요구하지 않고 ROCm을 대상으로 할 수 있다.

Helios 시스템은 여러 제조업체가 공급할 예정이다. AMD는 인프라 파트너인 Sanmina와 Wiwynn 외에 Bull, HPE, Lenovo, Supermicro를 열거한다.

이 공급업체 모델은 고객의 선택권을 넓힐 수 있다. 또한 데이터센터 운영자가 기존 서버 공급업체 및 통합업체와의 관계를 유지할 수 있게 한다.

Nvidia도 MGX 레퍼런스 아키텍처를 개방형으로 설명하며, 파트너 네트워크도 더 크다. 따라서 이 경쟁은 단순히 개방형 AMD와 폐쇄형 Nvidia의 대결이 아니다.

의미 있는 차이는 통제 방식에 있다. Nvidia는 자체 CPU, GPU, 인터커넥트, 네트워크 어댑터, 데이터 처리 장치, 라이브러리, 관리 소프트웨어를 긴밀히 조율한다.

AMD도 하드웨어를 조율하지만, 표준 인터페이스와 더 폭넓은 파트너군에 더 크게 의존한다. 이 모델은 단일 공급업체 의존도를 낮출 수 있지만, 그만큼 통합 책임을 추가로 만든다.

구성 요소 수준에서 AMD Helios를 살펴보면 통합이 여전히 어려운 이유가 드러난다. MI455X GPU는 하나의 대형 가속기처럼 동작할 수 있을 만큼 빠르게 데이터를 교환해야 한다.

EPYC 프로세서는 이 GPU들에 데이터를 계속 공급해야 한다. Pensando 네트워킹은 통신 오버헤드가 가속기 성능 향상을 상쇄하지 않도록 랙을 연결해야 한다.

이후 ROCm은 작업을 스케줄링하고, 메모리를 관리하며, 최적화된 커널을 제공하고, 고객이 이미 사용하는 도구와 통합해야 한다. 어느 한 계층이라도 약하면 시스템 처리량이 제한될 수 있다.

이 메커니즘은 AMD의 Cerebras 파트너십도 설명한다. 양사는 Helios와 Cerebras 웨이퍼 스케일 프로세서 간에 추론 작업을 분할할 계획이다.

프롬프트 처리와 긴 컨텍스트 작업은 AMD 인프라에서 실행될 수 있다. Cerebras 하드웨어는 메모리 대역폭과 지연 시간이 중요해지는 토큰 생성 단계를 처리할 수 있다.

분리형 추론은 하나의 요청에 속한 서로 다른 단계를 특화된 아키텍처에 할당한다. 효율을 높일 수 있지만, 통신 및 스케줄링 복잡성도 유발한다.

Cerebras는 2026년 후반에 자사 클라우드를 통해 이 결합 시스템을 제공할 것으로 예상한다. 이 배포는 개방성이 이례적인 인프라 조합을 가능하게 한다는 AMD의 주장을 검증하는 초기 시험대가 될 수 있다.

AMD의 피지컬 AI 제품도 더 작은 규모에서 유사한 원칙을 적용한다. Kria 로보틱스 개발자 플랫폼은 하나의 시스템 안에 여러 프로세서 유형을 결합한다.

CPU는 범용 소프트웨어와 제어 작업을 처리한다. GPU는 병렬 컴퓨팅을 지원하고, NPU는 효율적인 신경망 추론을 가속한다.

FPGA는 특화된 센서 처리와 결정론적 제어를 관리할 수 있다. 결정론적 작동이란 시스템이 예측 가능한 시간 창 안에 응답한다는 뜻이며, 이는 물리적 장비에서 중요하다.

이 폭넓은 구성은 개발자에게 여러 컴퓨팅 엔진을 제공한다. 동시에 소프트웨어를 올바르게 분할하고 제품 운영 과정에서 유지하는 데 필요한 작업도 늘린다.

AMD는 자사 플랫폼이 벤더 종속을 없앤다고 말한다. 그러나 이 주장은 어떤 하드웨어 플랫폼이 보장할 수 있는 범위를 과장한다.

애플리케이션은 여전히 드라이버, 최적화 도구, 배포 워크플로, 성능 특성에 의존하게 된다. 프레임워크가 양쪽을 모두 지원하더라도 AMD와 Nvidia 간 이전에는 광범위한 테스트가 필요할 수 있다.

더 나은 주장은 AMD가 또 하나의 실현 가능한 아키텍처를 제공한다는 것이다. 고객은 이를 통해 공급망을 다변화하고, 상업 조건을 협상하며, 특정 워크로드에 맞춰 인프라를 구성할 수 있다.

이는 손쉬운 이식성을 전제하지 않아도 의미 있는 이점이다. 가장 강력한 근거는 같은 프로덕션 워크로드를 두 시스템에서 모두 운영하는 고객으로부터 나올 것이다.

수치는 여전히 AMD 자체 가정에 의존한다

AAI 2026은 AMD의 야심을 보여주지만, 대부분의 성능 주장은 여전히 독립적인 프로덕션 환경의 증거를 기다리고 있다.

AMD가 제시한 토큰당 비용 기준 30% 우위는 중립적인 벤치마크가 아니라 내부 추정에 기반한다. 이 계산에는 예상 가격과 하나의 정의된 워크로드가 포함된다.

MI455X 처리량의 34배 향상 역시 선택된 조건에서 AMD의 두 세대를 비교한 결과다. 이는 Nvidia 최신 가속기에 대한 동등한 우위를 입증하지 않는다.

이러한 공개가 결과를 무효화하는 것은 아니다. 다만 그 결과가 실제로 뒷받침하는 범위를 정의한다.

에이전틱 AI 워크로드는 매우 다양하므로 벤치마크 선택은 중요하다. 일부 요청은 긴 입력 컨텍스트를 사용하고, 다른 요청은 더 긴 출력을 생성하거나 도구를 반복적으로 호출한다.

활용률도 중요하다. 최고 처리량이 높은 가속기라도 소프트웨어나 네트워킹 때문에 유휴 상태가 되면 경제성은 떨어질 수 있다.

프로덕션 시스템은 장애 부품, 소프트웨어 오류, 네트워크 혼잡에서 복구해야 한다. 수천 개의 프로세서가 함께 작동할 때는 벤치마크 우위보다 신뢰성이 더 중요할 수 있다.

배포 속도도 또 다른 위험을 만든다. Helios는 7월에 생산에 들어갔고, OpenAI는 4분기에 이를 온라인으로 전환할 것으로 예상한다.

이 일정은 제조, 설치, 검증, 워크로드 튜닝에 불과 몇 개월만 남긴다. 지연은 의미 있는 매출을 이후 기간으로 미룰 수 있다.

공급 제약은 AMD의 자체 칩을 넘어선다. Helios는 첨단 제조, 고대역폭 메모리, 네트워킹 구성 요소, 냉각 시스템, 충분한 데이터센터 전력에 의존한다.

AMD의 규제 공시는 고객이 데이터센터 용량과 에너지를 확보하는 데 어려움을 겪을 수 있다고 구체적으로 경고한다. 위험 공시에는 메모리 공급과 제조 수율도 포함된다.

기가와트 단위의 약정은 전력의 중요성을 특히 부각한다. 실제 프로젝트의 소비량은 시간에 따라 달라지지만, 1기가와트는 대형 발전소 하나의 출력에 해당한다.

기가와트로 표시된 계약은 규모를 나타내지만, 출하 시점, 활용률, 인식 매출을 구체적으로 설명하지는 않는다. 일부 약정은 여러 하드웨어 세대에 걸쳐 있기도 하다.

소프트웨어는 가장 지속적인 실행 과제로 남는다. AMD는 ROCm에 크게 투자해 왔으며, 고객 협업은 이를 개선할 것으로 보인다.

하지만 Nvidia도 CUDA, 라이브러리, 네트워킹, 배포 소프트웨어를 계속 업데이트하고 있다. AMD는 고정된 호환성 기준이 아니라 계속 움직이는 목표를 추격하고 있다.

Nvidia는 Vera Rubin도 대규모로 출하하고 있다. 회사는 5월에 수백 곳의 공급망 파트너를 통해 이 플랫폼이 본격적인 양산 단계로 확대되고 있다고 밝혔다.

이는 AMD에 어려운 비교 구도를 만든다. Helios는 단지 잘 작동하는 데 그쳐서는 안 되며, 고객이 이미 설치하고 있는 기존 플랫폼과 경쟁해야 한다.

따라서 AMD 투자 논리에는 분명한 긴장이 존재한다. 고객 수요는 강해 보이지만, 매출의 질은 배포 속도, 마진, 반복 주문에 달려 있다.

완성된 랙을 판매하면 설치 건당 AMD의 공급 범위를 넓힐 수 있다. 동시에 개별 프로세서 판매와는 다른 통합 비용과 지원 요구사항에 회사를 노출할 수 있다.

AI 시스템 매출이 확대됨에 따라 투자자는 매출총이익률을 지켜봐야 한다. 시스템 사업의 성장은 매출을 높일 수 있지만, 가속기 단독 판매와는 다른 마진 프로필을 만들 수 있다.

고객 집중도도 또 다른 불확실성이다. OpenAI, Meta, Anthropic, Microsoft 등 대형 구매자는 엄청난 물량을 이끌 수 있다.

이들은 상당한 협상력도 보유한다. 프로젝트 지연이나 아키텍처 변경은 AMD의 전망에 영향을 줄 수 있다.

수출 통제와 무역 정책은 추가 위험을 만든다. 첨단 가속기는 여러 시장에서 제한을 받고 있으며, 향후 규칙은 접근 가능한 고객 기반을 바꿀 수 있다.

이러한 문제들이 출시의 의미를 부정하는 것은 아니다. 이는 제품 가용성이 증거 축적 주기의 결론이 아니라 시작점인 이유를 설명한다.

AMD 투자자가 다음으로 주목해야 할 사항

세 가지 신호가 Helios가 지속 가능한 플랫폼이 될지, 아니면 신뢰할 수 있는 보조 옵션에 머물지를 보여줄 것이다.

첫 번째 신호는 OpenAI의 4분기 배포다. AMD는 가장 중요한 고객 관계 중 하나에 구체적인 운영 시점을 연결했다.

투자자는 Helios의 서비스 투입 여부, 지원하는 워크로드, 그리고 2027년 중 배포가 가속되는지를 확인해야 한다. 지연은 AMD의 실행 스토리를 약화시킬 것이다.

워크로드 유형은 설치 시점만큼 중요하다. 프로덕션 추론은 경제성을 검증하는 반면, 프런티어 학습은 더 큰 규모에서 네트워킹과 소프트웨어를 시험한다.

두 번째 신호는 독립적인 성능 증거다. 고객, 클라우드 제공업체, 기술 검토자는 대표적인 워크로드에서 Helios와 Vera Rubin을 비교해야 한다.

유용한 측정 지표에는 초당 토큰 수, 첫 토큰까지의 시간, 에너지 소비, 활용률, 장애 복구, 엔지니어링 투입량이 포함된다. 결과는 여러 모델과 컨텍스트 길이를 포괄해야 한다.

광범위한 우위는 개방성이 Nvidia의 통합 스택과 경쟁할 수 있다는 AMD의 주장을 강화할 것이다. 결과가 엇갈린다면 워크로드 특화가 여전히 필요하다는 의미일 수 있다.

세 번째 신호는 재무적 전환이다. Helios 출하가 시작되면서 AMD의 다음 실적 보고서는 데이터센터 성장이 가속되는지를 보여줘야 한다.

투자자는 데이터센터 매출, 매출총이익률, 공급 관련 논평, 그리고 경영진의 인식된 AI 매출 설명에 주목해야 한다. 고객 약정만으로는 이 질문들에 답할 수 없다.

회사의 1분기 실적은 강력한 출발점을 제공한다. 데이터센터 매출은 이미 분기 전체 매출의 절반 이상을 차지했다.

그러나 AMD는 랙 규모 AI가 기존 수요를 제품 간에 이동시키는 데 그치지 않고 지속적인 성장을 더한다는 점을 입증해야 한다. 초기 검증 물량보다 반복 주문이 더 큰 비중을 갖는다.

로드맵은 압박을 더한다. AMD는 2027년에 MI500 GPU와 Helios 500을 출시하고, 2028년에는 MI600과 Helios 600을 뒤이어 출시할 계획이다.

연간 출시 주기는 AMD가 고객의 계획 주기에 맞춰 나아가게 할 수 있다. 동시에 다음 플랫폼이 도착하기 전에 각 세대를 안정화할 시간은 줄어든다.

Nvidia 역시 자체적으로 공격적인 출시 주기를 따른다. 따라서 AMD vs Nvidia AI 경쟁에서는 단 한 번의 유리한 출시가 아니라 일관된 실행력이 보상받게 될 것이다.

개발자는 ROCm.ai가 일반적인 워크플로를 얼마나 빠르게 개선하는지 주시해야 합니다. 더 빠른 설치, 향상된 진단 기능, 신뢰할 수 있는 프레임워크 지원은 가속기 도입 과정에 숨겨진 작업 부담을 줄일 수 있습니다.

엔터프라이즈 구매자는 자체 애플리케이션으로 이식성 주장을 검증해야 합니다. 성공적인 테스트에는 프로덕션에서 사용하는 모델, 검색 시스템, 보안 제어, 모니터링 도구가 포함되어야 합니다.

지식 노동자는 그 영향을 간접적으로 체감하게 될 것입니다. 더 낮은 추론 비용은 더 긴 추론, 더 많은 도구 호출, 그리고 언제나 사용할 수 있는 에이전트의 폭넓은 활용을 뒷받침할 수 있습니다.

하지만 하드웨어 비용 하락이 자동으로 신뢰할 수 있는 에이전트를 만들어 주지는 않습니다. 조직에는 여전히 통제된 정보 소스, 권한 관리, 평가, 그리고 사람의 감독이 필요합니다.

AMD의 가장 강력한 주장은 더 이상 경쟁력 있는 가속기를 판매한다는 데 있지 않습니다. 고객이 단일 공급업체의 전체 아키텍처를 수용하지 않고도 완전한 AI 시스템을 구축할 수 있다는 데 있습니다.

이제 이 주장은 하드웨어, 소프트웨어, 파트너, 그리고 배포 약속으로 뒷받침됩니다. 부족한 것은 Helios 규모에서의 긴 프로덕션 실적입니다.

AMD 투자자에게 다음 질문은 구체적입니다. 주요 고객들이 Helios를 발표된 용량 수준에서 지속적이고 비즈니스 핵심적인 워크로드로 전환할까요?

OpenAI의 배포, 독립적인 랙 벤치마크, AMD의 데이터센터 마진을 지켜보십시오. 이러한 신호는 Helios가 시장 구조를 바꾸는지, 아니면 단순히 고객의 협상력을 확대하는지 보여줄 것입니다.