Lacuna da AMD no Google Cloud enquadra seu desafio MI455X à Nvidia Rubin

A AMD lançou sua Instinct MI455X em 23 de julho com um alvo direto: a geração Rubin da Nvidia. Ainda assim, a relação da AMD com o Google continua sendo uma lacuna reveladora em sua crescente lista de clientes.

A nova GPU faz parte da Helios, o primeiro projeto de IA em escala de rack totalmente integrado da AMD. Cada rack Helios conecta 72 aceleradores MI455X com processadores EPYC, rede Pensando e a pilha de software ROCm. A AMD afirma que o sistema oferece mais memória e maior capacidade máxima de computação de baixa precisão do que o rack Vera Rubin NVL72 comparável da Nvidia.

Essa alegação transforma o lançamento em mais do que uma simples atualização de acelerador. A AMD está pedindo a provedores de nuvem e desenvolvedores de modelos que considerem uma arquitetura alternativa para sistemas completos de IA. Microsoft, Meta, OpenAI, Oracle e Anthropic forneceram diferentes níveis de validação para essa estratégia.

O Google representa um teste diferente. O Google Cloud já oferece máquinas virtuais AMD EPYC, mas também opera sua própria plataforma de aceleradores TPU. Nenhum compromisso comparável do Google com a MI455X ou a Helios apareceu nos materiais de lançamento da AMD.

A disputa central, portanto, é maior do que silício da AMD contra o da Nvidia. A AMD precisa provar que um projeto aberto de rack pode atrair cargas de trabalho, desenvolvedores e operadores em escala de produção. Suas especificações tornam esse argumento crível, mas não eliminam as vantagens da Nvidia em software e implantação.

A MI455X da AMD transforma a Helios em uma concorrente de rack completo

A AMD deixou de vender componentes de aceleradores para apresentar um sistema completo com 72 GPUs, projetado para as mesmas compras às quais a plataforma Rubin da Nvidia se dirige.

A MI455X é o acelerador principal da série MI400 da AMD. Ela usa a arquitetura CDNA de quinta geração da AMD, projetada para computação em data centers, e não para gráficos de consumo.

A AMD informa 320 bilhões de transistores e um clock máximo de 2,4 GHz. O acelerador inclui 432 GB de HBM4, ou memória de alta largura de banda posicionada próxima ao processador. Essa memória oferece até 23,3 terabytes por segundo de largura de banda teórica.

O chip também suporta até 40,3 petaflops de desempenho OCP MXFP4. MXFP4 é um formato numérico compacto de quatro bits usado para aumentar o throughput em cargas de trabalho de IA adequadas. A AMD reporta 20,1 petaflops para diversos formatos de seis e oito bits.

Esses números são picos teóricos, não benchmarks de aplicações. Eles descrevem o throughput máximo permitido por formatos específicos e condições operacionais. O desempenho real depende dos modelos, kernels de software, rede, comportamento da memória e configuração do sistema.

A capacidade de memória é um dos argumentos arquitetônicos mais claros da AMD. As especificações da MI400 da empresa comparam os 432 GB da MI455X com os 288 GB da GPU Rubin da Nvidia. A AMD também afirma ter 23,3 TB/s de largura de banda, em comparação com 22 TB/s da Rubin.

No nível de rack, a Helios combina 72 GPUs MI455X. A AMD informa 31 TB de memória HBM4 total, 2,9 exaflops de computação FP4 e 1,4 exaflops de computação FP8.

O rack inclui CPUs para servidores EPYC “Venice” de sexta geração e componentes de rede Pensando Vulcano. O ROCm, plataforma de software open source da AMD para computação em GPU, conecta o hardware a frameworks e mecanismos de inferência.

A AMD chama a Helios de solução em escala de rack, mas sua documentação acrescenta uma distinção importante. A Helios é um projeto de referência, o que significa que parceiros de fabricação podem construir sistemas com base em seu modelo. Não é apenas um produto fechado, vendido exclusivamente pela AMD.

Essa abordagem pode ampliar a escolha de fornecedores e apoiar a personalização. Também coloca sobre a AMD e seus parceiros a responsabilidade de entregar comportamento consistente entre as implementações.

A Helios usa a especificação Open Rack Wide da Meta, um projeto de largura dupla criado para sistemas de IA densos. Ela também incorpora os padrões UALink e Ultra Ethernet para comunicação entre aceleradores e entre clusters.

Dentro do rack, a AMD afirma que o UALoE conecta todas as 72 GPUs por meio de uma topologia de salto único. O UALoE transporta o protocolo Ultra Accelerator Link sobre tecnologia Ethernet. O objetivo é expor os aceleradores como um único domínio de computação estreitamente conectado.

A AMD informa 260 TB/s de largura de banda agregada de scale-up. A comunicação de scale-up move dados entre GPUs dentro de um sistema conectado, enquanto a rede de scale-out conecta esse sistema a outros racks.

Esses detalhes explicam a relevância do lançamento. A MI455X não está entrando no mercado como uma placa isolada que os clientes precisam montar em um cluster competitivo. A AMD oferece uma arquitetura completa para organizações que compram capacidade de IA por rack e megawatt.

Isso muda a conversa de compra. Agora, os clientes podem comparar AMD e Nvidia em memória, computação, rede, CPUs, projeto de sistema, software e compromissos de implantação. A disputa alcançou toda a pilha de infraestrutura.

A questão AMD-Google diz respeito à validação na nuvem

A ausência do Google no grupo de clientes anunciados da Helios importa porque a disponibilidade na nuvem pode determinar se os desenvolvedores chegarão a conhecer um novo acelerador.

A AMD já tem uma relação substancial com o Google em torno de processadores para servidores. O Google Cloud lançou instâncias baseadas em diversas gerações de CPUs AMD EPYC, incluindo máquinas virtuais voltadas à computação para cargas de trabalho técnicas exigentes.

Essa relação em CPUs não se estende automaticamente aos aceleradores de IA. O Google passou anos desenvolvendo TPUs, ou Tensor Processing Units, para treinar e servir modelos de machine learning. A empresa pode implantar esses chips internamente e oferecê-los pelo Google Cloud.

Isso torna a relação entre AMD e Google Cloud estruturalmente diferente das parcerias da AMD com empresas que dependem mais de GPUs comerciais. O Google pode comprar sistemas Nvidia, expandir suas próprias TPUs ou adicionar aceleradores AMD quando a economia justificar outra opção.

O Google também tem motivos para preservar a diversidade arquitetônica. A demanda por computação de IA continua difícil de atender, e diferentes aceleradores podem ser adequados para diferentes cargas de trabalho. Uma plataforma MI455X crível daria ao Google outra fonte de capacidade de GPU com muita memória.

No entanto, as evidências do lançamento da AMD não estabelecem esse resultado. O Google não foi listado entre os clientes divulgados de implantação da MI455X ou da Helios nas páginas de produtos da AMD. Nenhuma das empresas anunciou um serviço Google Cloud MI455X junto ao lançamento de julho.

Essa omissão não deve ser interpretada como uma rejeição. Acordos de infraestrutura em nuvem muitas vezes permanecem privados até que capacidade, software e acesso dos clientes estejam prontos. A qualificação também pode levar meses após as especificações do silício se tornarem públicas.

Ainda assim, implantações nomeadas fornecem uma validação mais forte do que alegações de compatibilidade. A Microsoft anunciou que o Azure implantaria a Helios para inferência de modelos de fronteira, serviços Azure AI e aplicações de clientes. A AMD afirmou que os envios a clientes, incluindo a Microsoft, começariam durante o segundo semestre de 2026.

O compromisso da Microsoft importa porque o Azure precisa operar toda a plataforma, não apenas comprar GPUs individuais. Seus engenheiros precisam integrar provisionamento, rede, monitoramento, segurança e atualizações de software em um ambiente de nuvem.

A Meta oferece outra forma de validação. AMD e Meta anunciaram um acordo multigeracional cobrindo até seis gigawatts de implantações Instinct. Espera-se que a fase inicial de um gigawatt use um acelerador personalizado baseado na MI450 e a arquitetura Helios.

Esse chip específico para o cliente difere da MI455X padrão. Ainda assim, o acordo apoia a alegação mais ampla da AMD de que a Helios pode atender operadores muito grandes. Ele também dá à AMD experiência com um cliente que projeta infraestrutura em escala de rack e de data center.

Anthropic e OpenAI acrescentam demanda de grandes desenvolvedores de modelos. Essas relações indicam que os compradores querem maior poder de negociação, mais oferta e arquiteturas adaptadas à inferência. Elas não comprovam maturidade equivalente de software em todas as cargas de trabalho.

O Google continua sendo um indicador especialmente útil porque possui uma pilha concorrente de aceleradores. Uma futura implantação no Google Cloud sugeriria que a MI455X agrega valor mesmo dentro de uma empresa com forte silício personalizado.

Sem esse sinal, a principal evidência repousa sobre outros hyperscalers e laboratórios de IA. Isso ainda é significativo, mas deixa um dos maiores operadores de infraestrutura do setor fora do mapa público de clientes da Helios.

Para desenvolvedores, a disponibilidade na nuvem afeta mais do que a conveniência. Ela cria acesso ao hardware sem exigir a compra de um rack, acelera os testes e permite que as equipes de software comparem custo-desempenho em cargas de trabalho reais.

Ela também gera feedback para bibliotecas e frameworks. Mais usuários na nuvem expõem mais bugs, kernels ausentes e gargalos de desempenho. Esse feedback pode melhorar o ROCm e reduzir a incerteza para compradores empresariais posteriores.

A lacuna entre AMD e Google, portanto, não é uma história lateral criada por associação de palavras-chave. É uma medida prática de até onde o negócio de aceleradores da AMD se estendeu além dos clientes já motivados a desafiar a Nvidia.

Helios desafia Rubin por meio de memória e rede aberta

A principal aposta da AMD é que mais memória local e conectividade baseada em padrões podem compensar a vantagem da Nvidia em software, sistemas e capacidade instalada.

A plataforma Vera Rubin da Nvidia também é um sistema completo de infraestrutura. Ela combina GPUs Rubin, CPUs Vera, comutação NVLink 6, rede ConnectX, unidades de processamento de dados BlueField e produtos Spectrum Ethernet.

Essa integração estreita permite que a Nvidia otimize o movimento de dados em seu hardware e software. A empresa posiciona a Vera Rubin para pré-treinamento, pós-treinamento, raciocínio e inferência agêntica. A Nvidia afirmou que a plataforma entrou em produção plena em março de 2026.

A plataforma Vera Rubin inclui múltiplas configurações de rack e sistemas de suporte. A Nvidia alega reduções substanciais no custo de inferência e nos requisitos de treinamento em comparação com a Blackwell. Essas comparações usam os próprios métodos da Nvidia e continuam dependentes da carga de trabalho.

A AMD responde com uma arquitetura e uma mensagem comercial diferentes. Ela enfatiza especificações abertas de rack, tecnologias baseadas em Ethernet e links padronizados para aceleradores. A empresa argumenta que os clientes não deveriam precisar de uma interconexão proprietária em todas as camadas.

A abertura tem limites práticos. Uma especificação publicada não garante que componentes de fornecedores diferentes se comportarão de forma idêntica. Os compradores ainda precisam de switches, cabos, firmware, ferramentas de gerenciamento e software validados.

A integração da Nvidia pode reduzir essa incerteza operacional. Seus clientes compram uma plataforma controlada, com práticas de implantação estabelecidas. O custo é uma dependência maior da tecnologia e do cronograma de lançamentos da Nvidia.

A maior capacidade de memória da AMD cria uma diferença mais concreta. A inferência de IA generativa frequentemente armazena pesos de modelos e um cache de chave-valor na memória do acelerador. O cache de chave-valor retém dados de atenção usados durante o processamento e a geração de sequências.

Mais memória pode suportar modelos maiores, contextos mais longos, lotes maiores ou menos partições entre aceleradores. Ela também pode reduzir a comunicação necessária quando um modelo, de outra forma, ocuparia mais dispositivos.

No entanto, a capacidade por si só não determina o throughput útil. Um acelerador precisa mover dados rapidamente, executar kernels otimizados e comunicar-se de forma eficiente com seus pares. O agendamento de software e a arquitetura do modelo podem alterar substancialmente o resultado.

A AMD afirma que um rack Helios tem 50% mais capacidade de HBM do que a configuração Vera Rubin NVL72 comparável da Nvidia. A AMD também alega 15% mais desempenho máximo em MXFP4 e mais largura de banda para expansão horizontal.

Essas são comparações de fornecedores baseadas em grande parte em especificações de pico. Elas não devem ser interpretadas como prova de que o Helios conclui todos os trabalhos de treinamento mais rapidamente ou atende todos os modelos a um custo menor.

Benchmarks independentes de produção terão mais importância. Os compradores precisam de medições para modelos populares de mixture-of-experts, modelos densos, inferência de contexto longo, fine-tuning e treinamento distribuído. Também precisam de resultados sob restrições realistas de energia e latência.

Modelos mixture-of-experts ativam grupos selecionados de parâmetros para cada token. Isso pode reduzir os requisitos de computação, mas cria padrões de comunicação exigentes. A AMD projetou anteriormente grandes ganhos geracionais para o MI400 nessas cargas de trabalho.

O CDNA 5 também altera o modelo de execução da AMD. Ele usa uma wavefront de 32 threads, o que significa que uma instrução opera sobre um grupo de 32 itens de trabalho. Gerações anteriores do CDNA normalmente usavam wavefronts mais amplas, de 64 threads.

A AMD afirma que o design mais estreito reduz os custos de sincronização e facilita o mapeamento de cargas de trabalho de tensor. Essa mudança se assemelha a escolhas já usadas em arquiteturas gráficas modernas da AMD. Os desenvolvedores ainda podem precisar de kernels atualizados para aproveitar seus benefícios.

O novo Tensor Data Mover lida com determinadas transferências de memória sem depender dos principais mecanismos de computação. Descarregar a geração e a movimentação de endereços pode deixar esses mecanismos disponíveis para trabalho matemático.

Esses mecanismos tornam o MI455X um desafiante técnico crível. Eles não resolvem a comparação entre os sistemas, pois ambas as plataformas dependem de otimização de software para modelos que mudam rapidamente.

A Nvidia mantém o CUDA, uma plataforma de programação apoiada por uma grande coleção de bibliotecas, ferramentas e desenvolvedores capacitados. As organizações construíram processos de implantação em torno desse ambiente durante anos.

O ROCm da AMD melhorou o suporte a frameworks, incluindo PyTorch, JAX, vLLM, SGLang, Triton e ONNX Runtime. A AMD também relata crescimento substancial nos downloads e compatibilidade mais ampla com modelos.

A compatibilidade é apenas o ponto de partida. As equipes de produção se preocupam com atualizações estáveis, desempenho previsível, depuradores, ferramentas de profiling, comunicação distribuída e suporte rápido para novos modelos.

O Helios oferece à AMD a estrutura de hardware necessária para entrar na disputa de racks em escala da Nvidia. O ROCm precisa tornar essa estrutura utilizável sem transformar cada implantação em um projeto de engenharia personalizado.

As Especificações de Pico Não Decidem a Disputa de GPUs para IA

A maior incerteza não é se o MI455X possui componentes competitivos, mas se a AMD consegue transformá-los em resultados de produção repetíveis.

As comparações públicas da AMD enfatizam o desempenho teórico. As operações máximas por segundo descrevem um limite superior sob formatos numéricos específicos. As aplicações raramente sustentam esse limite durante todo um trabalho.

A utilização pode cair quando os processadores aguardam memória, rede, sincronização ou operações irregulares do modelo. Uma taxa de pico maior só importa quando o software mantém uma parcela suficiente do hardware ocupada.

Os formatos de baixa precisão introduzem outra ressalva. FP4 e MXFP4 podem aumentar o throughput e reduzir o uso de memória, mas os modelos precisam tolerar a menor precisão numérica. Algumas etapas ou cargas de trabalho exigem formatos mais amplos.

A qualidade do modelo deve permanecer aceitável após a quantização, que converte valores em representações de menor precisão. A melhor configuração pode variar conforme o modelo, o conjunto de dados, o objetivo de serving e a meta de latência.

Isso torna os testes de ponta a ponta essenciais. Uma avaliação crível deve incluir preparação do modelo, versões de frameworks, tamanhos de lote, comprimentos de contexto, metas de latência, uso de energia e medições de precisão.

As comparações da AMD com o Rubin são particularmente difíceis de avaliar antes de uma ampla implantação pelos clientes. Tanto o MI455X quanto o Rubin são plataformas novas, e a otimização de software continuará após as remessas iniciais.

O rack físico também apresenta questões operacionais. O Helios usa um design Open Rack Wide de largura dupla e refrigeração líquida direta. Os data centers precisam suportar suas dimensões, fornecimento de energia, circuitos de refrigeração e procedimentos de manutenção.

Padrões abertos podem ajudar vários fornecedores a construir equipamentos compatíveis. Ainda assim, muitas instalações não conseguem instalar um novo formato de rack sem alterações. A velocidade de implantação dependerá tanto da preparação do local quanto da disponibilidade dos processadores.

O fornecimento é outro risco. O MI455X combina tecnologias avançadas de processo, encapsulamento complexo e 12 pilhas de HBM4. Cada componente precisa chegar em volume suficiente para que a AMD envie racks completos.

A AMD trabalhou com a Samsung no fornecimento de HBM4 e anunciou investimento significativo no ecossistema de fabricação de Taiwan. Essas medidas apoiam o planejamento de capacidade, mas não eliminam a incerteza da expansão.

Os acordos com clientes também devem ser interpretados com cuidado. Um compromisso medido em gigawatts indica capacidade elétrica planejada, não uma contagem imediata de GPUs implantadas. As entregas geralmente ocorrem ao longo de vários anos e gerações de produtos.

O acordo com a Meta abrange hardware MI450 personalizado, enquanto as implantações anunciadas pela Anthropic começam mais tarde. A Microsoft fornece uma referência de curto prazo para o Helios, mas os dados públicos de utilização levarão tempo para surgir.

A receita oferece um sinal útil. A AMD informou receita de data center de US$ 5,8 bilhões no primeiro trimestre de 2026, alta de 57% em relação ao ano anterior. A demanda por EPYC e as remessas contínuas de Instinct contribuíram para esse crescimento.

Esse valor cobre mais do que GPUs para IA. Ele não revela a receita do MI455X porque o produto não havia sido lançado durante o trimestre. Os resultados futuros precisarão mostrar se o Helios adiciona vendas relevantes de aceleradores, em vez de apenas compromissos de pipeline.

Os resultados trimestrais da AMD também mostram que seu negócio de data center já tem escala. Isso dá à empresa relacionamentos existentes com clientes e capacidade financeira para uma expansão exigente do produto.

O software continua sendo a variável mais difícil de medir a partir dos materiais de lançamento. O ROCm pode oferecer suporte a um framework e ainda carecer de um caminho otimizado para uma operação específica do modelo. Essa distinção se torna custosa em milhares de aceleradores.

Grandes clientes podem designar engenheiros para otimização. Provedores de nuvem menores e empresas precisam de configurações padrão confiáveis. A AMD precisa transformar o ajuste concluído com hyperscalers em software que clientes mais amplos possam implantar.

A Nvidia não manterá sua plataforma parada. A expansão de produção do Rubin, atualizações de bibliotecas, melhorias de rede e disponibilidade na nuvem continuarão enquanto a AMD expande o Helios.

Os TPUs do Google criam outra rota competitiva. Aceleradores personalizados podem entregar resultados atraentes quando o Google controla o compilador, a pilha de modelos e a infraestrutura. Eles também reduzem a dependência do Google de qualquer um dos fornecedores de GPUs comerciais.

A Intel e empresas especializadas em inferência adicionam outras opções, embora não tenham a escala de implantação da Nvidia. A Cerebras, por exemplo, anunciou trabalho com a AMD em sistemas híbridos de inferência que separam o processamento de prompts da geração de tokens.

Essas alternativas aumentam a pressão sobre todos os fornecedores para provar a economia, não apenas a liderança em benchmarks. Os compradores se preocupam, em última instância, com execuções de treinamento concluídas, tokens atendidos, consumo de energia, disponibilidade e esforço de engenharia.

A AMD forneceu detalhes arquiteturais suficientes para justificar uma avaliação séria. Ainda não forneceu evidências independentes de produção suficientes para declarar o Helios como a plataforma mais rápida ou mais barata em todo o mercado.

Três Sinais Mostrarão se a AMD Pode Pressionar o Rubin

Disponibilidade para clientes, resultados independentes de cargas de trabalho e uma expansão de produção sem problemas decidirão se o Helios se torna uma segunda plataforma duradoura.

O primeiro sinal é o acesso comercial ao MI455X por meio das principais nuvens. A Microsoft já se comprometeu a implantar o Helios no Azure, tornando sua implementação o primeiro teste nomeado de amplo acesso de clientes.

A questão central é se o Azure expõe capacidade útil a clientes externos, e não apenas a serviços internos. A disponibilidade pública de instâncias permitiria que desenvolvedores testassem modelos sem negociar um acordo de infraestrutura dedicado.

Um anúncio do Google Cloud fortaleceria ainda mais o caso. Ele mostraria que o MI455X pode conquistar um lugar ao lado das GPUs da Nvidia e dos TPUs do Google em um dos ambientes de nuvem mais tecnicamente exigentes.

A ausência de tal anúncio não invalidaria o Helios. Microsoft, Oracle e outros provedores podem criar acesso significativo. Ainda assim, uma parceria mais profunda entre amd, google e aceleradores ampliaria a validação da AMD além de seu atual conjunto público de clientes.

O segundo sinal é o desempenho independente, de ponta a ponta. As submissões ao MLPerf podem fornecer comparações padronizadas quando os fornecedores publicam configurações e cumprem as regras do benchmark.

O MLPerf, por si só, não responderá a todas as perguntas de compra. As empresas também devem acompanhar resultados de provedores de nuvem e desenvolvedores de modelos executando modelos atuais sob requisitos fixos de latência e qualidade.

Relatórios úteis compararão o tempo de treinamento, tokens por segundo, latência, energia e contagem total de aceleradores. Eles devem identificar as versões de software e divulgar se os engenheiros usaram kernels personalizados.

Cargas de trabalho intensivas em memória merecem atenção especial. Se o Helios puder manter modelos ou caches maiores em menos racks, seu pool de memória de 31 TB poderá reduzir a complexidade do sistema. Essa vantagem precisa aparecer em aplicações implantadas.

O terceiro sinal é a expansão das remessas da AMD no segundo semestre de 2026. A AMD afirma que implantações em volume são esperadas durante esse período, enquanto vários programas de clientes dependem de sistemas baseados em Helios.

Uma expansão bem-sucedida produziria disponibilidade para clientes, receita reconhecida e evidências operacionais antes que a Nvidia expanda o Rubin para mais nuvens. Atrasos dariam à Nvidia mais tempo para aprofundar sua vantagem de plataforma.

Acompanhe os próximos relatórios financeiros da AMD para observar o crescimento de data centers e comentários sobre o fornecimento de Instinct. A empresa talvez não divulgue unidades do MI455X, mas o cronograma de remessas e as declarações sobre implantações de clientes podem revelar se os planos continuam dentro do prazo.

Acompanhe a Microsoft para obter detalhes sobre os serviços do Azure. Sua implantação do Helios fornece a ponte anunciada mais clara entre o design de rack da AMD e a infraestrutura de nuvem externamente acessível.

Por fim, acompanhe a resposta da Nvidia. A Nvidia pode ajustar configurações de plataforma, aumentar a disponibilidade, melhorar a eficiência do software e usar sua base instalada para reduzir o apelo da migração.

A comparação não será resolvida por um único evento de lançamento. A infraestrutura de IA evolui por meio de lançamentos repetidos de software, revisões de silício e implantações de clientes. As especificações iniciais definem a oportunidade, enquanto as operações determinam o vencedor.

Para desenvolvedores e compradores empresariais, a ação prática é simples. Registre os modelos, versões de frameworks, metas de latência e restrições de energia que importam antes de comparar plataformas.

As equipes também precisam de um registro pesquisável de configurações de benchmark, alegações de fornecedores e decisões de implantação. Uma base de conhecimento de engenharia pode preservar esse contexto à medida que os resultados mudam entre lançamentos de hardware e software.

A AMD agora construiu um desafio crível em escala de rack ao Nvidia Rubin. A próxima questão é se as nuvens e os criadores de modelos transformarão essa arquitetura em capacidade de produção repetível.

O MI455X se tornará uma alternativa amplamente disponível ou continuará concentrado entre alguns poucos compradores altamente técnicos? Acompanhe a disponibilidade no Azure, os benchmarks independentes e as divulgações de remessas da AMD. Esses três sinais revelarão se o Helios passou de especificações competitivas para pressão sustentada sobre a infraestrutura.