Pedido da Vultr para AMD Helios dá à HPE uma oportunidade de US$ 1,2 bilhão contra a Nvidia

A Vultr fez um pedido de US$ 1,2 bilhão pelos sistemas AMD Helios da HPE, dando à plataforma de 72 GPUs seu primeiro cliente da HPE. O pedido da Vultr para AMD Helios leva a arquitetura de um roadmap público para uma implantação comercial em data centers dos Estados Unidos.

Este acordo não é apenas mais uma compra de aceleradores de IA. A HPE fornecerá um rack integrado que combina computação da AMD, software aberto, rede scale-up baseada em Ethernet, refrigeração líquida e serviços de implantação. O acordo testa se um grupo alternativo de fornecedores pode competir com a Nvidia no nível de sistema completo.

A Nvidia continua sendo a referência porque o Vera Rubin NVL72 também conecta 72 GPUs como um único domínio de computação em escala de rack. No entanto, a Nvidia controla uma parcela maior de sua stack por meio de tecnologias proprietárias, como NVLink. AMD, HPE, Juniper e Broadcom apresentam o Ethernet baseado em padrões como um caminho mais aberto.

Essa distinção importa mais do que qualquer alegação isolada de desempenho de pico. Um sistema de IA em escala de rack deve fornecer resultados consistentes em aceleradores, memória, rede, refrigeração, orquestração e software. A Vultr agora está comprometendo capital substancial para provar que a abordagem aberta pode funcionar em uma nuvem de produção.

O pedido da Vultr para AMD Helios leva a HPE à produção

O pedido dá à HPE sua primeira validação comercial de um sistema que antes era definido sobretudo por especificações e anúncios de parcerias.

A HPE anunciou o acordo em 30 de setembro de 2026. Segundo seu anúncio do pedido, a Vultr implantará sistemas AMD Helios AI Rack by HPE em seus data centers de nuvem nos Estados Unidos.

A empresa descreveu a transação como seu primeiro pedido da plataforma Helios integrada. A HPE também relatou o desenvolvimento por meio de um registro na SEC de 30 de setembro, incluindo o anúncio em suas divulgações formais a investidores.

Cada rack conterá 72 GPUs AMD Instinct MI455X. Ele também inclui processadores AMD EPYC, de codinome Venice, e placas de interface de rede AMD Pensando Vulcano AI.

ROCm, a plataforma aberta de software da AMD para computação em GPU, fornece o ambiente de programação. A HPE contribui com engenharia de rack, refrigeração líquida direta, serviços de implantação e seis bandejas de switches Juniper QFX5252 scale-up por rack.

A rede scale-up conecta aceleradores dentro de um domínio de computação. Ela precisa mover dados com rapidez suficiente para que muitas GPUs operem em um modelo compartilhado sem passar tempo excessivo esperando umas pelas outras.

Os switches da HPE usam UALink sobre Ethernet, geralmente abreviado como UALoE. Essa arquitetura transporta tráfego UALink por redes baseadas em Ethernet, em vez de depender de uma interconexão controlada verticalmente.

A HPE afirma que as seis bandejas de switches conectam todas as GPUs com links de alta largura de banda e baixa latência. Essa alegação exigirá evidências em produção, porque o desempenho da rede muda conforme a estrutura da carga de trabalho, os padrões de comunicação e a configuração de software.

As empresas não divulgaram quantos racks a Vultr encomendou. Também não forneceram um cronograma completo de entrega nem separaram os componentes de computação, rede, refrigeração, software e serviços do pedido.

Essas omissões limitam cálculos simples sobre o custo por GPU ou rack. Elas também impedem observadores externos de estimar quanto do contrato representa hardware em comparação com suporte operacional de longo prazo.

Ainda assim, o acordo estabelece um cliente real e uma meta significativa de implantação. Essa é a mudança essencial. A HPE não precisa mais argumentar que a Helios acabará atraindo um comprador.

A Vultr já opera infraestrutura de nuvem para cargas de trabalho empresariais e de IA. Ela pode expor o sistema a clientes interessados em treinamento de modelos, fine-tuning e inferência em alto volume sem possuir um data center especializado.

A HPE também ganha um cliente que entende de aceleradores AMD. A Vultr já havia adotado sistemas AMD Instinct, reduzindo a fricção organizacional envolvida na inclusão de outra geração da AMD.

O pedido, portanto, tem mais peso do que um benchmark de laboratório ou um design de referência. Ele coloca a Helios dentro de uma nuvem comercial, onde utilização, disponibilidade e demanda dos clientes determinarão se a plataforma terá sucesso.

Por que a HPE precisa de mais do que uma venda de GPU

A HPE está usando o rack AMD Helios AI para disputar a infraestrutura ao redor do acelerador, e não apenas o chassi do servidor.

O mercado de infraestrutura de IA recompensa cada vez mais fornecedores que entregam um rack funcional, em vez de uma coleção de componentes. Clusters densos de aceleradores exigem coordenação de energia, refrigeração, rede, firmware, software, monitoramento e manutenção.

Um cliente pode comprar chips de alto desempenho e ainda enfrentar baixa utilização do cluster. Os atrasos frequentemente surgem de congestionamento de rede, software instável, limites térmicos ou falhas que demoram demais para ser diagnosticadas.

O papel da HPE é reunir esses elementos em um sistema que a Vultr possa implantar repetidamente. Isso dá à empresa a oportunidade de capturar gastos que, de outra forma, fluiriam para fornecedores separados de servidores, switches, refrigeração e integração.

O componente de rede é especialmente importante. A HPE concluiu a aquisição da Juniper Networks em 2025, adicionando tecnologia de switching e talento de engenharia ao seu portfólio de infraestrutura.

A Helios fornece um teste inicial da estratégia combinada. Seis bandejas de switches Juniper ficam dentro de cada sistema HPE, tornando a rede parte do design central do rack.

Reportagens do evento para investidores da HPE descreveram o acordo como um exemplo da entrada do Ethernet baseado em padrões na camada scale-up. A mesma análise de rede observou que a HPE não divulgou a participação da rede no contrato.

A HPE disse aos investidores que vê mais de US$ 1 bilhão em oportunidade de rede relacionada à Helios nos próximos dois anos. Também afirmou que os pedidos de bandejas de rede já haviam superado US$ 200 milhões.

Esses números são previsões da empresa, não evidências de implantações concluídas para clientes. Mesmo assim, eles esclarecem por que a HPE trata a Helios como mais do que um produto adicional de servidor.

A empresa quer que seus equipamentos de rede lidem com o tráfego de acelerador para acelerador dentro do rack. Essa é uma carga de trabalho exigente porque tarefas distribuídas de IA trocam grandes tensores entre muitos dispositivos.

Latência ou congestionamento nessa camada podem deixar aceleradores caros ociosos. Uma malha fraca pode eliminar as vantagens prometidas por GPUs mais rápidas ou pools de memória maiores.

A implantação da Vultr, portanto, testará tanto as capacidades de integração da HPE quanto o silício da AMD. A HPE precisa demonstrar que seus switches, sistema de refrigeração, serviços e design de rack funcionam como um produto único e confiável.

Ela também precisa tornar esse sistema gerenciável em várias instalações de nuvem. Repetir uma configuração em escala exige instalação, telemetria, tratamento de falhas e procedimentos de peças sobressalentes consistentes.

A refrigeração líquida direta acrescenta outro requisito operacional. A tecnologia transfere calor por meio de fluido refrigerante próximo a componentes de alta potência, permitindo densidades que a refrigeração a ar convencional tem dificuldade de suportar.

No entanto, a refrigeração líquida também afeta o projeto e a manutenção das instalações. Os operadores precisam de tubulação compatível, rejeição de calor, gestão de vazamentos, técnicos treinados e procedimentos para substituir componentes.

A HPE afirma que sua organização de serviços reduzirá esses riscos de implantação e operação. A implementação efetiva da Vultr mostrará se essa promessa resiste ao contato com diferentes instalações e cronogramas de produção.

Para a HPE, o sucesso validaria a lógica de combinar computação e rede Juniper. O fracasso sugeriria que adquirir ativos de rede não cria automaticamente uma plataforma competitiva de IA em escala de rack.

Ethernet aberto é a aposta real contra a Nvidia

A disputa principal é entre uma stack Ethernet aberta e multiforncedor e a arquitetura de escala de rack rigidamente integrada da Nvidia.

A Nvidia construiu sua posição em infraestrutura de IA com mais do que desempenho de aceleradores. O software CUDA, as interconexões NVLink, os produtos de rede, os designs de referência e a familiaridade dos desenvolvedores reforçam-se mutuamente.

O Vera Rubin NVL72 estende esse modelo a um rack de 72 GPUs. As especificações do NVL72 publicadas pela Nvidia combinam 72 GPUs Rubin com 36 CPUs Vera e NVLink de sexta geração.

O AMD Helios mira a mesma categoria em escala de rack com uma estrutura diferente de fornecedores. A AMD fornece aceleradores, processadores host, tecnologia de interface de rede e ROCm. A HPE fornece integração, serviços, refrigeração e switching Juniper.

A Broadcom contribui com a tecnologia de switching usada no design scale-up da HPE. As especificações de rack do Open Compute Project, UALink e padrões Ethernet criam interfaces que fornecedores adicionais podem adotar.

O argumento resultante não é que a Helios carece de integração. É que a integração não exige que um fornecedor controle todas as camadas críticas.

As especificações da Helios publicadas pela AMD listam 72 GPUs MI455X, 31 terabytes de memória HBM4 e 260 terabytes por segundo de largura de banda scale-up agregada. HBM4 é memória de alta largura de banda posicionada perto da GPU para acesso rápido aos dados do modelo.

A AMD também lista 2,9 exaflops de computação FP4 de pico e 1,4 exaflops em FP8. FP4 e FP8 são formatos numéricos de baixa precisão projetados para aumentar o throughput de IA usando menos memória e energia.

Os números de pico não se traduzem diretamente em desempenho de aplicações. Fornecedores diferentes podem usar formatos de dados, premissas de esparsidade, configurações de software e condições de carga de trabalho distintos.

Isso torna as comparações entre MI455X e Vera Rubin menos diretas do que simplesmente confrontar dois números. Os compradores precisam de resultados de modelos reais, tamanhos de lote, extensões de contexto, padrões de rede e requisitos de nível de serviço.

A capacidade de memória dá à AMD um argumento de marketing claro. A Helios foi projetada com 31 terabytes de HBM4 em nível de rack, suportando modelos grandes e inferência de contexto longo sem dividir os dados de forma tão agressiva.

A Nvidia responde com sua maturidade de software e rede integrada. Seu ecossistema CUDA permanece profundamente incorporado a frameworks de IA, bibliotecas otimizadas, sistemas de implantação e práticas de engenharia.

ROCm melhorou substancialmente, mas a adoção envolve mais do que compilar um modelo. Equipes de produção precisam de kernels estáveis, monitoramento, orquestração, controles de segurança e desempenho previsível em atualizações frequentes de frameworks.

É aqui que a Vultr se torna estrategicamente útil. Um provedor de nuvem pode absorver parte da complexidade de integração e apresentar aos clientes infraestrutura gerenciada, em vez de componentes brutos.

Os clientes podem se importar menos com a malha subjacente se a Vultr fornecer instâncias confiáveis ou clusters reservados. Essa abordagem pode tornar o hardware AMD acessível a equipes que não têm especialistas em ROCm e sistemas distribuídos.

No entanto, a disponibilidade na nuvem por si só não neutralizará as diferenças de software. Os clientes ainda compararão compatibilidade de modelos, esforço de desenvolvimento, desempenho por dólar e o tempo necessário para alcançar uma produção estável.

O pedido da Vultr para AMD Helios dá à abordagem aberta um ambiente relevante para essa avaliação. Ele não estabelece um vencedor antes que os sistemas sejam implantados e medidos.

As especificações não resolvem a disputa entre MI455X e Vera Rubin

Ambos os fornecedores divulgam números de pico impressionantes, mas os compradores de nuvem acabam pagando por cargas de trabalho concluídas, capacidade utilizável e operações previsíveis.

A AMD afirma que Helios oferece suporte a treinamento com trilhões de parâmetros e inferência em alto volume. Seu design enfatiza capacidade de memória, padrões abertos e conectividade baseada em Ethernet dentro e entre racks.

A Nvidia posiciona Vera Rubin em torno de inferência agêntica, eficiência de treinamento e throughput de tokens. A empresa afirma que sua plataforma combina CPUs, GPUs, DPUs, interfaces de rede e switching como um único sistema co-projetado.

Essas alegações utilizam cargas de trabalho e metodologias selecionadas pelos fornecedores. Elas ajudam a entender as prioridades dos produtos, mas não substituem benchmarks independentes.

Uma análise técnica independente descreveu a MI455X como a resposta em escala de rack mais convincente da AMD à Nvidia. Também destacou a importância de Helios reunir 72 GPUs em um domínio coerente.

A comparação ainda inclui grandes incógnitas. Uma delas é a utilização efetiva, que mede quão consistentemente as aplicações usam a capacidade computacional teórica do sistema.

Outra é o desempenho da comunicação coletiva. Trabalhos de treinamento frequentemente trocam resultados parciais entre GPUs, e uma sincronização lenta pode reduzir a produção de todo um cluster.

A inferência cria pressões diferentes. Contextos longos, grandes modelos mixture-of-experts e muitas solicitações simultâneas pressionam a capacidade de memória, a largura de banda de memória, o roteamento e o agendamento.

Uma terceira incógnita é o esforço de conversão de software. Modelos desenvolvidos em sistemas Nvidia podem depender de bibliotecas, kernels ou ferramentas operacionais específicos de CUDA.

ROCm oferece suporte a frameworks importantes, incluindo PyTorch, TensorFlow e JAX. A compatibilidade no nível do framework não garante comportamento idêntico em todos os pipelines de produção otimizados.

Os desenvolvedores podem precisar modificar kernels, ajustar configurações de comunicação ou substituir dependências. Esses custos podem superar a economia em hardware quando uma equipe enfrenta um prazo apertado de implantação.

A Vultr pode reduzir essa carga ao publicar configurações validadas, containers otimizados, receitas de modelos e desempenho medido. Também pode fornecer suporte técnico com base na operação direta dos racks.

O provedor de nuvem tem incentivo para realizar esse trabalho. Ampliar a oferta viável de aceleradores pode reduzir a dependência de um único fornecedor e dar aos clientes opções adicionais de capacidade.

Ainda assim, a capacidade precisa chegar dentro do prazo. HPE e Vultr não divulgaram um calendário detalhado de implantação, enquanto a AMD descreveu as remessas de Helios como em expansão até o fim de 2026 e 2027.

Um grande pedido pode abranger compromissos de compra, janelas de entrega, serviços e capacidade futura. O valor anunciado não prova que todo o hardware já esteja instalado ou disponível para os clientes.

Os riscos de fabricação e implantação continuam significativos. Os aceleradores MI455X exigem empacotamento avançado e HBM4. Os racks Helios também dependem de novas CPUs, componentes de rede, bandejas de switches, equipamentos de refrigeração e preparação das instalações.

Um atraso em qualquer componente crítico pode retardar o sistema completo. Produtos em escala de rack concentram dependências porque o comprador precisa da configuração integrada, não de uma peça substituta.

A disponibilidade de energia representa outra restrição. Racks de IA de alta densidade exigem infraestrutura elétrica e de refrigeração substancial, que nem sempre pode ser adicionada rapidamente a um data center existente.

O resultado real de MI455X versus Vera Rubin, portanto, surgirá das implantações, não dos slides de lançamento. Comparações úteis precisam informar disponibilidade, uso de energia, throughput de modelos, latência e custo operacional total sob condições equivalentes.

Vultr Está Comprando Poder de Negociação Além de Capacidade

O compromisso da Vultr lhe dá outra plataforma de aceleradores e, ao mesmo tempo, reforça sua posição entre os fornecedores de chips e os clientes corporativos de IA.

Os provedores de nuvem enfrentam um equilíbrio difícil. Eles precisam garantir hardware escasso antecipadamente, mas também correm o risco de vincular capital a sistemas antes que a demanda dos clientes se torne previsível.

O pedido da Vultr indica confiança de que os clientes usarão a capacidade da AMD para treinamento e inferência. A empresa afirma que a demanda por infraestrutura de IA de alto desempenho continua excedendo a oferta disponível.

Essa declaração reflete a visão comercial da Vultr e não foi validada de forma independente por dados de utilização divulgados. A empresa não publica detalhes suficientes para medir a futura demanda por Helios por cliente ou carga de trabalho.

Ainda assim, a lógica estratégica é clara. Oferecer suporte à Nvidia e à AMD permite que a Vultr ofereça mais opções do que uma nuvem construída em torno de uma única família de aceleradores.

Essa flexibilidade pode atrair empresas preocupadas com disponibilidade de hardware, concentração de fornecedores ou portabilidade de software. Também pode atrair equipes cujas cargas de trabalho se beneficiam de pools de memória maiores.

A Vultr ganha poder de negociação quando várias plataformas de aceleradores podem atender às necessidades dos clientes. A empresa fica menos exposta ao cronograma de produção e aos termos comerciais de qualquer fornecedor isolado.

A AMD ganha um canal de nuvem visível para a MI455X. A HPE conquista seu primeiro cliente integrado de Helios. Os equipamentos da Juniper passam a integrar uma rede em escala de aceleradores.

O acordo também dá à Vultr um produto diferenciado. Os hyperscalers maiores oferecem portfólios amplos, mas nuvens independentes de IA podem competir por meio de acesso antecipado a hardware, suporte especializado e opções geográficas.

Essa oportunidade traz risco de concentração. O pedido é grande em relação a muitas transações privadas de infraestrutura de nuvem, e a Vultr precisa transformar o hardware instalado em uso sustentado pelos clientes.

Compromissos de capacidade reservada fortaleceriam essa tese. O mesmo ocorreria com exemplos públicos mostrando clientes transferindo modelos substanciais de sistemas Nvidia para Helios sem uma longa reformulação.

A baixa utilização produziria o resultado oposto. Racks caros consomem capital mesmo quando os trabalhos dos clientes não os mantêm ocupados.

A Vultr também precisa gerenciar as expectativas dos clientes sobre portabilidade de desempenho. Um modelo que funciona corretamente em ambas as plataformas ainda pode apresentar características diferentes de throughput, latência e custo.

O provedor de nuvem pode ajudar apresentando evidências específicas por carga de trabalho. Comparações genéricas de aceleradores são menos úteis do que medições para treinamento de modelos, inferência com contexto longo, fine-tuning e cargas de trabalho agênticas.

Os clientes também devem acompanhar a disponibilidade do serviço. Alguns poucos clusters especializados em instalações selecionadas teriam menos peso competitivo do que capacidade Helios padronizada em toda a nuvem da Vultr.

A implantação geográfica importa porque os compradores corporativos consideram latência, residência de dados, recuperação de desastres e proximidade de conjuntos de dados armazenados. A HPE disse apenas que os sistemas seriam implantados em localidades nos Estados Unidos.

O anúncio também deixa a estrutura contratual pouco clara. Nenhuma das empresas divulgou marcos de entrega, cláusulas de cancelamento, compras mínimas ou a parcela vinculada a serviços.

Esses detalhes afetam quanto risco cada parte assume. Uma compra firme de hardware difere de uma estrutura plurianual que depende de futuras necessidades de capacidade.

O pedido da Vultr por AMD Helios é, portanto, um forte sinal de demanda, mas não equivale a uma implantação concluída. Essa distinção deve permanecer clara até que os clientes possam acessar os sistemas em escala.

Três Sinais Mostrarão se Helios Pode Avançar

O cronograma de entrega, os resultados de cargas de trabalho em produção e a adoção mais ampla pelos clientes determinarão se esse pedido muda o mercado competitivo.

O primeiro sinal é a implantação física. HPE e Vultr precisam identificar quando a capacidade Helios se torna operacional e onde os clientes podem acessá-la.

Uma implantação de produção confirmada reforçaria a alegação de que AMD e HPE conseguem fabricar, integrar e instalar uma nova plataforma em escala de rack dentro do prazo. Atrasos repetidos a enfraqueceriam.

A disponibilidade deve incluir mais do que um comunicado à imprensa. A Vultr deveria publicar regiões de serviço, opções de reserva, detalhes de configuração e capacidade esperada para clientes qualificados.

O segundo sinal são as evidências de cargas de trabalho. Benchmarks independentes ou verificados por clientes devem comparar Helios com sistemas Nvidia relevantes sob condições equivalentes.

Resultados úteis incluiriam tokens por segundo, tempo de conclusão do treinamento, consumo de energia, tamanho do modelo, comprimento do contexto, tamanho do lote e versões de software. Eles também deveriam informar o esforço de ajuste.

Essas evidências precisam abranger tanto treinamento quanto inferência. Uma plataforma pode ter bom desempenho em uma categoria e enfrentar dificuldades de comunicação, latência ou suporte de software em outra.

Os dados operacionais também importam. Os clientes precisam de informações sobre disponibilidade, recuperação após falhas de componentes, agendamento de clusters e o impacto da manutenção no desempenho.

Resultados sólidos sustentariam a posição da AMD de que padrões abertos podem oferecer desempenho competitivo em escala de rack. Resultados fracos ou selecionados de forma restrita preservariam a vantagem de integração da Nvidia.

O terceiro sinal é a adoção subsequente. A HPE precisa de clientes adicionais para Helios, enquanto a AMD precisa de implantações que vão além de parceiros já comprometidos anteriormente.

Pedidos de outros provedores de nuvem, empresas, organizações de pesquisa ou programas nacionais de computação mostrariam que a arquitetura atrai vários tipos de compradores.

Compras repetidas da Vultr seriam ainda mais reveladoras. Uma segunda expansão após o uso em produção sugeriria que a demanda dos clientes e a economia operacional atenderam às expectativas.

A resposta da Nvidia também merece atenção. A empresa pode defender sua posição por meio de implantações mais rápidas de Rubin, software aprimorado, parcerias agressivas com provedores de nuvem e ofertas Ethernet mais fortes.

HPE e AMD não precisam deslocar a Nvidia em todo o mercado para validar Helios. Elas precisam estabelecer uma alternativa confiável para cargas de trabalho em que abertura, memória, disponibilidade ou diversidade de fornecedores tenham valor suficiente.

Para desenvolvedores e compradores corporativos, a ação imediata é evitar tratar especificações de pico como conclusões de compra. Peça aos provedores medições que correspondam ao modelo e ao ambiente operacional pretendidos.

Solicite detalhes sobre migração de software, frameworks validados, disponibilidade de clusters, compromissos de serviço e recuperação de falhas. Compare o esforço de engenharia necessário para chegar à produção, não apenas o throughput do acelerador.

O pedido da Vultr por AMD Helios criou um teste comercial crível. Agora, o setor precisa de evidências de implantação que separem uma arquitetura ambiciosa de uma plataforma de nuvem confiável.