AMD Helios 将对 Nvidia 的挑战升级为机架级竞争

AMD 在规模空前的 Advancing AI 活动上宣布 Helios 投入量产，将其对 Nvidia 的挑战从单个加速器转向完整的 AI 机架。本文 AMD ServeTheHome 报道梳理了 7 月 23 日主题演讲中发生的变化、哪些说法仍待验证，以及为何交付时间如今比演示文稿更重要。

Helios 将 72 个 Instinct MI455X 加速器、EPYC Venice 处理器、Pensando 网络和 AMD 的 ROCm 软件整合在一个机架级设计中。AMD 表示，出货将于第三季度末前后开始。OpenAI、Microsoft、Anthropic 和 Cerebras 提供的客户承诺，使 AMD 的这一时间表更具可信度。

这场主题演讲也暴露了 AMD 论述中更艰难的一面。Nvidia 并非仅凭 GPU 规格领先 AI 基础设施。其优势覆盖网络、软件、部署经验、开发者支持以及年度系统发布。因此，AMD 必须证明，一个开放的替代方案既能按时交付，也能在数据中心规模下稳定运行。

AMD ServeTheHome 报道显示 Helios 进入量产阶段

主题演讲中最重要的变化很简单：Helios 从未来架构变成了 AMD 所称的已全面量产产品。

AMD 于 7 月 22 日和 23 日在旧金山 Moscone Center 举办 Advancing AI 2026。CEO Lisa Su 在第二天上午发表主题演讲。ServeTheHome 将这场规模扩大的大会描述为 AMD 最接近 Nvidia GTC 的对应活动，包含技术会议、产品展示和溢出座位区。

keynote live blog记录了从预览到发布的转变。AMD 在活动前已谈及 Helios，但其量产状态和客户部署时间仍未明朗。Su 表示制造已经启动，出货将于第三季度末开始。

这一时间点至关重要，因为机架级系统不只是处理器的集合。它将加速器、主机 CPU、网络、内存、散热、供电和软件集成为一个可部署单元。客户评估的是整个机架的表现，而不是单颗芯片孤立的峰值性能。

每个 Helios 机架包含 72 个 MI455X 加速器，配备 31 TB HBM4，即专为支撑大型 AI 工作负载而设计的高带宽内存。AMD 表示，其聚合内存带宽达到每秒 1.4 PB。该机架还集成了 EPYC Venice 处理器和 Pensando Vulcano 网络接口控制器。

据 AMD 称，MI455X 使用了采用 2 纳米级工艺制造的计算芯粒，其他部分则采用 3 纳米级工艺。每个加速器配备 432 GB HBM4，为大型模型、长上下文和推理工作负载提供了可观的内存容量。

AMD 宣称，与其比较中采用的竞争系统相比，Helios 的内存容量高出 50%，FP4 性能高出 15%。FP4 是一种四位数值格式，可在适合的 AI 工作负载中降低内存和计算需求。较低精度可以提升吞吐量，但模型质量和工作负载兼容性仍会影响实际结果。

该公司还表示，MI455X 的 token 吞吐量最高可达上一代 MI355X 的 34 倍。AMD 将这部分提升归因于架构改进，另一部分归因于软件优化。这类比较能够展示代际进步，但无法独立证明其相对 Nvidia 当前系统的性能。

量产状态改变了举证负担。在主题演讲之前，AMD 可以通过架构图、客户意向和预估性能来阐释 Helios。自此以后，买家可以根据已交付机架、软件稳定性、集群正常运行时间、功耗和工作负载经济性进行判断。

AMD 更广泛的公告页面确认，本次活动并不止于 Helios。Advancing AI program涵盖了 EPYC Venice、MI455X、ROCm.AI、Kria 机器人硬件以及多项客户合作。不过，机架仍是竞争叙事的核心，因为它连接了这些独立产品。

这也是为什么该活动不只是又一次加速器发布。AMD 将 Helios 定位为客户应当购买、部署和扩展的单位。这让公司在系统层面直接与 Nvidia 竞争，而这一层面的执行风险会成倍增加。

OpenAI 和 Anthropic 将发布转化为一场产能考验

AMD 最有力的证据不是基准测试图表，而是准备消耗数吉瓦基础设施的客户。

OpenAI 表示，预计将在 2026 年末前后大规模部署 Helios，随后在 2027 年加快安装。该公司在主题演讲前数月就已收到一个预生产机架，并已经与 AMD 开展优化工作。

OpenAI 计算战略副总裁 Sachin Katti 用一句直接的需求概括了客户压力：“我需要更快获得更多算力。”这句话之所以重要，是因为它点明了替代基础设施变得有吸引力的原因。大型模型开发者需要的容量，任何单一供应商都难以轻易提供。

OpenAI 的参与也不止于采购。AMD 表示，双方正在硬件路线图、系统设计、软件和 AI 生成 GPU 内核等方面合作。内核是一种低层程序，用于控制特定计算如何在加速器上运行。内核质量会显著影响用户从底层硬件获得的性能。

这种合作关系并不意味着 OpenAI 正在放弃 Nvidia。大型 AI 开发者通常会在继续向市场领导者采购的同时，分散其基础设施来源。AMD 的机会在于成为一个可靠的第二平台，拥有足够的性能、软件支持和制造规模。

Anthropic 则提供了另一项重大承诺。双方宣布了一项协议，覆盖最高 2 GW 的 MI450 系列产能，其中首个吉瓦预计将在 2027 年提供。根据reported agreement，AMD 还同意向 Anthropic 投资最高 50 亿美元。

这一财务部分值得谨慎解读。它让 AMD 与一位重要客户的利益更加一致，但也意味着供应商正在帮助支持买方扩张。该安排提供了需求可见性，但其信号强度不同于完全独立、且没有战略融资支持的采购。

Anthropic 联合创始人 Tom Brown 表示，Claude 在一个周末配置了 AMD 的 AI 服务器。这一说法体现了 AMD 的软件目标：AI 智能体应能帮助开发者安装、调优和使用该平台，而无需具备广泛的硬件专属专业知识。独立运营方仍需测试，这种体验能否超出受控合作环境而普遍适用。

Microsoft 提供了另一种验证。AMD 表示，Microsoft 将通过扩展后的基础设施合作部署 Helios，该合作还包括由 EPYC Venice 驱动的 Azure 实例。Microsoft 已运行大规模异构集群，因此其部署经验对企业买家尤其具有参考价值。

Meta 通过 Open Compute Project 为底层机架设计作出了贡献。其基础设施负责人一直认为，AI 系统需要在整个数据中心范围内进行协同设计。这种思路契合 AMD 的努力：将 Helios 打造成开放机架架构，而不是绑定于某一家供应商完整网络栈的封闭设备。

这些客户名称从两个方面给 Nvidia 带来压力。首先，它们表明主要模型开发者希望拥有替代供应来源。其次，它们让 AMD 接触真实工作负载，能够在更广泛部署开始前暴露瓶颈。

Nvidia 仍拥有更强的装机基础和成熟的部署管线。其系统已在主要云平台、模型实验室和企业环境中运行。AMD 的客户公告并不能抹去这一优势。

因此，眼下的考验在于运营产能。AMD 必须制造 MI455X 加速器、确保 HBM4 供应、组装机架、验证网络，并按既定时间表支持软件部署。任何一层出现延误，都会影响整个 Helios 产品。

需求已不再是核心不确定性。OpenAI、Anthropic、Microsoft 和 Meta 已表现出足够兴趣，证明买家希望拥有另一种选择。问题在于，AMD 能否按承诺的速度，将这种兴趣转化为可正常运行的产能。

Nvidia 的优势在于系统，而不只是 GPU

只有当 Helios 像一个协调一致的产品那样运行，而不是由具备竞争力的组件拼装而成的机架时，AMD 才能挑战 Nvidia。

Nvidia 的机架级战略将加速器、CPU、NVLink 互连、网络、散热设计和软件纳入同一份路线图。客户接受由此带来的供应商依赖，因为高度集成能够减少部署工作和性能不确定性。

Helios 同样遵循向机架级计算转变的基本趋势，同时将开放性作为竞争差异。AMD 将 MI455X 加速器、x86 EPYC 处理器、Pensando 网络和旨在支持主流 AI 框架的软件结合起来。该公司认为，这让客户在组件选择和部署模式上拥有更多灵活性。

这一论述对拥有大量工程资源的云服务商和大型模型开发者颇具吸引力。他们可以适配开放系统、贡献软件改动，并在供应商之间进行谈判。规模较小的组织可能更看重高度集成的系统，因为可用于调优的工程师更少。

因此，比较范围超出了基准测试领先地位。买家必须考虑部署时间、模型兼容性、故障恢复、网络行为、能耗和支持服务。一台理论性能更高的机架，若利用率持续偏低，或软件故障中断生产工作负载，仍可能落败。

AMD 表示，Helios 在选定比较中性能高出 10% 至 15%，每美元可生成的 token 数量比竞争基础设施高出 30%。Token 是 AI 模型处理和生成的文本单位。每美元 token 数很有用，因为它将吞吐量与成本联系起来，但供应商的计算高度依赖模型选择、批量大小、精度、功耗假设和利用率。

该公司尚未公布足够的独立生产数据，无法将这些数字视为定论。第三方测试必须在广泛使用的模型和现实服务模式下复现这些比较。训练、批量推理、交互式推理和智能体工作负载对系统的压力各不相同。

电力是另一项限制因素。数据中心日益面临电力容量受限的问题，使每瓦性能与原始速度同样重要。AMD 将 Helios 定位为效率改进，而 Nvidia 也对其 Vera 和 Rubin 平台作出了类似表述。

independent launch report指出，Nvidia 在同一周公布了新的 Vera CPU 细节。这一时机清晰地界定了竞争格局。两家公司如今都在机架和数据中心尺度上描述 AI 性能，而非单个处理器。

AMD 还借助 EPYC Venice 向 Nvidia 进军服务器 CPU 市场发起挑战。Venice 采用 Zen 6 架构，单插槽配置最高可达 256 核。AMD 称，在选定测试中，其最高吞吐量配置的单插槽性能达到 Nvidia Vera CPU 的 2.2 倍。

在独立评测机构复现前，这一结果仍属于厂商自行对比。不过，对 CPU 的强调具有重要战略意义。智能体 AI 系统需要 CPU 来协调工具、调度任务、准备数据、管理存储，并让加速器保持高效运行。

AMD 已拥有颇具规模的服务器 CPU 业务，这为其提供了 Nvidia 在传统 x86 基础设施中所欠缺的基础。该公司表示，其服务器 CPU 营收份额已达 46%，但这一数字采用的是 AMD 自身的市场口径，仍需与第三方测量结果进行比对。

Nvidia 在加速器软件领域占据更强势的位置。CUDA 多年来积累了库、文档、集成方案、受过训练的开发者以及运维经验。ROCm 虽已有所改进，但每一次兼容性问题都会给客户留下继续使用 Nvidia 基础设施的理由。

因此，Helios 将 AMD 最强和最弱的能力整合进了同一个方案。EPYC 处理器、chiplet 工程、内存容量和开放标准带来了可信的差异化优势。软件成熟度和部署执行能力仍是 Nvidia 能够捍卫领先地位的领域。

ROCm.AI 试图弥合 AMD 最长期存在的短板

ROCm.AI 是 AMD 将软件优化打造为自动化服务的尝试，因为有竞争力的芯片无法弥补糟糕的开发者体验。

AMD 推出了 ROCm.AI，这是一套利用编程智能体创建、移植和优化 GPU 软件的工具集合。该平台构建于 ROCm 之上，后者是 AMD 面向加速计算的开放软件环境。

该公司表示，ROCm 现已改为每六周发布一次，而不再每隔数月才推出重大更新。更快的发布节奏可以改善硬件支持和框架兼容性；但若更新在生产用户完成验证前到来，也可能增加升级压力。

ROCm.AI 包含 AMD 开发的智能体技能，以及名为 Hyperloom 的性能工具。在主题演讲中，AMD 展示了 Hyperloom 修改代码，并将其 token 速率提升 38%。这一示例证明了该机制的可行性，但单一的预设工作负载不足以证明其具备普遍性的收益。

AMD 还表示，其最新软件的推理性能比 ROCm 7 高出 3.3 倍，训练性能高出 2.4 倍。这些均为内部代际对比。它们显示了软件能够释放多少性能，同时也揭示出旧配置可能多快落后。

更大的构想是可信的。现代加速器包含复杂的内存层级、矩阵引擎、通信路径和数值格式。开发者通常需要专门的内核，才能高效利用这些特性。AI 编程智能体能够比人工操作更快地搜索优化方案。

Triton 编程语言的创建者、OpenAI 的 Philippe Tillet 出席了主题演讲，讨论由 AI 生成的内核。AMD 和 OpenAI 正将模型应用于面向 AMD 加速器的代码。更出色的自动生成内核，能够缩小那些拥有大量手工调优软件的平台所具备的优势。

自动化不会消除平台差异。生成的代码仍需进行正确性测试、性能验证，并跨硬件代际维护。一个在特定张量形状或模型配置下表现良好的内核，换到另一种条件下可能表现不佳。

开发者还必须评估调试质量。当自动化工具生成一项优化时，团队需要理解故障、数值变化及硬件依赖关系。一项不透明的性能提升，可能在工作负载变化时成为运维负担。

首日支持是另一项挑战。AMD 表示，ROCm.AI 将帮助软件从硬件发布当天起就能利用新硬件。这一目标很重要，因为如果热门框架、库和模型无法立即访问，MI455X 的性能价值就会受到限制。

Nvidia 的软件优势不止包括内核性能，还涵盖性能分析、编排、网络库、推理服务器、文档、社区答复和企业支持。AMD 必须在持续提升原始性能的同时，改善整个工作流程。

开源方式能够加速这一进程。客户可以检查代码、提出改动，并避免在每一层都依赖单一供应商。开放开发也会暴露尚未完成的部分，而封闭系统可以借助受支持的配置掩盖这些问题。

AMD 的软件主张需要来自未获得特权工程支持的组织提供更广泛的证据。OpenAI、Meta 和 Anthropic 可以为新基础设施配置专家；普通企业则需要可靠的安装路径、熟悉的框架、可预测的更新，以及优化失效时的支持。

这一区别划分了战略合作伙伴与更广泛市场。如果 ROCm.AI 主要只适用于与 AMD 共同设计硬件的客户，它将强化若干超大规模部署，却无法消除 Nvidia 更广泛的软件优势。如果独立开发者能够复现这种体验，AMD 的可服务市场将显著扩大。

这也是知识管理变得具有运营重要性的地方。评估新加速器平台的工程团队必须保留基准测试、配置变更、故障记录和供应商指导。一套可搜索的工程知识库能够让这些证据在漫长的迁移过程中持续可用。

因此，ROCm.AI 不只是一次面向开发者的发布。它试图压缩过去长期拖慢 AMD 采用速度的软件工作量。未来数月将显示，自动化究竟能弥合这一差距，还是仅仅让特定演示更容易完成。

产品路线图覆盖广泛，但证据并不均衡

AMD 展示了从数据中心到机器人领域的一体化产品组合，但最有力的主张仍取决于未来交付和厂商选定的测试。

EPYC Venice 代表着 Helios 之外最直接的扩展。AMD 介绍了三种主要配置：面向 Helios 的高频型号、配备 256 核的高密度版本，以及面向通用计算的 128 核选项。苏姿丰表示，Venice 也已进入全面量产。

这一处理器系列之所以重要，是因为 AMD 预计智能体工作负载将增加对 CPU 的需求。智能体所做的不只是生成文本，还会检索数据、调用应用、执行代码、协调任务并监测结果。这些步骤可能将大量工作转移到通用处理器上。

AMD 估计，到 2030 年 CPU 市场规模将达到 2,200 亿美元。它将这一预测纳入对 2 万亿美元计算市场的更大估算中，其中 AI 加速器占 1.4 万亿美元。这些预测反映的是 AMD 的规划假设，而非独立的市场共识。

该公司还推出了 Instinct MI350P，这是一款可适配传统服务器插槽的 PCIe 加速器。MI350P 为企业提供了一条要求低于部署完整 Helios 机架的路径。AMD 强调了其在自动化威胁检测和个性化 AI 助手中的内部应用。

AMD 表示，在其内部部署中，智能模型路由将 token 成本降低了 43%。路由会根据请求的复杂度、延迟或安全需求，将其导向选定模型。该做法可以减少对大型模型的不必要使用，不过节省幅度取决于请求模式和路由准确性。

AT&T 提供了一个规模更大的生产案例。这家运营商表示，其每月为客户服务、转录、基础设施规划及其他任务处理约一万亿个 AI token。AT&T 强调了数据主权，以及能够在云端、本地部署和隔离环境中运行工作负载的能力。

Cerebras 则介绍了另一种推理模式。其计划中的服务将提示词处理与 token 生成分开，并将不同阶段分别分配给 Helios 和晶圆级系统。两家公司称，这一组合可实现单独使用 Cerebras 系统五倍的性能。

这项混合推理计划预计将于 2026 年晚些时候登陆 Cerebras Cloud。它体现了行业更广泛的趋势：为推理的不同阶段采用专用处理器。这种专用化可以提高效率，但也会使编排更加复杂。

AMD 还通过 Kria 系统级模块和机器人开发平台进入实体 AI 领域。系统级模块将计算、内存和接口封装到一块紧凑的电路板中，用于嵌入式产品。AMD 将 Kria 定位为 Nvidia Jetson 系统的竞争产品，后者广泛应用于机器人和边缘设备。

这一部分的主题演讲拓宽了叙事，但也削弱了重点。数据中心客户可以根据明确的竞争对手和部署时间表来评估 Helios；机器人开发者面对的则是不同的软件、功耗、安全和硬件需求。

路线图还延伸得更远。AMD 表示，其 Zen 7 EPYC 代际 Florence 将于 2028 年推出；基于 Zen 8 的 Ravenna 正在开发中，计划于 2030 年面世。该公司还计划每年推出 Instinct 和机架级产品，MI600 预计于 2028 年发布。

AMD 将 MI500 描述为 Instinct 产品线迄今最大的代际变化，并预测四年内推理吞吐量将提升超过 2,000 倍。这份处理器路线图为客户提供了规划可见性，但如此遥远的性能主张包含显著不确定性。

软件、数值格式、机架规模和测量方法都可能影响多年期吞吐量对比。这个标题数字不应被解读为单颗芯片性能将直接提升 2,000 倍的估计。

风险不在于 AMD 缺乏可信的技术，而在于广泛的产品组合带来了更多执行层面，公司未必能同样出色地支持每一个领域。Helios、Venice、ROCm.AI、企业加速器、客户端系统和机器人产品都需要持续的工程投入。

Nvidia 同样面临每年交付硬件和软件更新的执行压力。但其更大的 AI 营收基础、已部署规模和生态系统，使其有更大的空间吸收延迟。AMD 必须在扩张的同时建立信任。

这场主题演讲异常清晰地展示了 AMD 的方向。它希望在完整 AI 系统层面展开竞争，同时保留组件选择和开放软件。买家应将这一连贯战略与尚未得到验证的个别主张区分开来。

三个信号将决定 Helios 是否改变市场

下一次判断应来自已交付的系统、实测工作负载和重复订单，而不是又一轮架构承诺。

第一个信号是第三季度末的出货目标。AMD 表示，Helios 已全面量产，并将在接近这一期限时开始出货。若能达成，将强化该机架已超越样品阶段的主张。任何实质性延迟都会使客户部署进度更接近 Nvidia 的下一轮产品周期。

仅有出货公告还不够。买家应关注 OpenAI、Microsoft 和其他已点名客户的已安装容量。验证实验室中的一台机架，所提供的证据不如服务于生产模型的集群。

第二个信号是独立工作负载数据。评测机构和客户需要测试训练、批量推理、交互式推理以及智能体应用。结果应涵盖功耗、机架利用率、延迟、软件可靠性以及每美元可获得的 token 数。

Helios 的规格足以支撑对 Nvidia 发起严肃挑战。其配备 72 个加速器、31 TB HBM4、Venice CPU 和机架级网络，构成了可信的硬件基础。真实部署将决定应用实际能够持续利用其中多少容量。

独立的软件测试同样重要。开发者应衡量安装时间、框架兼容性、内核质量、调试体验和升级表现。ROCm.AI 必须帮助 AMD 最紧密合作伙伴之外的团队，才能改变市场整体的采购行为。

第三个信号是 2027 年期间的重复需求。OpenAI 计划中的加速部署、Anthropic 的首个吉瓦级项目、Microsoft 的 Azure 部署，以及 Cerebras Cloud 的可用性，均提供了明确的观察节点。若部署规模超出最初承诺，则表明客户信任其性能与运营能力。

重复订单也将检验 AMD 的开放平台论点。买家往往会引入第二家供应商，以增强议价能力或降低供应风险。只有当平台在经济性和可靠性方面达到可接受的水平时，他们才会扩大对该供应商的采购。

Nvidia 的回应将塑造每一个信号。该公司可以调整价格、加快系统供货、提升效率，并深化与客户的整合。其 Vera 和 Rubin 路线图瞄准的，正是 AMD 希望服务的那些受电力限制的数据中心。

因此，AMD 在 ServeTheHome 上的故事并不止于一场主题演讲。这场活动标志着 AMD 首次为其机架级战略附加了量产声明和近期交付日期，也让主要客户登台说明其计划中的使用方式。

正如 Su 所称，这场主题演讲并未定论 Helios 是否是最佳 AI 机架。它提出了一个可检验的命题：AMD 表示，开放系统能够匹配竞争性性能、改善经济性，并实现大规模量产部署。

基础设施负责人现在应提出三个直接问题：机架是否如期交付？独立工作负载是否复现了 AMD 的经济性主张？客户在运行首批系统后是否扩大了部署？

这些答案将决定 Helios 是成为持久的第二平台，还是仍作为一个具有战略价值但份额有限的替代选择。关注部署进展，记录运营证据，并比较完整系统。AMD 挑战 Nvidia 的下一阶段，将在数据中心内部接受检验，而非在主题演讲舞台上。