AMD Helios AI硬件发布

在GPU时代的大部分时间里，AMD向客户推销的始终是单颗芯片：购买加速器，然后自行构建并连接机架。Helios彻底改变了这一策略。该系统将72块Instinct MI455X GPU、18颗第六代EPYC‘Venice’CPU以及AMD自研的Pensando网络芯片集成于单个机架内，提供超过31TB的总HBM4内存，作为一个预集成单元交付。EIIRTrend与Pareekh Consulting首席执行官Pareekh Jain直言不讳地评价这一转变：Helios是‘AMD首款将GPU、CPU和网络芯片共同集成的完整AI机架系统，而非单独出售芯片’^[1]。这一区别比规格表所显示的更为重要——机架级产品使AMD能够以Nvidia多年来通过NVL72系统所采用的相同方式竞争，而不是要求客户自行组装系统并希望各组件能良好协同工作。

AMD还将集成理念延伸至机架之外。其与Cerebras的新合作将推理请求拆分为两个阶段，分别在两种不同架构的芯片上运行：Helios负责处理提示词和长上下文部分，而Cerebras的晶圆级引擎则接管快速token生成——两家公司称，这种解耦设计可使每瓦特每秒的token生成量比单一架构方案高出最多5倍^[2]。Cerebras首席执行官Andrew Feldman称其为‘实现超低延迟推理的绝佳机会’^[2]——值得注意的是，这出自一位潜在竞争对手的芯片制造商之口，承认目前尚无单一架构能主导推理管道的每一个阶段。

根据AMD自身数据，Helios在计算性能上相比Nvidia即将推出的Vera Rubin NVL72仅略有提升——约高出15%——但在内存方面优势显著：容量和扩展带宽均高出50%，同时每美元推理token数量最多提升30%^[3]。这两个数字之间的差距才是更值得关注的故事：较小的计算优势搭配更大的内存优势，将竞争焦点从‘谁的GPU更快’转变为‘谁的GPU能在不调用较慢内存的情况下容纳更大的模型’。

每块MI455X均搭载基于2nm工艺、拥有3200亿个晶体管的432GB HBM4内存^[4]——这些数字只有在AMD能够实际获得足够HBM4以及将内存连接至GPU芯片所需的先进封装产能时才具有意义。在与发布相关的CNBC采访中，苏姿丰明确指出了这一限制：Nvidia历史上一直占据台积电先进CoWoS封装产能的大部分份额，因此AMD今年春季投入约100亿美元与台湾其他封装合作伙伴合作以确保自身供应，并表示已从三大主要HBM供应商处锁定承诺，以应对全行业范围的内存短缺。Helios实现全面生产而非仅限于样品阶段，这既是工程成就，也是供应链上的胜利。

最能说明AMD将挑战Nvidia视为经济问题而非单纯工程问题的证据，是其向Anthropic直接投资高达50亿美元，同时承诺提供最多2吉瓦的Instinct MI450系列GPU算力，其中首吉瓦预计于2027年上半年上线^[5]。Anthropic目前已在MI355X GPU上运行，并在多年期工程合作中利用Claude帮助优化AMD自身的工作负载性能^[6]——这一交易结构实质上是付费让客户成为参考设计，而不仅仅是购买方。

Anthropic并非特例。微软计划从2026年下半年起在Azure中部署Helios用于前沿模型推理，消息公布后AMD股价随之波动^[7]。OpenAI是Helios的早期采用者，其首吉瓦AMD算力预计于2026年下半年交付，Helios部署将于第四季度启动；Meta正与AMD共同设计其吉瓦级Helios部署方案^[6]。加上对Anthropic的承诺，AMD已披露的客户管线——涵盖Anthropic、OpenAI、Meta、微软Azure和Oracle——总计达到约20吉瓦^[5]。这一数字只有在Nvidia仍占据数据中心GPU市场95%以上份额的背景下才说得通：超大规模企业有结构性动力在Helios尚未大规模验证前维持一个可信的第二供应商，因为单一供应商的GPU市场对每家企业而言都是供应链风险，他们都在独立寻求对冲。

并非所有对Helios的评价都是正面的。本周广泛流传的Futurum Group估算显示，Helios每机架价格约为500万至550万美元，而Nvidia第二代Rubin系统为350万至400万美元——若属实，近40%的溢价将削弱AMD‘每美元更多token’的宣传。然而，这一比较很快面临基准问题：其他分析认为实际Rubin NVL72价格更接近每机架780万至880万美元，若此数据成立，则情况完全反转，Helios将成为每机架更便宜的系统，而非更贵。

部分混乱源于结构性差异，而不仅是价格分歧。Helios采用双宽机架设计——18颗EPYC Venice CPU搭配每颗配备432GB HBM4的MI455X GPU——而Nvidia的NVL72为单宽机架，配备36颗Vera CPU和每GPU 288GB HBM内存，因此直接按机架进行美元对比实际上是在衡量不同数量的硬件。在AMD或Nvidia公布实际发票价格而非列表估价前，双方各自提出的‘每token成本更低’论点都建立在尚未完全披露的假设之上。

AMD对Helios的论点几乎完全建立在硬件之上——晶体管数量、内存容量、每美元token数。对此最持续的质疑并非来自芯片本身，而是软件。Pareekh Jain对Helios的评价——认为其为客户提供‘对Nvidia的真实替代方案’——也明确指出了AMD在软件成熟度上与Nvidia的CUDA生态之间的差距^[1]。反方观点认为，微软和Meta等超大规模客户通常部署预验证的软件栈，这可能使他们在上线初期对驱动兼容性问题的敏感度低于小型买家——但对于非顶级客户而言，AMD的ROCm软件能否跟上节奏仍是未解之问。

这种质疑存在于一个更大且更具影响力的问题之中：Helios所依赖的整个AI基础设施建设本身是否过度扩张。关于超大规模企业资本支出可持续性的问题——包括至少一家主要云服务商的信用评级担忧，以及银行对AI基础设施泡沫的警告——已在评估Helios发布的讨论中浮现。另一种逐渐获得支持的反方观点是，小型开源模型正迅速逼近前沿性能，这将持续降低推理运行成本，无论泡沫争议如何解决，都将维持对Helios这类算力的需求。无论如何，Helios的短期成功更多取决于AMD所瞄准的市场是否能持续以AMD、微软和Anthropic共同押注的速度增长，而非AMD的芯片本身是否足够优秀。