AMD Helios 量产确认：72卡HBM4机架525万美元，AI硬件竞争从芯片走向系统
AMD在Advancing AI 2026大会上发布的Helios机架级AI系统已确认进入全量生产，首批客户出货定于2026年Q3末。这是AMD首次交付完整机架级AI平台，搭载72颗MI455X GPU，单GPU配备432GB HBM4，整机架31TB显存、2.9 EFLOPS FP4推理性能，定价约525万美元。OpenAI、Meta、Microsoft、Oracle四家合计预订12GW算力。AI硬件的竞争单位，正在从一颗GPU变成一整个机架。
MI455X：首款2nm AI GPU，432GB HBM4
MI455X是Helios的核心。它基于AMD CDNA 5架构，采用TSMC 2nm工艺，是业界首款2nm AI加速芯片。单颗GPU配备432GB HBM4显存，带宽19.6TB/s，峰值MXFP8算力20 PFLOPS，MXFP4算力40 PFLOPS。
对比上一代MI355X（288GB HBM3E），MI455X显存容量提升1.5倍，带宽提升2.9倍，低精度峰值算力提升4倍。显存是这一代升级的重点——模型参数持续扩大、上下文长度不断增长，推理需要长期保存更多权重和KV Cache，432GB HBM4直接回应了这个需求。
与英伟达最新Vera Rubin NVL144的288GB/GPU相比，MI455X的显存容量多出50%。AMD在DeepSeek V4 Flash FP4推理测试中称，MI455X的Token吞吐最高达MI355X的34倍，Token成本最高降低18倍。不过这些数据基于预生产硬件，量产后的实际表现仍需验证。
Helios：机架成为新的系统
Helios不只是把72颗GPU塞进一个机架。传统72卡集群由9台八卡服务器组成，GPU间通信需要多次网络跳转，容易产生延迟和拥塞。Helios把72颗MI455X组织成统一计算域，通过UALink Scale-up Fabric实现机架内单跳互连，聚合带宽260TB/s。
整机架配置：18个计算托盘（每托盘1颗EPYC Venice CPU + 4颗MI455X GPU）+ 6个交换机托盘，31TB HBM4，1.4PB/s聚合内存带宽。功耗约225-245kW，采用液冷和模块化设计。
网络分三层：Salina DPU负责前端网络和存储卸载，UALink承担机架内Scale-up，Vulcano AI NIC支持跨机架Scale-out（800G，每GPU最高2.4Tbps）。Pensando从独立业务变成AMD AI平台的核心组件。
AMD称，在Kimi K2 Thinking推理场景中，Helios每美元Token产出最高比英伟达Vera Rubin NVL72高30%，单GPU Token吞吐高10-15%。但这些对比基于预生产系统和价格假设。
EPYC Venice：首款2nm x86服务器CPU
与Helios同步发布的还有EPYC Venice，业界首款基于TSMC 2nm的x86服务器处理器。最高256核512线程，Zen 6架构，支持PCIe 6.0。AMD的判断是：Agent时代CPU需求同样会大幅增长——一个Agent任务要执行代码、查询数据库、调用工具、协调并行步骤，这些都在CPU上运行。Venice在Helios中承担调度和编排角色，1:4的CPU-GPU配比是当前设计的平衡点，未来能否持续满足Agent负载还需客户验证。
12GW预订：OpenAI、Meta、Microsoft、Oracle
AMD确认四家头部客户合计预订12GW AMD加速器算力。其中OpenAI的协议最为深入——计划部署高达2GW的MI455X Helios系统，首批1GW在2027上半年开始部署，同时双方建立了多年工程合作关系。OpenAI CEO Sam Altman亲临大会现场与Lisa Su同台，象征意义重大。
竞争逻辑变了
过去AI硬件竞争围绕单颗GPU的峰值算力。推理和Agent时代改变了采购逻辑：模型每天持续运行，Token规模越大成本越敏感，客户关心的是每美元能产出多少Token、机架级吞吐和长期运营成本。
英伟达的路径是高度一体化——从芯片到网络到软件全栈控制，客户买的是性能确定性和部署速度。AMD选择开放架构：UALink开放标准、ROCm开源软件栈，给头部客户更大的硬件选择权和定制空间，也意味着更高的集成复杂度。
ROCm.AI是AMD软件侧的新动作——AI辅助GPU代码生成、CUDA迁移和性能优化，支持与Cursor、Claude等工具配合。Hugging Face上超300万模型可在AMD平台运行，但软件生态与CUDA的差距仍是AMD最大的挑战。
写在最后
Helios量产确认标志着AMD从"卖芯片"正式转向"交付系统"。硬参数足够亮眼，但真正的考验在交付之后：ROCm能否持续缩小与CUDA的差距，Helios能否把头部客户的共创经验沉淀为标准化方案，开放架构的效率能否追上一体化平台。这些才是决定AI硬件格局走向的关键。
基于多家媒体转述整理。