AMD Helios is het meest ambitieuze rack-scale platform dat AMD tot nu toe heeft gepresenteerd. Ontworpen voor de zwaarste AI-workloads, gebouwd op open specificaties van de Open Compute Project (OCP) en samen ontwikkeld met Meta. Het systeem koppelt 72 AMD Instinct MI450-GPU’s per rack, levert tot 2,9 exaFLOPS FP4-rekenkracht en zet vol in op open standaarden. AMD positioneert zich tegenover NVIDIA in de strijd om de volgende generatie AI-datacenters.

Wat is AMD Helios

Helios is een referentieontwerp voor een volledig AI-rack, gebouwd op de Open Rack Wide (ORW) specificatie die Meta in 2025 indiende bij het Open Compute Project. Die ORW-standaard beschrijft een dubbelbreed rack dat is geoptimaliseerd voor de stroom-, koelings- en onderhoudsvereisten van moderne AI-datacenters. AMD nam die blauwdruk als vertrekpunt en bouwde er een deployable systeem omheen dat OEM- en ODM-partners kunnen overnemen en uitbreiden.

Het hart van Helios bestaat uit de nieuwe AMD Instinct MI450 Series GPU’s, gebaseerd op de CDNA-architectuur. Elke GPU beschikt over 432 GB HBM4-geheugen en 19,6 TB/s geheugenbandbreedte. Op rackniveau tellen die specificaties snel op: 31 TB HBM4-geheugen en 1,4 PB/s aggregate bandbreedte per rack. Daar bovenop komen 260 TB/s scale-up interconnect-bandbreedte en 43 TB/s Ethernet-gebaseerde scale-out capaciteit.

Prestaties die trillion-parameter modellen aankunnen

De cijfers zijn ontworpen voor een schaal die enkele jaren geleden nog science fiction leek. Eén Helios-rack met 72 MI450-GPU’s levert tot 1,4 exaFLOPS FP8 voor training en 2,9 exaFLOPS FP4 voor inference. Volgens AMD’s eigen benchmarks betekent dat tot 36 keer hogere prestaties dan de vorige generatie en 50 procent meer geheugencapaciteit dan het Vera Rubin-systeem van NVIDIA.

Die geheugencapaciteit is belangrijk. Trillion-parameter modellen en grootschalige inference-workloads staan of vallen met de hoeveelheid HBM die je dicht bij de rekenkernen kan houden. Elke keer dat data van verder weg moet worden opgehaald, verlies je latency en energie.

Open standaarden als strategische keuze

De meest opvallende zet van AMD zit niet in de hardware, maar in de filosofie eromheen. Waar NVIDIA vasthoudt aan gesloten interconnects en een eigen software-ecosysteem, kiest AMD voluit voor open standaarden. Helios sluit aan bij drie belangrijke initiatieven: het Open Compute Project, Ultra Accelerator Link (UALink) en het Ultra Ethernet Consortium (UEC).

Archana Vemulapalli, Corporate Vice President Global Commercial Sales bij AMD, benadrukt dat Helios rechtstreeks voortkomt uit het werk binnen OCP. Dat initiatief werd in 2011 door Meta opgestart om datacenterhardware openbaar en deelbaar te maken. Het doel: kosten drukken en innovatie versnellen door propriëtaire ontwerpen te vervangen door gedeelde specificaties. Voor OEM’s betekent dit een lagere drempel om AI-systemen op de markt te brengen. Ze kunnen het Helios-ontwerp overnemen, hun eigen componenten integreren en gebruikmaken van AMD Instinct GPU’s, EPYC CPU’s en Pensando DPU’s zonder vast te zitten aan één leverancier.

Ook op softwareniveau blijft AMD trouw aan die aanpak. De ROCm-stack is open source en ondersteunt frameworks zoals PyTorch en JAX. Modellen op Hugging Face draaien vanaf dag één op ROCm, ook nieuwe versies. Volgens Mahesh Balasubramanian, Senior Director Data Center GPU Product Marketing bij AMD, is er geen extra codelaag nodig om workloads te verplaatsen. Dat is een directe uitdager voor CUDA van Nvidia, dat lange tijd de de facto standaard was voor AI-development.

HPE zet de eerste Helios-rack in de markt

Op HPE Discover Barcelona in december 2025 kondigde HPE aan dat het een van de eerste bedrijven wordt die een volledig geïntegreerde Helios-oplossing levert. Wat die aankondiging bijzonder maakt: HPE combineert het AMD-rack met een scale-up Ethernet-switch die samen met Broadcom is ontwikkeld. Dat is de eerste keer dat scale-up netwerkverkeer binnen een AI-rack over standaard Ethernet loopt in plaats van via een propriëtair protocol.

De switch bouwt op Broadcom’s Tomahawk 6-chip en de Ultra Accelerator Link over Ethernet (UALoE) standaard. HPE Juniper Networking levert de bijhorende automatiserings- en assurance-software. Voor cloud service providers en neoclouds betekent dat kortere implementatietijden, minder vendor lock-in en snellere feature-updates. Antonio Neri, CEO van HPE, kadert het als de volgende stap in een tien jaar lange samenwerking met AMD rond exascale-systemen. Lisa Su, CEO van AMD, spreekt over “een open rack-scale AI-platform dat nieuwe niveaus van efficiëntie en schaalbaarheid mogelijk maakt”.

Praktische innovaties voor moderne datacenters

Naast de ruwe prestaties zitten er in Helios enkele ontwerpkeuzes die het verschil maken in dagelijkse operaties. Het dubbelbrede formaat verlaagt de gewichtsdichtheid en maakt onderhoud eenvoudiger. Backside quick-disconnect vloeistofkoeling zorgt voor stabiele thermische prestaties bij hoge dichtheden, zonder dat technici het hele systeem moeten stilleggen voor onderhoud. De standaard Ethernet-scale-out biedt multipath-resiliency, wat betekent dat uitval van één verbinding het rack niet plat legt.

Deze operationele details worden vaak onderschat, maar bepalen in de praktijk of een AI-datacenter economisch haalbaar blijft. Wie duizenden GPU’s laat draaien, kan zich geen dagenlange onderhoudsvensters veroorloven.

Partnerships die de schaal bepalen

De grootste bevestiging van Helios komt uit de deal met Meta zelf. AMD gaat tot 6 gigawatt aan Instinct GPU’s leveren voor Meta’s AI-infrastructuur. Een eerste fase van 1 gigawatt wordt de tweede helft van 2026 opgestart.

Ook in India zet AMD in op strategische partnerships. Via HyperVault AI Data Centre Limited, een dochter van TCS, wordt Helios ingezet voor nationale AI-initiatieven. Het toont hoe rack-scale ontwerpen zich niet beperken tot hyperscalers, maar ook een rol spelen in soevereine AI-infrastructuur voor overheden en regionale spelers.

Inference wordt de nieuwe zwaartepunt

Een interessante observatie van het AMD-team betreft de verschuiving van training naar inference. Balasubramanian verwacht dat inference de trainingsmarkt wereldwijd zal overtreffen, en in landen als India nog sneller. Reden: veel organisaties bouwen liever kleinere, gespecialiseerde modellen dan gigantische LLM’s. Voor die workloads is efficiënte inference belangrijker dan pure trainingscapaciteit.

Helios is voor beide scenario’s gebouwd, maar de FP4-prestaties van 2,9 exaFLOPS wijzen expliciet op inference-optimalisatie. Combineer dat met het argument dat EPYC-CPU’s al de meeste enterprise-applicaties draaien, en je krijgt een verhaal waarin AMD zowel de klassieke x86-infrastructuur als de GPU-laag onder één dak brengt.

Wat dit betekent voor de AI-hardwaremarkt

Helios wordt in volume uitgerold vanaf 2026 en komt op een moment waarop de AI-hardwaremarkt verandert. Klanten willen prestaties, maar ze willen ook niet vasthangen aan één leverancier voor al hun infrastructuur. Door zijn ecosysteem rond OCP, UALink en Ultra Ethernet te bouwen, positioneert AMD zich als de open tegenhanger van de gesloten aanpak die NVIDIA hanteert. De echte test is hoe snel OEM’s, ODM’s en cloudproviders het referentieontwerp gebruiken en er hun eigen varianten op bouwen.