AMD fordert die Full-Stack-Barriere von NVIDIA heraus – dieser Artikel vermittelt Ihnen alles Wissenswerte über AMD AAI2026
Am 24. Juli veröffentlichte AMD auf der Konferenz Advancing AI 2026 die Helios-Rack-Ebene-KI-Plattform und die EPYC-Generation-6-Server-CPU mit dem Codenamen „Venice“. Helios ist mit der neuen Generation Instinct MI455X-GPU, der Venice-CPU und dem Pensando-Netzwerksystem ausgestattet. AMD hat außerdem die MI430X für wissenschaftliche Berechnungen, die MI350P im PCIe-Formfaktor, ROCm.AI sowie die Plattformen „Gorgon Halo“ und Kria AI Robotics für lokale Agenten und Roboter vorgestellt.
Lisa SU hat eine klare Hauptlinie für diese Veröffentlichung festgelegt: Die KI-Berechnung verlagert sich von der Beschleunigung des Trainings hin zur Inferenz, und Agenten erweitern einen einzelnen Modellaufruf zu fortlaufender Inferenz, Werkzeugaufrufen und Aufgabenausführung. AMD schätzt, dass im Jahr 2026 etwa 60 % der weltweiten KI-Rechenleistung für die Inferenz verwendet werden. Sie sagte, dass Agenten sowohl „eine große Anzahl von GPUs zur Durchführung von Inferenz“ als auch „eine große Anzahl von CPUs zur Orchestrierung jedes Schritts“ benötigen.
Entsprechend dieser Veränderung fasst AMD seine Strategie in drei Punkten zusammen: Führende Position bei der Berechnung, offene Plattform und „KI überall verfügbar machen“. Helios ist das Kernstück: AMD möchte GPUs, CPUs, Netzwerke und Software zu einer vollständigen KI-Fabrikplattform organisieren, um den Wettbewerb von einzelnen Chips auf Rack-Durchsatz, Token-Kosten und Systembereitstellung auszuweiten.
01 MI455X und Helios: Der Wettbewerb bewegt sich auf Systemebene
MI455X und Helios sind die Schwerpunkte dieser Veröffentlichung.
Die MI455X ist mit 432 GB HBM4 ausgestattet, die Speicherbandbreite erreicht 23,3 TB/s, die Spitzen-MXFP8-Rechenleistung beträgt 20 PFLOPS und die Spitzen-MXFP4-Rechenleistung 40 PFLOPS. Im Vergleich zur Vorgängergeneration MI355X steigt die maximale Speicherkapazität um das 1,5-fache, die maximale Speicherbandbreite um das 2,9-fache und die maximale Niedrigpräzisions-Spitzenrechenleistung um das 4-fache.
Der Grafikspeicher ist der Schwerpunkt der Aktualisierung dieser Produktgeneration. Mit der Erweiterung der Modellparameter und der Zunahme der Kontextlänge muss die Inferenz mehr Gewichtungen und KV-Caches über einen längeren Zeitraum speichern. Die synchrone Aktualisierung von Berechnung, Cache, Grafikspeicher und Interkonnektion bei der MI455X zielt letztendlich auf eine höhere Effizienz bei tatsächlichen Lasten ab.
AMD hat auch einen generationsbezogenen Vergleich der MI455X bei der DeepSeek V4 Flash FP4-Inferenz vorgelegt. Bei vorproduzierten oder Referenzhardware, spezifischen Modellen und Konfigurationen erreicht der Token-Durchsatz der MI455X das bis zu 34-fache der MI355X, und die Token-Kosten senken sich um das bis zu 18-fache. Diese Verbesserung umfasst mehrere Faktoren wie Hardware, Niedrigpräzisionsberechnung und Softwareoptimierung und muss noch durch Serienprodukte validiert werden.
Neben einzelnen GPUs übernimmt Helios eine wichtigere strategische Aufgabe.
Nach Ansicht von Lisa SU kann fortschrittliche KI nicht mehr durch einen einzelnen Chip oder einen einzelnen Server die Anforderungen erfüllen, „das gesamte Rack muss als ein System entworfen werden“. Die CPU ist für die Planung und Ausführung zuständig, die GPU übernimmt die Modellberechnung, das Hochgeschwindigkeitsnetzwerk verbindet das Innere und Äußere des Racks, und die Software bestimmt, ob diese Hardware schnell bereitgestellt und kontinuierlich optimiert werden kann. Helios ist genau die Antwort von AMD auf diese Veränderung.
Ein herkömmlicher Cluster mit 72 GPUs besteht normalerweise aus 8 Servern mit je 8 GPUs, die über ein Scale-out-Netzwerk verbunden sind. Jeder Server verfügt über einen eigenen Speicher, und die Kommunikation zwischen GPUs erfordert mehrere Netzwerksprünge, was leicht zu Verzögerungen, Überlastungen und Einschränkungen der Datenlokalität führt.
Helios organisiert 72 MI455X-GPUs zu einem einheitlichen Rack-Ebene-System und bietet etwa 31 TB HBM4 und eine aggregierte Scale-up-Bandbreite von 260 TB/s. AMD fasst diese Veränderung als „das Rack wird zum neuen System“ zusammen.
Das gesamte Helios-System besteht aus 18 Rechenschalen und 6 Vermittlungsschalen. Über das UALoE Scale-up Fabric werden 72 GPUs in derselben Berechnungsdomäne verbunden, um eine Ein-Sprung-Interkonnektion innerhalb des Racks zu realisieren. Jede GPU hat zu anderen GPUs konsistente Bandbreitenbedingungen, und die Software kann die Anpassung an die Netzwerktopologie und Datenlokalität reduzieren. Das System verwendet ein Multi-Plane-Fabric und redundante Pfade. Wenn ein Link- oder Vermittlungsknoten ausfällt, kann der Datenverkehr zu anderen verfügbaren Pfaden wechseln, und der Fehler wird auf einen lokalen Bereich isoliert.
Diese Architektur bedeutet auch, dass AMD zwischen der GPU-Dichte und der Leistungsfähigkeit der Host-CPU abwägen muss. Jede Rechenschale von Helios verwendet die Konfiguration „1 CPU + 4 GPUs“.
Vor Ort fragten Medien nach, ob dieses Verhältnis hauptsächlich dazu dient, Kosten zu senken und ob die CPU zu einem Systemengpass werden könnte. AMD antwortete, dass das Ziel darin besteht, so viele GPUs wie möglich innerhalb des Racks anzuordnen, und die Anzahl der Kerne, die Speicherkapazität und die I/O-Leistung einer einzelnen Venice-CPU reichen aus, um 4 GPUs zu unterstützen. Daher ist 1:4 der Gleichgewichtspunkt unter dem aktuellen Entwurf. Ob dieses Verhältnis nach dem tatsächlichen Einsatz in Agenten und komplexen Inferenzlasten langfristig ausreichend Spielraum behält, muss noch durch weitere Bereitstellungen von Kunden validiert werden.
Die Systemtechnik von Helios erstreckt sich auch auf Stromversorgung, Flüssigkühlung, Verkabelung und Wartung. Offizielle Angaben zufolge beträgt der Stromverbrauch des gesamten Racks etwa 225 bis 245 kW, abhängig von der Arbeitslast. Rechenschalen, Vermittlungsschalen und Kühlverteiler sind modular aufgebaut, sodass ein Teil der Wartung innerhalb des Racks durchgeführt werden kann, was die vollständige Demontage und Ausfallzeit reduziert.
Allerdings löst die Modularität derzeit hauptsächlich Probleme bei Service und Reparatur. Vor Ort fragten Medien weiter, ob Helios in Zukunft kontinuierlich aktualisiert werden kann und ob CPU-, GPU- und Netzwerkkomponenten direkt mit der Produktiteration ausgetauscht werden können. AMD hat keine klare Zusage zur Kompatibilität zwischen verschiedenen Generationen gegeben, sondern nur angegeben, dass das aktuelle System bereits für Modularität und Wartungsfreundlichkeit ausgelegt ist und die Aktualisierungs- und Servicefähigkeiten in Zukunft weiter verbessert werden. Das bedeutet auch, ob sich Helios von einem modularen Rack zu einer Plattform entwickeln kann, die die langfristigen Hardwareinvestitionen der Kunden schützt, hängt von den Schnittstellen- und Architekturvereinbarungen der MI500 und nachfolgender Systeme ab.
Lisa SU betonte in ihrer Keynote wiederholt, dass die Kunden letztendlich daran interessiert sind, wie viele Nutzer jede Investition bedienen und wie viele Token erzeugen kann. Mit dem kontinuierlichen Ansteigen des Inferenzbudgets muss die Spitzenrechenleistung in den Durchsatz bei festem Stromverbrauch und niedrigere Kosten pro Token umgewandelt werden.
In der Modellierung auf Basis von Kimi K2 Thinking, geschätzten Systempreisen und unterschiedlichen Interaktivitätsbereichen kann der Token-Ertrag von Helios pro Dollar um bis zu 30 % höher sein als bei NVIDIA Vera Rubin NVL72. Unter bestimmten Interaktivitätsbedingungen liegt der Token-Durchsatz pro GPU um etwa 10 % bis 15 % höher. Diese Ergebnisse basieren noch auf Voraussetzungssystemen und Preisannahmen. Die Leistung, Preisgestaltung und Betriebskosten nach der Massenproduktion werden entscheiden, ob Helios seine systemweiten Vorteile wirklich einlösen kann.
Abbildung: Helios-Demo, die auf der AMD Advancing AI 2026 vor Ort ausgestellt wurde
AMD hat für Helios ein dreistufiges Netzwerksystem entworfen: Die Salina-DPU ist für die Front-End-Netzwerk-, Speicher- und Sicherheitsauslagerung zuständig, UALoE übernimmt die Scale-up-Interkonnektion von 72 GPUs innerhalb des Racks, und die Vulcano-AI-NIC unterstützt die Scale-out-Erweiterung zwischen mehreren Helios-Racks. Die drei decken jeweils die Datenpfade am Servereingang, innerhalb des Racks und zwischen Rack-übergreifenden Clustern ab.
Dabei verbindet UALoE 72 GPUs und etwa 31 TB HBM4 in demselben Fabric und bietet eine aggregierte Bandbreite von 260 TB/s. Vulcano unterstützt 800G und PCIe 6.0, und jede GPU kann eine Scale-out-Bandbreite von bis zu 2,4 Tbps erhalten. Salina reduziert den Verbrauch von CPUs bei Netzwerk-, Speicher- und Sicherheitsaufgaben durch Hardwareauslagerung und bietet KV-Cache-Erweiterungsfähigkeit für lange Kontexte.
Mit der Integration dieser drei Netzwerkebenen in Helios ist Pensando von einem unabhängigen Cloud-Infrastrukturgeschäft zu einem Kernbestandteil der AMD-KI-Plattform geworden.
02 Venice: EPYC tritt von herkömmlichen Servern in Agenten-Workflows ein
Nach der Veröffentlichung von Helios widmete AMD einen beträchtlichen Teil der Vorstellung den Server-CPUs. Nach der Einschätzung von Lisa SU liegt der durch Agenten erzeugte Zuwachs an Berechnungen nicht nur bei GPUs. Eine Agentenaufgabe muss zudem Code ausführen, Datenbanken abfragen, Werkzeuge aufrufen und eine große Anzahl paralleler Schritte koordinieren, was zu einer neuen Art von Serverlast führt. Sie schätzt, dass die Anzahl der Agenten von Millionen auf Milliarden ansteigen wird und der Markt für Server-CPUs entsprechend deutlich expandieren wird.
AMD hat gleichzeitig die EPYC-Server-CPU der 6. Generation Serie 9006 mit dem Codenamen Venice veröffentlicht, die für Cloud-Computing, Unternehmensdatenzentren und KI ausgelegt ist. Offiziell wird sie als eine Reihe von CPU-Produkten definiert, die für unterschiedliche Anforderungen moderner Rechenzentren entwickelt wurden, nicht als ein einzelnes Flaggschiffmodell.
Die Venice-Produktfamilie umfasst vier Hauptreihen:
EPYC 9006 SP7 „Venice“ zielt auf eine hohe Anzahl von Kernen und hohe Leistung ab. EPYC 9006 SP8 „Venice“ legt den Schwerpunkt auf das System-Preis-Leistungs-Verhältnis in Unternehmensszenarien. EPYC 9006X SP7 „Venice-X“ ist für HPC und Vorverarbeitung von KI-Daten ausgelegt. EPYC 9006 LP „Verano“ verwendet LPDDR-Speicher und ist für leistungsstarke KI-Host-Knoten vorgesehen.
Venice bietet maximal 256 Kerne und 512 Threads, verwendet die Zen-6-Architektur und unterstützt PCIe 6.0 sowie unterschiedliche DDR5-, MRDIMM- und LPDDR-Konfigurationen. Diese Kombination deckt allgemeine Berechnungen, Unternehmensanwendungen, HPC, GPU-Hosts und KI-Vorverarbeitung ab.
Im Zeitalter der Agenten-KI umfasst ein vollständiger Agentenablauf Gateway, Kontextzusammenstellung, Planung, Abruf, Werkzeugausführung, Überprüfung und Ausgabe, wobei eine große Anzahl von Vorgängen auf der CPU ausgeführt wird. Wenn mehrere Agenten parallel ausgeführt werden, beeinflussen die Kern-Dichte der CPU, die Speicherbandbreite, Virtualisierung und I/O-Leistung die Aufgabenplanung und die Parallelität von Sandboxen.
Server-CPUs sind auch ein Geschäftsfeld, in dem AMD bereits deutliche Fortschritte erzielt hat. Offizielle Angaben zufolge beträgt der Umsatzanteil von EPYC-Server-CPUs 46 %. Es wird angegeben, dass jede Woche ein Unternehmen aus der Forbes Global 2000 zu AMD wechselt, und es gibt bereits mehr als 475 EPYC-Plattformen und mehr als 1600 EPYC-Cloud-Instanzen.
Die weitere Konkurrenz von Venice kommt einerseits von Intel Xeon. AMD möchte seinen Marktanteil weiter durch Kern-Dichte, Leistungsaufnahmeeffizienz und Server-Konsolidierung ausweiten. Andererseits treten NVIDIA Vera und Arm-Server-CPUs in KI-Racks ein, sodass der CPU-Wettbewerb sich mit GPU-Plattformen und Systemarchitekturen verbindet.
03 ROCm.AI: AMD senkt die Hürden für die GPU-Softwareentwicklung mit KI
Software ist ein wichtiger neuer Höhepunkt dieser Veröffentlichung.
AMD hat ROCm.AI offiziell vorgestellt und es als eine KI-gesteuerte Plattform für Entwickler definiert. ROCm ist der vorhandene grundlegende Software-Stack von AMD. ROCm.AI fügt ihm KI-Unterstützungsfunktionen hinzu, die für GPU-Codegenerierung, Migration, Debugging und Leistungsoptimierung verwendet werden, und unterstützt die Zusammenarbeit mit Tools oder Modellen wie Cursor, Claude, Codex und Gemini.
Das Kernziel von ROCm.AI besteht darin, die Komplexität der zugrundeliegenden GPU-Programmierung und der CUDA-Migration zu senken. Entwickler können KI verwenden, um Code zu analysieren, CUDA und HIP zu konvertieren, Leistungsengpässe zu lokalisieren und Optimierungsvorschläge zu generieren.
AMD hat außerdem FlyDSL vorgestellt. Es verwendet Pythonic-DSL, sodass Python-Entwickler sich mehr auf die Algorithmussausdruck konzentrieren und weniger Arbeit bei der GPU-Orchestrierung wie Threads, Speicher und zugrundeliegende Planung aufwenden müssen. AMD gibt an, dass FlyDSL in relevanten Beispielen mit geringerer Komplexität die gleiche oder bessere Leistung erreichen kann.
ROCm.AI soll im August 2026 verfügbar sein. AMD hat mitgeteilt, dass mehr als 3 Millionen Modelle auf Hugging Face auf der AMD-Plattform direkt ausgeführt werden können, die zehn beliebtesten Open-Source-KI-Projekte AMD nativ unterstützen, und die Anzahl der relevanten Open-Source-Beiträge um mehr als das 10-fache gestiegen ist.
Diese Daten spiegeln die Erweiterungsgeschwindigkeit des ROCm-Ökosystems wider, aber die tatsächliche Wettbewerbsfähigkeit der Softwareplattform hängt noch von der Anpassungsgeschwindigkeit von Modellen, der Leistung der Operatoren, den Migrationskosten und der Stabilität in Produktionsumgebungen ab. Für AMD liegt die Bedeutung von ROCm.AI darin, die Softwareunterstützung von der untersten Ebene bis hin zum Entwicklungserlebnis zu vervollständigen.