智算通鉴
Vultr向HPE下单12亿美元采购AMD Helios,机架级AI系统增加供应路线

AI云服务商Vultr为AMD的机架级方案下了一笔大订单。
9月30日,HPE宣布获得Vultr价值12亿美元的订单,将在Vultr位于美国的数据中心部署AMD Helios AI Rack by HPE系统。这是HPE获得的首笔AMD Helios订单,相关设备将用于支持AI模型训练和推理服务。
标题中的“美国12亿美元押注”,指的是美国私营云基础设施企业Vultr采购并部署相关系统,不是美国政府投资,也不是AMD获得12亿美元融资。
HPE没有公布机架数量、具体部署地点、交付周期和付款安排,因此不能用订单总额推算单个机架售价,也无法据此确定Vultr最终新增多少算力。
这也不是Helios第一次获得客户采用。
AMD在7月已经宣布,Microsoft将在Azure大规模部署Helios,用于前沿模型推理、Azure AI服务和客户应用。AMD随后披露,OpenAI、Anthropic、Meta、Microsoft、Oracle等企业正在采用、测试或计划部署相关平台,但不同公司的合作状态和部署进度并不完全相同。
Vultr订单的特殊之处,在于它是HPE披露的首笔Helios订单,而且给出了12亿美元这一明确金额。它为英伟达之外的机架级AI基础设施路线,增加了一笔规模较大的商业采购。
Helios卖的也不只是一颗GPU
Helios是AMD面向大规模AI训练和推理推出的机架级平台。
按照AMD公布的标准配置,每个Helios机架整合72颗Instinct MI455X GPU、18颗第六代EPYC“Venice”CPU,并配套AMD Pensando网络和ROCm软件。
Vultr采购的是HPE交付的Helios版本,其中还包括HPE专门设计的scale-up交换系统、直接液冷和部署服务。
Helios的重点不是把72颗GPU简单装进一个机架,而是让计算、机架内互联、对外网络、软件、供电、冷却和维护结构形成一套可重复部署的系统。
MI455X采用AMD CDNA 5架构并配置HBM4高带宽内存。72颗GPU通过机架内scale-up网络连接,用于大模型训练、高吞吐推理和微调等工作负载。
这条产品路线与英伟达近年来的演进方向相似:数据中心客户采购的不再只是加速芯片,而是一套完成软硬件协同设计的机架级计算系统。
HPE版本Helios选择开放以太网路线
Helios与英伟达NVL72的一个主要差异,在于机架内互联方式。
英伟达通过NVLink和NVLink Switch连接机架内GPU,并可使用Spectrum-X Ethernet或InfiniBand进行集群扩展。
Vultr此次采购的HPE版本Helios,则支持基于UALink over Ethernet,也就是UALoE的scale-up互联,并结合AMD Pensando网络技术。
每个机架配置六个HPE Juniper Networking QFX5252交换托盘,用于连接全部72颗GPU。HPE此前披露,这套交换方案与Broadcom合作开发,并采用Tomahawk 6交换芯片。
HPE和AMD将Helios定位为基于开放标准的机架级架构,希望为云服务商提供更大的互操作空间,并减少对单一专有互联技术的依赖。
不过,“基于开放标准”不等于不同厂商的设备可以未经验证直接混用,也不能据此认定部署和运维一定更简单。
GPU、网卡、交换机、驱动、通信库和集群管理软件仍需完成系统适配。Helios还需要在大规模生产环境中持续验证网络性能、GPU利用率、稳定性和故障恢复能力。
开放架构是其产品路线的一部分,但实际价值仍取决于工程实现。
HPE补上从平台到交付之间的一段
Vultr的订单也说明,Helios不是由AMD独立完成的产品。
AMD提供MI455X GPU、EPYC CPU、Pensando网络技术和ROCm软件;HPE负责机架工程、scale-up交换系统、直接液冷、部署和服务支持。
HPE在高性能计算、液冷和大型系统交付方面已有长期积累。在Juniper Networks并入HPE后,其数据中心网络能力也被纳入Helios方案。
对AMD来说,HPE能够缩短从芯片平台到可交付机架之间的距离;对HPE来说,Helios则提供了一条英伟达系统之外的高密度AI产品路线。
当一个机架集成数十颗高功率GPU后,芯片性能只是系统能力的一部分。交换系统、供电、液冷、软件适配、生产制造和现场调试,都可能影响交付进度与实际利用率。
AMD面对的竞争因此不只是英伟达GPU,还包括CUDA、NVLink、网络产品、服务器生态以及英伟达已经形成的机架级供应链。
Vultr为什么需要另一套方案
HPE与Vultr没有将这笔采购直接描述为“摆脱英伟达”或“降低单一供应商依赖”。
从云服务商的一般采购逻辑看,多一条供应路线可以增加硬件选择,也便于针对不同客户的模型、软件环境、内存容量和成本要求提供不同实例。
但运营多种GPU平台本身也有成本。
英伟达GPU拥有成熟的CUDA软件生态。部署AMD平台,则需要继续提升ROCm在大规模生产环境中的兼容性、性能优化和运维成熟度。云服务商还要建立相应的调度、监控、计费和客户支持能力。
因此,12亿美元订单能够证明Vultr愿意大规模采购Helios,却不能证明客户工作负载已经从英伟达全面迁移,也不能说明AMD已经改变了AI加速器市场的整体格局。
后续值得观察的是设备能否按计划交付,ROCm的软件生态能否继续完善,以及Vultr能否为相关算力形成稳定需求。
竞争单位正在从GPU扩大到整套机架
从系统形态看,Helios与英伟达NVL72具有一定可比性:两者都以72颗GPU构成机架级计算单元,也都把CPU、互联、网络、软件、供电和冷却纳入整体设计。
但两条路线的组织方式不同。
英伟达掌握GPU、NVLink、网卡、交换机和CUDA软件体系,对核心技术栈拥有较强的统一控制能力,其优势在于软件成熟度、系统协同和已经形成的部署生态。
Helios则由AMD、HPE、Broadcom等企业共同参与,强调基于开放标准的以太网scale-up互联和多厂商协作。这种模式可能为客户提供更多选择,同时也更考验不同厂商之间的工程整合与责任协调。
目前还不能把两者描述成势均力敌的市场格局。英伟达机架级系统已经拥有更广泛的客户基础,AMD Helios仍处于扩大生产部署和完善软件生态的阶段。
更准确地说,英伟达之外,AMD的Helios路线正在获得越来越明确的商业订单支持。
Vultr的12亿美元订单还不足以改写市场份额,却说明AI基础设施的竞争单位已经从单颗GPU扩大到整套机架。
下一阶段要比的,不只是芯片参数,还包括谁能把计算、网络、软件、液冷和交付体系组合起来,按计划建成可以稳定运行的AI集群。