La industria de alto rendimiento continúa redefiniendo los límites de memoria, ancho de banda y eficiencia de costos en soluciones de rack-scale. En este contexto, AMD presentó su oferta Helios, destacando cinco áreas en las que afirma superar lo que denomina la solución competitiva líder. Aunque no se nombra explícitamente a Nvidia, la referencia a la solución NVL72 basada en Vera Rubin es inequívoca para el comparador público. Este análisis examina las afirmaciones de AMD, las diferencias entre las métricas publicadas y los retos inherentes a las cargas de trabajo del mundo real.

Una batalla de números que se complica a medida que avanzan las soluciones

AMD afirma una ventaja del 15% frente a Nvidia en FP4 por GPU. Sin embargo, cuando se compara a nivel de rack, la cifra publicada por Nvidia para NVL72 (Vera Rubin) es de 3.6 exaflops frente a una estimación de 2.9 exaflops de AMD. Es crucial saber si estas cifras contemplan dies individuales o paquetes de dos-dies, ya que la distinción altera significativamente la valoración. Además, AMD utiliza MXFP4 frente a NVFP4, formatos que no equivalen directamente en términos aritméticos, lo que añade complejidad a la comparación.

Estas divergencias apuntan a una realidad común en escenarios de FP4: el rendimiento máximo teórico tiende a no alcanzarse en condiciones reales debido a movimientos de memoria, sobrecargas de programación y eficiencia de kernels. AMD reconoció este aspecto en su evento, sugiriendo que el rendimiento medido de FP4 se sitúa aproximadamente en la mitad de su potencia pico. Este matiz es importante para cualquier comprador que evalúe rendimiento sostenido frente a rendimiento pico.

En términos de capacidad de memoria y suministro, Nvidia mantiene una ventaja en la disponibilidad de memoria de alto rendimiento, con una combinación de 75 TB por rack cuando se suman LPDDR5X y HBM4, frente a los 31 TB de HBM4 de Helios. Esto hace que las cargas de trabajo que requieren grandes volúmenes de memoria mantengan a Nvidia como una opción atractiva. En cuanto al ancho de banda y la escalabilidad, Helios ofrece 432 GB de memoria por acelerador y 23.3 TB/s, con capacidades de red de 3.6 TB/s por acelerador y 260 TB/s por rack, cifras que igualan a la competencia en la planta de datos a nivel de flujo de datos entre componentes.

Más allá de las cifras, la estructura de la plataforma Helios—72 aceleradores MI455X, 18 CPUs EPYC Venice, conectividad UALink sobre Ethernet dentro del rack y Ultra Ethernet saliendo, todo ello en un chasis OCP Open Rack Wide con conmutación de Broadcom—presenta una solución de rack-scale sólida. AMD enfatiza la apertura de especificaciones de la red y del software, argumentando que Helios facilita personalización a gran escala para hyperscalers, una capacidad que, según AMD, no tiene un equivalente directo en la oferta de Nvidia.

La pregunta clave para los adoptantes es si la mayor apertura y personalización de Helios compensa las posibles limitaciones de suministro de memoria y las diferencias en las métricas de rendimiento. Vamsi Boppana, vicepresidente senior de IA en AMD, subraya que Helios reúne “compute líder, redes de alto rendimiento y software abierto en una plataforma rack-scale unificada”.

Un juego de números que continúa creciendo en complejidad, incluso cuando AMD obtiene algunas victorias

A pesar de las afirmaciones de AMD sobre un 15% de ventaja en FP4 por GPU, la comparación a nivel de rack con NVL72 no es completamente directa. Nvidia mantiene una posición de liderazgo en números de rack, y las diferencias en formatos y la forma de contar los datos dificultan una lectura única y comparable. La realidad operativa sugiere que los beneficios declarados pueden depender en gran medida de la carga de trabajo concreta, del software y de la eficiencia de la pila de herramientas, así como de la disponibilidad de memoria a gran escala.

En términos de implementación, Helios podría marcar un hito como la primera respuesta creíble de AMD al escenario de rack-scale de Nvidia desde el inicio de la carrera de IA. Sin embargo, la ejecución de la cadena de suministro y la planificación de implementación—con un despliegue inicial de Helios previsto para el cuarto trimestre—son factores críticos que pueden influir en el rendimiento relativo frente a Nvidia en el corto plazo.

En última instancia, el atractivo de Helios radica en su enfoque transparente: especificaciones de red y arquitectura disponibles públicamente permiten a hyperscalers adaptar soluciones a sus necesidades específicas. Nvidia, por su parte, mantiene una potencia consolidada en su plataforma, con un ecosistema maduro y una base de memoria amplia que favorece ciertos tipos de cargas de trabajo. La decisión entre una solución u otra dependerá del equilibrio entre rendimiento sostenido, capacidad de personalización, disponibilidad de memoria y la madurez de la pila de software para aplicaciones de IA a escala.