AMD Helios: MI455X soll Nvidias NVL72 im Rack-Duell schlagen

AMD hat lange zugesehen, wie Nvidia den Markt für KI-Infrastruktur im Rack-Format definiert. Mit Helios ändert sich das. Das neue Rackscale-System bündelt 72 Instinct MI455X-Beschleuniger zu einer Einheit, die AMD explizit gegen Nvidias Vera-Rubin-NVL72-Plattform positioniert. Keine vorsichtige Ankündigung, sondern eine direkte Kampfansage mit konkreten Zahlen. Und die haben es in sich.

AMD Helios: Was hinter dem neuen Rackscale-System steckt

Helios ist laut AMD die erste eigene Rackscale-Lösung des Unternehmens für Hochleistungsrechenzentren. Das ist kein Detail am Rande, sondern ein Strategiewechsel. Bislang lieferte AMD einzelne Beschleuniger und ließ die Systemintegration weitgehend Partnern und Kunden. Mit Helios übernimmt AMD selbst die Rolle des Systemarchitekten für ein komplettes Rack, inklusive CPU, GPU, Netzwerk und Kühlung als abgestimmtes Gesamtpaket.

ServeTheHome hat das System bereits im Detail eingeordnet und beschreibt Helios als AMDs erstes Rackscale-System für Hochleistungsrechenzentrums-Deployments dieser Größenordnung. Das ist ein anderes Kaliber als einzelne Beschleunigerkarten, die in bestehende Serverarchitekturen integriert werden müssen. Helios kommt als vorkonfigurierte Einheit, die Rechenzentren direkt als Baustein einsetzen können. Wer sich mit der allgemeinen Marktlage bei KI-Hardware beschäftigt, kennt das Muster bereits von der CES 2026 in Las Vegas, wo Rackscale-Ansätze bereits als Trend erkennbar waren.

Konkret besteht das System laut ServeTheHome aus 18 Compute-Trays. Jedes dieser Trays enthält vier MI455X-Beschleuniger sowie eine Venice-CPU aus AMDs kommender Zen-6-EPYC-Generation. Multipliziert man das durch, kommt man auf exakt 72 GPUs pro Rack, was Tom’s Hardware in seiner Berichterstattung ebenfalls bestätigt. Diese Zahl ist kein Zufall: 72 GPUs pro Rack ist mittlerweile so etwas wie der Industriestandard für Hochleistungs-AI-Racks, den auch Nvidia mit seiner NVL72-Architektur etabliert hat.

Diese Standardisierung auf Rack-Ebene ist selbst eine kleine Zeitenwende. Noch vor wenigen Jahren unterschieden sich Serverarchitekturen von Hersteller zu Hersteller erheblich, heute konvergieren die großen Anbieter auf ähnliche Formfaktoren und GPU-Dichten pro Schrank. Wer als Kunde zwischen AMD und Nvidia wählt, vergleicht damit zunehmend nicht mehr Äpfel mit Birnen, sondern zwei sehr ähnlich aufgebaute Systeme mit unterschiedlichen internen Werten.

Instinct MI455X: Die Eckdaten des neuen AMD-Flaggschiffs

Der MI455X ist der zentrale Baustein von Helios und Teil der MI400-Serie, die AMD als offene, auf ROCm-basierte AI- und HPC-Plattform beschreibt. Offen heißt hier: kein geschlossenes Software-Ökosystem wie bei der Konkurrenz, sondern ein Software-Stack, der auf offenen Standards aufbaut. Das ist AMDs traditionelles Verkaufsargument gegen Nvidias CUDA-Dominanz, und es bleibt auch bei der MI400-Generation die zentrale Differenzierung.

Bei den reinen Leistungsdaten spart AMD nicht mit Superlativen. Der MI455X soll laut Hersteller bis zu 40 PFLOPS Peak-Leistung bei 4-Bit-Präzision liefern und bis zu 20 PFLOPS bei 8-Bit-Präzision. Diese Präzisionsstufen sind für moderne KI-Inferenz besonders relevant, weil Modelle zunehmend mit reduzierter Bit-Breite arbeiten, um Rechenaufwand und Energiebedarf zu senken, ohne die Ergebnisqualität nennenswert zu verschlechtern. Ähnliche Trends zu geringerer Präzision bei gleichbleibender Modellqualität lassen sich auch im Vergleich großer Sprachmodelle wie in der Analyse zu Llama 3.1 405B, GPT-4o und Claude 3.5 Sonnet beobachten.

Noch interessanter als die reine Rechenleistung ist der Speicher. AMD gibt für den MI455X 432 GB HBM4 an, kombiniert mit einer Speicherbandbreite von 23,3 TB/s. Das sind Werte, die im aktuellen Beschleunigermarkt kaum ein Konkurrenzprodukt erreicht. Bei großen Sprachmodellen ist Speicherkapazität oft der limitierende Faktor, nicht die reine Rechenleistung. Wer mehr Speicher pro Chip zur Verfügung hat, kann größere Modelle auf weniger Hardware laufen lassen oder mit weniger Kommunikationsoverhead zwischen den Chips arbeiten.

Diese Speicherdaten sind auch der Kern von AMDs Vergleich mit Nvidia. AMD behauptet, dass Helios gegenüber Nvidias Vera Rubin NVL72 bis zu 15 Prozent mehr KI-Compute liefert, dazu 50 Prozent mehr HBM-Kapazität und 50 Prozent mehr Scale-out-Bandbreite. Das sind AMDs eigene Zahlen aus dem offiziellen Blogbeitrag, keine unabhängige Messung, aber sie zeigen, worauf AMD seine Positionierung aufbaut: nicht auf reiner Rechenleistung, sondern auf Speicher und Vernetzung.

Helios als Gesamtsystem: Die Zahlen für das komplette Rack

Auf Systemebene wird aus den Einzeldaten der MI455X-Chips eine beeindruckende Gesamtbilanz. AMD bewirbt Helios laut seinem offiziellen Datenblatt mit bis zu 2,9 EFLOPS FP4-Leistung und 1,4 EFLOPS FP8-Leistung für das gesamte Rack. Diese Werte ergeben sich aus der Summe der 72 verbauten Beschleuniger und den entsprechenden Skalierungseffekten der Verbindungstechnik zwischen den Chips.

Auch die Speicherbandbreite pro GPU nennt AMD im selben Dokument mit bis zu 19,6 TB/s. Diese Zahl unterscheidet sich leicht von der 23,3 TB/s, die für den einzelnen MI455X-Chip angegeben wird, was auf unterschiedliche Messbedingungen oder Konfigurationen im Systemkontext hindeutet. Solche Abweichungen zwischen Chip- und Systemspezifikation sind in der Branche üblich, weil reale Betriebsbedingungen selten die theoretischen Peak-Werte einzelner Komponenten eins zu eins widerspiegeln.

Tom’s Hardware hat zusätzlich den Gesamtspeicher des Systems zusammengerechnet und kommt auf rund 31 TB HBM4-Gesamtspeicher für ein komplettes Helios-Rack. Diese Zahl verdeutlicht die Größenordnung, in der sich Rackscale-Systeme mittlerweile bewegen. Was vor wenigen Jahren als Speicherausstattung für ein ganzes Rechenzentrum galt, passt heute in einen einzelnen Serverschrank. Ein Blick in Rechenzentren-Kühlgänge oder Serverräume von Cloud-Anbietern zeigt diese Verdichtung längst im Alltag: Technikerinnen und Techniker rollen heute einzelne Racks ein, wo früher ganze Reihen von Schränken nötig waren, und die Kühlsysteme müssen entsprechend mitwachsen, um die Abwärme solcher Speicherdichten zu bewältigen.

Die Kombination aus Venice-CPUs und MI455X-Beschleunigern pro Compute-Tray zeigt außerdem, wie AMD die gesamte eigene Produktpalette in Helios integriert. Statt nur Beschleuniger zu liefern und die restliche Systemarchitektur Dritten zu überlassen, verbindet AMD hier CPU- und GPU-Roadmap zu einem geschlossenen Angebot. Das ist ein klarer Seitenhieb auf Nvidias Grace-Blackwell-Strategie, die genau nach diesem Muster funktioniert. Wer als Systemintegrator bislang CPU und GPU von unterschiedlichen Herstellern beziehen musste, um ein funktionierendes Rack zu bauen, bekommt mit Helios erstmals ein vollständig AMD-eigenes Gegenstück.

AMD gegen Nvidia: Die direkte Kampfansage im Rack-Format

Der Vergleich mit Nvidias Vera Rubin NVL72 ist kein Zufall, sondern die zentrale Botschaft der gesamten Helios-Ankündigung. AMD stellt sich damit bewusst in Konkurrenz zu Nvidias aktuellem Rackscale-Flaggschiff und behauptet in mehreren Kategorien die Führung. Das ist ungewöhnlich offensiv für ein Unternehmen, das im KI-Beschleunigermarkt traditionell die Rolle des Herausforderers spielt.

Die genannten Vorteile bei HBM-Kapazität und Scale-out-Bandbreite von jeweils 50 Prozent sind dabei die interessanteren Zahlen als die 15 Prozent Mehr-Compute. Rechenleistung lässt sich relativ einfach durch mehr Chips oder höhere Taktraten steigern. Speicherkapazität und die Bandbreite zwischen den Chips im Rack sind architektonische Entscheidungen, die tiefer in der Systemgestaltung verankert sind und sich nicht einfach nachrüsten lassen.

Genau hier will AMD offenbar den Unterschied machen. Wenn große Sprachmodelle über mehrere GPUs verteilt werden müssen, wird die Kommunikation zwischen den Chips zum Flaschenhals. Mehr Bandbreite bei der Scale-out-Vernetzung bedeutet weniger Wartezeit zwischen den Rechenschritten und damit potenziell schnellere Trainings- und Inferenzzeiten bei vergleichbarer Chip-Anzahl. Für Trainingsläufe, die sich über Wochen hinziehen, macht sich ein Bandbreitenvorteil am Ende in handfesten Kosten- und Zeitersparnissen bemerkbar.

Ob diese Zahlen in der Praxis Bestand haben, muss sich noch zeigen. AMDs eigene Vergleichswerte basieren naturgemäß auf Bedingungen, die das eigene Produkt möglichst vorteilhaft darstellen. Unabhängige Benchmarks unter realen Lastbedingungen stehen noch aus. Trotzdem zeigt die Ankündigung, dass AMD im Rackscale-Segment nicht mehr nur mitspielen, sondern die Referenz setzen will.

Offene Plattform gegen geschlossenes Ökosystem

Ein Punkt, der in der reinen Zahlenschlacht oft untergeht, ist AMDs Betonung der Offenheit der eigenen Plattform. Die MI400-Serie basiert auf ROCm, AMDs Software-Stack für GPU-Computing, der als Alternative zu Nvidias CUDA positioniert wird. Während CUDA über Jahre zum quasi-industriellen Standard für KI-Entwicklung wurde, versucht AMD mit ROCm, Entwickler mit einem offeneren Ansatz zu gewinnen.

Das ist strategisch klug, weil viele große Cloud-Anbieter und Forschungseinrichtungen zunehmend Wert auf Unabhängigkeit von einem einzelnen Hardware-Hersteller legen. Wer sein gesamtes KI-Training auf CUDA aufbaut, bindet sich langfristig an Nvidia-Hardware. Eine offene Plattform wie ROCm senkt theoretisch diese Abhängigkeit und macht Wechsel zwischen Hardware-Generationen und Herstellern einfacher. Dieses Muster kennt man auch aus anderen Infrastrukturbereichen, etwa wenn Betreiber von Home-Server-Setups bewusst auf offene Standards statt geschlossene Ökosysteme setzen, um flexibel zu bleiben.

In der Praxis hat ROCm allerdings jahrelang mit einer geringeren Softwarereife und weniger Optimierungen für gängige KI-Frameworks gekämpft. Ob sich das mit der MI400-Generation und Helios grundlegend ändert, ist eine offene Frage, die nicht allein durch Hardware-Spezifikationen beantwortet wird. Rechenleistung ist nur die halbe Gleichung. Die andere Hälfte ist, wie gut Software-Stacks diese Leistung tatsächlich in reale Anwendungen übersetzen. Entwicklerteams, die heute Trainingspipelines aufbauen, entscheiden mit der Wahl des Software-Stacks oft über Jahre hinweg, wie leicht sie später zwischen Hardware-Generationen wechseln können.

Verfügbarkeit und Marktrelevanz von Helios

Laut Berichten von AMD und dessen Partnern ist die Verfügbarkeit von Helios für später im Jahr 2026 vorgesehen. Das bedeutet: Die aktuelle Ankündigung ist eine Leistungsschau und Positionierung im Wettbewerb, aber noch keine breite Marktverfügbarkeit. Unternehmen, die jetzt Kapazitäten für KI-Training oder Inferenz planen, müssen diesen Zeithorizont in ihre Entscheidungen einbeziehen.

Für Rechenzentrumsbetreiber und Cloud-Anbieter ist die Zeitlinie entscheidend. Wer heute Infrastruktur beschaffen muss, kann nicht auf ein System warten, das erst gegen Ende des Jahres verfügbar wird. Gleichzeitig zeigt die frühe und detaillierte Ankündigung, dass AMD Kunden schon jetzt binden will, bevor die Konkurrenz mit eigenen Nachfolgeprodukten nachlegt.

ServeTheHome hat auf der CES 2026 bereits reale Hardware von Helios, der Venice-CPU und dem MI455X-Beschleuniger im Einsatz gesehen und dokumentiert, dass es sich nicht um reine Papierankündigungen handelt. Das ist ein relevanter Unterschied zu manchen früheren AMD-Ankündigungen, bei denen zwischen Präsentation und tatsächlicher Marktverfügbarkeit erhebliche Verzögerungen lagen.

Die Tatsache, dass Tom’s Hardware und ServeTheHome unabhängig voneinander detaillierte technische Analysen liefern konnten, spricht ebenfalls dafür, dass AMD dieses Mal mit belastbaren Daten und nicht nur mit Marketing-Folien an die Öffentlichkeit gegangen ist. Für ein Unternehmen, das im KI-Beschleunigermarkt immer noch als Herausforderer der Nummer eins gilt, ist das ein wichtiges Signal an potenzielle Großkunden.

In Beschaffungsabteilungen großer Rechenzentrumsbetreiber dürfte diese Ankündigung längst zu konkreten Rückfragen an Vertriebspartner geführt haben: Wie belastbar sind die Liefertermine, welche Stückzahlen sind realistisch, und wie sieht die Preisgestaltung im Vergleich zu Nvidias Angeboten aus. Antworten darauf liefert AMD in der aktuellen Ankündigung noch nicht, was typisch ist für diese frühe Phase der Produktkommunikation.

Was Helios für den KI-Infrastrukturmarkt bedeutet

Die Ankündigung von Helios markiert einen Wendepunkt in AMDs Strategie. Statt einzelne Beschleuniger zu verkaufen und die Systemintegration dem Markt zu überlassen, tritt AMD nun als Anbieter kompletter Rackscale-Lösungen auf. Das ist exakt das Modell, mit dem Nvidia in den vergangenen Jahren seine Marktposition gefestigt hat.

Für Unternehmen, die massive KI-Workloads betreiben, verändert das die Kalkulation. Statt Komponenten verschiedener Hersteller selbst zu einem funktionierenden System zusammenzubauen, können sie künftig ein vorkonfiguriertes AMD-Rack beziehen, das CPU, GPU, Speicher und Netzwerk als abgestimmte Einheit liefert. Das reduziert Integrationsaufwand und Risiko, bindet Kunden aber auch stärker an einen einzelnen Anbieter.

In IT-Abteilungen, die heute über Kapazitätsplanung für das kommende Jahr entscheiden, dürfte diese Ankündigung bereits Thema sein: Beschaffungsteams vergleichen Datenblätter, prüfen Lieferzeiten und stellen Rückfragen an Vertriebspartner, lange bevor die ersten Racks tatsächlich ausgeliefert werden. Die konkreten Zahlen zu HBM-Kapazität, Bandbreite und Rechenleistung sind beeindruckend, aber sie sind nur ein Teil der Geschichte.

Ob Helios tatsächlich zu einer relevanten Alternative zu Nvidias Rackscale-Angeboten wird, entscheidet sich an der Softwarereife, der tatsächlichen Verfügbarkeit im vierten Quartal und daran, wie gut sich die theoretischen Peak-Werte in reale Workloads übersetzen lassen. Für Kunden, die bereits tief in Nvidias CUDA-Ökosystem investiert haben, ist ein Wechsel zudem keine reine Hardware-Entscheidung, sondern ein monate- bis jahrelanges Migrationsprojekt mit eigenen Risiken. Die nächsten Monate werden zeigen, ob AMDs selbstbewusste Ansage gegen Nvidias NVL72 mehr ist als eine gut aufbereitete Tabelle mit Bestwerten, oder ob sie tatsächlich Marktanteile in einem Segment verschiebt, das bislang fest in Nvidias Hand liegt.