當全世界還在比誰的GPU核心數比較多的時候，AMD在舊金山的Advancing AI 2026活動上，丟出了一個讓市場重新思考的方向：在AI系統設計裡，資料怎麼在晶片之間高效流動，正在變成決定大規模AI部署成敗的關鍵因素。

算力軍備競賽的盡頭，是塞在網路上？

隨著AI模型參數規模持續擴張，業界普遍預期未來會進入「兆級參數（trillion-scale）」時代。AMD在活動中強調，光是堆疊更多GPU已經解決不了問題，真正的挑戰已經從「運算速度」延伸到「資料傳輸效率」。

這個判斷背後有個重要趨勢：多家分析機構預期，未來幾年AI運算的比重會逐漸從訓練轉向推論。更關鍵的是，代理式AI（Agentic AI）的崛起，讓CPU跟GPU之間產生大量串行交互——每一步推理都得等上一步跑完，網路延遲瞬間變成整個系統的瓶頸。

從工程角度看，這就像生產線上的投片流程：你前段製程再快，如果中間運輸卡住，後段根本拿不到料，整條產線的良率就是上不來。

Helios機櫃：AMD的整機解決方案

為了應對這個挑戰，AMD發表了Helios機架級AI基礎架構,整合MI455X加速器、第六代EPYC "Venice" CPU跟Pensando "Vulcano" NIC等元件，提供完整的yotta-scale等級運算藍圖。根據AMD官方數據，單一Helios機架可提供約3 AI exaflops效能，相較競品系統有以下優勢：

  • 算力跟記憶體：提供約15%更多運算效能，以及50%更大的HBM4記憶體容量與頻寬
  • 橫向擴展：scale-out網路頻寬提升50%，搭配開放式ROCm軟體生態整合
  • 能源效率：在高併發場景下，推理吞吐量較上一代提升最高34倍

AMD在平台設計中採用多層次網路架構：基於UALink跟Ultra Ethernet等開放互連標準，搭配Pensando Vulcano NIC專為跨叢集資料傳輸設計的向外擴展網路，打造機架級併發能力。

值得注意的是，產業分析普遍預期，下一代GPU會導入光互連技術來突破頻寬瓶頸，AMD的技術路線圖也朝這方向走，正式宣告：AI基礎設施已經不是一顆晶片的問題，而是整座機櫃、甚至整個資料中心的系統工程。

開放陣營挑戰封閉生態，誰會笑到最後？

這場競爭的本質，其實是兩種技術路線的對決：

  • NVIDIA：用NVLink等自家互連技術打造緊密整合的生態系，追求極致單核性能跟軟硬體協同優化
  • AMD：聯合產業推動UALink、Ultra Ethernet等開放標準，追求機架級併發能力跟生態系擴張

在性價比方面，AMD表示，在特定高併發測試場景下，Helios/MI455X系統的「每美元token產出」較競爭對手NVIDIA Rubin NVL72約高30%。對企業IT部門來說，這是打破市場定價權的實質誘因。歷史也告訴我們：當年Wintel開放架構能擊敗IBM封閉系統，靠的正是降低成本門檻跟擴大合作夥伴圈。

數兆美元市場的長期布局

AMD用行動說明：它押注的不只是晶片，而是一個有研究機構預估到2030年可能達到數兆美元規模的AI跟高效能運算生態系。從第六代EPYC Venice CPU的效能提升，到GPU技術路線圖的持續演進，再到光通訊跟開放標準的全面動員，這是一場「yotta-scale運算」的長期戰爭。

當業界還在爭論「Agentic AI究竟是被單任務完成時間卡住,還是被單機架能跑多少併發任務卡住」的時候，AMD已經用Helios給出了自己的答案：未來的AI競爭，不只是誰跑得最快，更在於誰能讓整個系統的資料流動得最順暢。

說到底，這跟半導體產業的邏輯一樣：光有好的製程技術不夠，你得確保從投片到封裝的每個環節都不掉鏈子，整條生產線才會穩定輸出。AMD這次的策略，就是把這套思維搬到AI基礎設施上——不追求單點極致，而是讓整個系統在高負載下還能穩穩跑。