AMDs 220 milliarder dollars satsing på server-CPU-er: Slik omformer Helios-rack og agentisk AI veikartet mot 2030

Tesene bak denne dramatiske oppgraderingen er todelt: AI-revolusjonen beveger seg fra trening til inferens, og fremtidens arbeidsbelastninger – autonome, flertrinns agentiske AI-systemer – krever langt mer CPU-kraft enn bransjen tidligere forventet .

To strukturelle endringer driver etterspørselen

Agentiske AI-arbeidsbelastninger forventes å utgjøre omtrent to tredjedeler av server-CPU-markedet på 220 milliarder dollar innen 2030 . Disse systemene orkestrerer komplekse oppgaver autonomt og er avhengige av CPU-er for datahåndtering og koordinering sammen med GPU-basert modellkjøring .

Inferens har blitt den dominerende bruken av AI-beregningskapasitet. I 2026 går for første gang omtrent 60 prosent av den globale AI-beregningskapasiteten til inferens, noe som overgår trening . Dette skiftet favoriserer CPU-tunge arkitekturer fordi skalering av modeller krever et stort antall verts-CPU-er, inferensservere og omkringliggende infrastruktur .

AMD ser også det bredere markedet for høyytelses- og adaptiv databehandling nå 2 billioner dollar innen 2030, opp fra 365 milliarder dollar i 2025 . Markedet for silisium i datasentre alene forventes å overstige 1 billion dollar .

Helios og Venice: Maskinvarearsenalet

Helios AI Rack-Scale System

Helios ble annonsert på Advancing AI 2026 23. juli 2026 som AMDs første fullt integrerte, væskekjølte rack-skala AI-system, og kombinerer 72 Instinct MI455X-GPU-er, EPYC Venice-CPU-er og Pensando-nettverksutstyr . Det er i full produksjon per juli 2026, med leveranser til partnere som starter ved slutten av tredje kvartal 2026 (september 2026) og volumsatsing i fjerde kvartal .

Racken leverer opptil 2,9 exaflops FP4-inferens-gjennomstrømming og 1,4 exaflops FP8-trenings-gjennomstrømming, med 260 TB/s skala-opp sammenkoblingsbåndbredde . Prisen for en fullt utstyrt Helios-rack er estimert til omtrent 5,25 millioner dollar .

6. generasjons EPYC "Venice" Server-CPU

Bygget på TSMCs N2-prosess (2nm) har Venice opptil 256 kjerner per socket ved å pakke 32 Zen 6c-kjerner på hver av 8 brikkett-dies . Produksjonsutrullingen startet ved TSMC Taiwan i mai 2026, med fremtidig produksjon planlagt ved TSMCs anlegg i Arizona (men volum der forventes ikke før 2028) .

Venice blir for tiden samplet til kunder og vil bli levert i Helios-rack samt i frittstående server-distribusjoner senere i 2026 og tidlig i 2027 . EPYC 9006 SP7-varianten, bygget for høyhastighets kjøring av AI-agenter, er planlagt levert i fjerde kvartal 2026 .

Kundeforpliktelser: OpenAI, Meta og Anthropic

AMD har sikret seg betydelige forpliktelser fra de tre ledende AI-selskapene, totalt omtrent 14 gigawatt datakraft :

Andre kunder inkluderer Microsoft (utplasserer Helios-rack i Azure-datasentre) og Oracle (bygger en Helios-superklynge med 50 000 GPU-er) .

ROCm vs. CUDA: Hvor programvaregapet står i 2026

AMDs ROCm-programvare har gjort betydelige fremskritt, men ligger fortsatt etter Nvidias CUDA på sentrale områder:

Hva som fungerer:

• ROCm 7.x støtter nå offisielt PyTorch 2.9, vLLM og llama.cpp på Instinct og utvalgte forbruker-GPU-er .
• AMD lanserte ROCm.ai for AI-assistert GPU-utvikling på Advancing AI 2026 .
• HIP (Heterogeneous-Compute Interface for Portability) kan oversette det meste av CUDA-kode til å kjøre på AMD-maskinvare med minimale endringer .
• PyTorch og JAX tilbyr nå native ROCm-støtte .

Gjenværende hull:

• Ytelsesgap: ROCm er omtrent 10–25 % tregere enn CUDA for inferens-arbeidsbelastning på sammenlignbar maskinvare, og gapet øker for trening og finjustering .
• Økosystemmodenhet: CUDA er fortsatt standard bakende for de fleste rammeverk, veiledninger og feilsøking. ROCm har fortsatt ujevnheter med ikke-standard operasjoner, eldre GPU-generasjoner og enkelte inferens-motorer .
• Forskning i frontlinjen: CUDA-kode slippes ukentlig; ROCm-støtte følger uker til måneder senere .
• Bare Linux: ROCm er fortsatt primært Linux-basert med begrenset Windows-støtte .

Konklusjon: ROCm er nå produksjonsdyktig for inferens og konkurransedyktig på pris per token (angivelig 25–40 % billigere enn Nvidia for inferens-arbeidsbelastning på tilsvarende maskinvare), men CUDA har et betydelig forsprang på verktøy, treningsarbeidsflyter og bredde i rammeverkstøtte .

Rekordresultater for Q2 2026 bekrefter strategien

AMDs resultater for andre kvartal 2026 støtter i stor grad selskapets strategiske retning:

Ledelsen bemerket i resultatpresentasjonen at "inferens og agentisk AI øker behovet for server-CPU-beregningskraft" som den strukturelle driveren bak det oppjusterte TAM . AMD forventer at datasenter-AI-omsetningen når "titalls milliarder dollar" innen 2027, med server-CPU-omsetning alene anslått å vokse mer enn 70 % i 2027 .

Viktige risikoer: Marginer og TSMC-avhengighet

Bruttomarginbane: Etter hvert som AMD beveger seg fra å selge diskrete brikker til integrerte rack-skala-systemer som Helios – som samler GPU-er, CPU-er og nettverksutstyr i én pakke – kan de blandede marginene møte motvind sammenlignet med rene brikkesalg. Markedet følger nøye med på om AMD kan opprettholde marginvekst når selskapet i økende grad blir en systemleverandør, i likhet med Nvidia.

TSMC-forsyningskjedeavhengighet: AMD er avhengig av TSMC for både ledende CPU-produksjon (N2) og GPU-produksjon (N3/N4) . Venice rulles ut ved TSMC Taiwan, og selv om AMD har planlagt fremtidig produksjon ved TSMCs anlegg i Arizona, er ikke denne kapasiteten tilgjengelig for ledende noder ennå . Geopolitiske spenninger rundt Taiwan og konkurranse om TSMC-produksjonskapasitet fra Apple, Nvidia og andre, forblir vesentlige kortsiktige risikoer, spesielt ettersom AMD planlegger å levere Helios i gigawattskala fra slutten av 2026.

Oppsummering

AMD utfører en tydelig, ambisiøs strategi som baserer seg på et vendepunkt i AI-arbeidsbelastninger – fra trening til inferens, fra isolerte modeller til autonome agenter. Selskapets maskinvareplan (Helios og Venice) er i produksjon, dets største kunder er forpliktet i enestående skala, og dets økonomiske resultater gjenspeiler skiftet. De sentrale åpne spørsmålene er om ROCm kan tette det gjenværende gapet til CUDA raskt nok, og om forsyningskjederestriksjoner vil tillate AMD å møte den aggressive utrullingsplanen.