Skala ambicji jest najlepiej widoczna w przykładowym scenariuszu AMD. Firma szacuje, że około dwa racki z 2030 roku mogłyby zapewnić możliwości obliczeniowe odpowiadające 570 rackom opartym na układach Instinct MI300X z 2024 roku. Jeżeli porównanie dotyczy tego samego zadania i rzeczywiście przekłada się na 20-krotnie niższe zużycie energii na jednostkę pracy, oznaczałoby to około 95-procentową redukcję poboru energii elektrycznej.

Nie można jednak automatycznie uznać, że redukcja emisji będzie identyczna. Intensywność emisyjna zależy również od miksu energetycznego — prąd z sieci zasilanej głównie źródłami niskoemisyjnymi daje inny efekt klimatyczny niż energia pochodząca w dużej mierze z paliw kopalnych. Dostępne materiały nie pozwalają niezależnie potwierdzić precyzyjnego wskaźnika redukcji emisji, takiego jak 28×.

Dlaczego liczy się cały rack, a nie tylko procesor lub GPU?

Wcześniejszy program AMD, nazwany 30×25, dotyczył efektywności na poziomie pojedynczego węzła obliczeniowego z procesorami i akceleratorami. Firma podała, że przekroczyła ten cel, osiągając około 38-krotną poprawę efektywności w latach 2020–2025, co miało odpowiadać 97-procentowemu zmniejszeniu zużycia energii przy tej samej wydajności.

Nowszy cel obejmuje znacznie większy fragment infrastruktury: akceleratory, procesory, pamięć, sieć, zasilanie, chłodzenie oraz wykorzystanie sprzętu przez oprogramowanie. To istotne, ponieważ sama liczba FLOPS-ów — teoretycznych operacji zmiennoprzecinkowych na sekundę — nie mówi jeszcze, ile energii potrzeba do ukończenia konkretnego treningu lub obsłużenia określonej liczby zapytań.

Na poprawę wyniku mogą składać się między innymi:

• bardziej wydajne architektury obliczeniowe i niższe precyzje obliczeń, które zwiększają liczbę użytecznych operacji na wat;
• większa i szybsza pamięć HBM, ograniczająca wąskie gardła oraz koszt przesyłania danych;
• szybsze połączenia wewnątrz racka i między rackami, zmniejszające czas oczekiwania na komunikację;
• optymalizacje oprogramowania, w tym jąder obliczeniowych, harmonogramowania, równoległości modeli i wykorzystania akceleratorów;
• współprojektowanie sprzętu i oprogramowania, dzięki któremu poszczególne elementy mogą działać jako jeden system.

Helios: próba konkurowania na poziomie całej szafy

Przykładem podejścia rack-scale jest AMD Helios. Konfiguracja obejmuje 72 akceleratory AMD Instinct MI455X, procesory serwerowe EPYC „Venice” oraz układy sieciowe Pensando. AMD podaje dla jednego racka do 1,4 eksaflopa obliczeń FP8, 31 TB pamięci HBM4, 260 TB/s przepustowości połączeń scale-up i 43 TB/s przepustowości scale-out.

AMD poinformowało w lipcu 2026 roku, że Helios znajduje się w pełnej produkcji. Pierwsze wysyłki miały rozpocząć się pod koniec trzeciego kwartału 2026 roku, a szersze zwiększanie skali dostaw zaplanowano później. Dostępne źródła nie potwierdzają jednak konkretnego kamienia milowego produkcji w 2027 roku, dlatego określenie „harmonogram 2026–2027” należy traktować jako oczekiwanie dotyczące wdrażania, a nie dokładnie potwierdzony plan.

To także zmiana w pozycjonowaniu AMD. Firma nie chce konkurować z Nvidią wyłącznie pojedynczymi procesorami graficznymi, lecz oferować zintegrowaną infrastrukturę całej szafy. W porównaniu z Nvidia Vera Rubin NVL72 AMD deklaruje dla Heliosa do 15% wyższą szczytową wydajność FP4, o 50% większą pojemność HBM oraz o 50% większą przepustowość scale-out. Są to twierdzenia producenta, a nie wyniki niezależnego testu.

Rosnący rynek i ostrożność wobec dodatkowych tez

Ogłoszenie pojawiło się w czasie gwałtownego wzrostu działalności AMD w centrach danych. Według przywoływanych raportów przychody tego segmentu w drugim kwartale 2026 roku wyniosły około 6,7 mld dolarów, co oznaczało wzrost o 107% rok do roku. Wzrost obejmował zarówno procesory EPYC, jak i akceleratory Instinct, dlatego nie należy utożsamiać całej tej kwoty wyłącznie ze sprzedażą układów AI.

W materiałach dostępnych dla tego opracowania brakuje natomiast wystarczających, wiarygodnych danych do opisania skali strategii finansowania Nvidii lub przychodów Google’a ze sprzedaży systemów TPU. Są to ważne elementy konkurencji w infrastrukturze AI, ale bez dodatkowo potwierdzonych źródeł nie powinny być przedstawiane jako ustalone fakty.

Najważniejsze zastrzeżenie dotyczy więc nie samego kierunku zmian, lecz sposobu ich mierzenia. AMD pokazuje imponujący postęp w wydajności na wat, ale o realnych oszczędnościach dla operatorów centrów danych zdecydują także obciążenie, chłodzenie, wykorzystanie sprzętu, dostępność energii oraz to, ile pracy faktycznie wykona system, a nie tylko jego deklarowana moc szczytowa.

Skala ambicji jest najlepiej widoczna w przykładowym scenariuszu AMD. Firma szacuje, że około dwa racki z 2030 roku mogłyby zapewnić możliwości obliczeniowe odpowiadające 570 rackom opartym na układach Instinct MI300X z 2024 roku. Jeżeli porównanie dotyczy tego samego zadania i rzeczywiście przekłada się na 20-krotnie niższe zużycie energii na jednostkę pracy, oznaczałoby to około 95-procentową redukcję poboru energii elektrycznej.

Nie można jednak automatycznie uznać, że redukcja emisji będzie identyczna. Intensywność emisyjna zależy również od miksu energetycznego — prąd z sieci zasilanej głównie źródłami niskoemisyjnymi daje inny efekt klimatyczny niż energia pochodząca w dużej mierze z paliw kopalnych. Dostępne materiały nie pozwalają niezależnie potwierdzić precyzyjnego wskaźnika redukcji emisji, takiego jak 28×.

Dlaczego liczy się cały rack, a nie tylko procesor lub GPU?

Wcześniejszy program AMD, nazwany 30×25, dotyczył efektywności na poziomie pojedynczego węzła obliczeniowego z procesorami i akceleratorami. Firma podała, że przekroczyła ten cel, osiągając około 38-krotną poprawę efektywności w latach 2020–2025, co miało odpowiadać 97-procentowemu zmniejszeniu zużycia energii przy tej samej wydajności.

Nowszy cel obejmuje znacznie większy fragment infrastruktury: akceleratory, procesory, pamięć, sieć, zasilanie, chłodzenie oraz wykorzystanie sprzętu przez oprogramowanie. To istotne, ponieważ sama liczba FLOPS-ów — teoretycznych operacji zmiennoprzecinkowych na sekundę — nie mówi jeszcze, ile energii potrzeba do ukończenia konkretnego treningu lub obsłużenia określonej liczby zapytań.

Na poprawę wyniku mogą składać się między innymi:

• bardziej wydajne architektury obliczeniowe i niższe precyzje obliczeń, które zwiększają liczbę użytecznych operacji na wat;
• większa i szybsza pamięć HBM, ograniczająca wąskie gardła oraz koszt przesyłania danych;
• szybsze połączenia wewnątrz racka i między rackami, zmniejszające czas oczekiwania na komunikację;
• optymalizacje oprogramowania, w tym jąder obliczeniowych, harmonogramowania, równoległości modeli i wykorzystania akceleratorów;
• współprojektowanie sprzętu i oprogramowania, dzięki któremu poszczególne elementy mogą działać jako jeden system.

Helios: próba konkurowania na poziomie całej szafy

Przykładem podejścia rack-scale jest AMD Helios. Konfiguracja obejmuje 72 akceleratory AMD Instinct MI455X, procesory serwerowe EPYC „Venice” oraz układy sieciowe Pensando. AMD podaje dla jednego racka do 1,4 eksaflopa obliczeń FP8, 31 TB pamięci HBM4, 260 TB/s przepustowości połączeń scale-up i 43 TB/s przepustowości scale-out.

AMD poinformowało w lipcu 2026 roku, że Helios znajduje się w pełnej produkcji. Pierwsze wysyłki miały rozpocząć się pod koniec trzeciego kwartału 2026 roku, a szersze zwiększanie skali dostaw zaplanowano później. Dostępne źródła nie potwierdzają jednak konkretnego kamienia milowego produkcji w 2027 roku, dlatego określenie „harmonogram 2026–2027” należy traktować jako oczekiwanie dotyczące wdrażania, a nie dokładnie potwierdzony plan.

To także zmiana w pozycjonowaniu AMD. Firma nie chce konkurować z Nvidią wyłącznie pojedynczymi procesorami graficznymi, lecz oferować zintegrowaną infrastrukturę całej szafy. W porównaniu z Nvidia Vera Rubin NVL72 AMD deklaruje dla Heliosa do 15% wyższą szczytową wydajność FP4, o 50% większą pojemność HBM oraz o 50% większą przepustowość scale-out. Są to twierdzenia producenta, a nie wyniki niezależnego testu.

Rosnący rynek i ostrożność wobec dodatkowych tez

Ogłoszenie pojawiło się w czasie gwałtownego wzrostu działalności AMD w centrach danych. Według przywoływanych raportów przychody tego segmentu w drugim kwartale 2026 roku wyniosły około 6,7 mld dolarów, co oznaczało wzrost o 107% rok do roku. Wzrost obejmował zarówno procesory EPYC, jak i akceleratory Instinct, dlatego nie należy utożsamiać całej tej kwoty wyłącznie ze sprzedażą układów AI.

W materiałach dostępnych dla tego opracowania brakuje natomiast wystarczających, wiarygodnych danych do opisania skali strategii finansowania Nvidii lub przychodów Google’a ze sprzedaży systemów TPU. Są to ważne elementy konkurencji w infrastrukturze AI, ale bez dodatkowo potwierdzonych źródeł nie powinny być przedstawiane jako ustalone fakty.

Najważniejsze zastrzeżenie dotyczy więc nie samego kierunku zmian, lecz sposobu ich mierzenia. AMD pokazuje imponujący postęp w wydajności na wat, ale o realnych oszczędnościach dla operatorów centrów danych zdecydują także obciążenie, chłodzenie, wykorzystanie sprzętu, dostępność energii oraz to, ile pracy faktycznie wykona system, a nie tylko jego deklarowana moc szczytowa.