A meta de 20 vezes até 2030

O próximo objetivo da empresa é a iniciativa “20x2030”: alcançar uma melhoria de 20 vezes na eficiência energética de racks destinados ao treinamento e à inferência de IA, em relação à base de 2024. A AMD diz que essa ambição representa um ritmo quase três vezes superior à tendência de melhoria da indústria observada entre 2018 e 2025.

A escala da promessa fica mais clara na projeção apresentada pela companhia: dois racks AMD de 2030 poderiam fornecer capacidade de IA equivalente à de 570 racks baseados em sistemas de 2024, incluindo configurações com Instinct MI300X.

Se o mesmo trabalho for realizado com 20 vezes menos energia, a redução no consumo de eletricidade durante a operação seria de aproximadamente 95%. Um relatório secundário menciona uma possível redução de 28 vezes na intensidade de carbono, mas esse número não está estabelecido de forma suficiente no material primário disponível. Além disso, a intensidade de carbono depende não apenas da eficiência do hardware, mas também da matriz elétrica usada pelo data center.

Por que a comparação em escala de rack importa

A meta anterior da AMD, chamada 30x25, avaliava a eficiência de nós computacionais — combinações de CPUs e aceleradores. A empresa diz ter superado o objetivo entre 2020 e 2025, chegando a uma melhoria de 38 vezes na eficiência energética em nível de nó, o que equivaleria a 97% menos energia para entregar o mesmo desempenho.

A nova meta amplia o escopo. Em vez de olhar apenas para os chips, a métrica de escala de rack considera aceleradores, processadores, memória, interconexões, rede, utilização do software e custos de energia e resfriamento. Essa abordagem é relevante porque mais FLOPS, isoladamente, não garantem menor consumo por tarefa concluída.

Como a AMD pretende reduzir o consumo

A estratégia depende de vários avanços trabalhando em conjunto:

• Arquitetura de computação: projetos mais eficientes e formatos numéricos de menor precisão, como FP4 e FP8, podem aumentar a quantidade de operações úteis por watt.
• Memória: HBM com maior capacidade e largura de banda reduz gargalos e diminui a necessidade de movimentar dados entre componentes mais distantes.
• Interconexões: redes de alta velocidade para comunicação dentro e entre racks reduzem esperas durante o treinamento distribuído e a inferência.
• Software: otimizações de kernels, escalonamento, paralelismo de modelos e melhor utilização dos aceleradores ajudam a evitar que o hardware permaneça ocioso.
• Projeto conjunto do sistema: CPUs, GPUs, memória, rede, energia e refrigeração são desenvolvidos como uma plataforma integrada, em vez de componentes avaliados isoladamente.

O resultado final depende da energia necessária para concluir um treinamento ou gerar inferências, e não apenas do desempenho máximo anunciado em uma ficha técnica.

Helios é a aposta da AMD para competir no nível do rack

O AMD Helios representa a tentativa da empresa de vender uma infraestrutura integrada, e não somente GPUs ou CPUs individuais. A configuração anunciada reúne:

• 72 aceleradores AMD Instinct MI455X;
• CPUs AMD EPYC da geração “Venice”;
• componentes de rede Pensando;
• até 1,4 exaFLOPS de desempenho em FP8;
• até 2,9 exaFLOPS em FP4;
• 31 TB de memória HBM4;
• 260 TB/s de largura de banda de expansão interna, ou scale-up;
• 43 TB/s de largura de banda de expansão entre racks, ou scale-out.

A AMD compara o Helios ao sistema Vera Rubin NVL72 da Nvidia e afirma que sua solução pode oferecer até 15% mais computação FP4 de pico, 50% mais capacidade de HBM e 50% mais largura de banda de scale-out. Essas são comparações divulgadas pela própria AMD, não resultados de testes independentes.

A empresa informou que o Helios estava em produção plena em julho de 2026, com os primeiros embarques previstos para o fim do terceiro trimestre e uma expansão mais ampla no trimestre seguinte. As fontes disponíveis não confirmam um marco específico de produção em 2027; portanto, uma referência a um cronograma “2026–2027” deve ser entendida como expectativa de implantação, não como calendário verificado.

O avanço ocorre em meio à expansão do negócio de data centers

A ofensiva da AMD acontece enquanto a demanda por infraestrutura para IA impulsiona seu negócio de data centers. A Reuters informou que a empresa esperava forte procura por chips diante da expansão de capacidade dos grandes data centers.

Outros relatos sobre o segundo trimestre de 2026 apontaram receita de US$ 6,7 bilhões no segmento de data centers, alta de 107% em relação ao mesmo período do ano anterior. Esse número inclui CPUs EPYC e aceleradores Instinct, portanto não deve ser tratado como receita exclusivamente de GPUs de IA.

O movimento também intensifica a disputa com a Nvidia. Ao apresentar o Helios como um rack completo, a AMD tenta competir em uma camada em que integração, rede, memória, refrigeração, software e custo por resultado podem ser tão importantes quanto o acelerador individual.

As fontes reunidas, porém, não oferecem evidências suficientes para quantificar ou caracterizar com segurança uma estratégia de financiamento da Nvidia ou a receita de sistemas TPU do Google. Esses fatores fazem parte do cenário competitivo, mas não devem ser apresentados como fatos sem dados específicos e fontes adicionais.

A meta de 20 vezes até 2030

O próximo objetivo da empresa é a iniciativa “20x2030”: alcançar uma melhoria de 20 vezes na eficiência energética de racks destinados ao treinamento e à inferência de IA, em relação à base de 2024. A AMD diz que essa ambição representa um ritmo quase três vezes superior à tendência de melhoria da indústria observada entre 2018 e 2025.

A escala da promessa fica mais clara na projeção apresentada pela companhia: dois racks AMD de 2030 poderiam fornecer capacidade de IA equivalente à de 570 racks baseados em sistemas de 2024, incluindo configurações com Instinct MI300X.

Se o mesmo trabalho for realizado com 20 vezes menos energia, a redução no consumo de eletricidade durante a operação seria de aproximadamente 95%. Um relatório secundário menciona uma possível redução de 28 vezes na intensidade de carbono, mas esse número não está estabelecido de forma suficiente no material primário disponível. Além disso, a intensidade de carbono depende não apenas da eficiência do hardware, mas também da matriz elétrica usada pelo data center.

Por que a comparação em escala de rack importa

A meta anterior da AMD, chamada 30x25, avaliava a eficiência de nós computacionais — combinações de CPUs e aceleradores. A empresa diz ter superado o objetivo entre 2020 e 2025, chegando a uma melhoria de 38 vezes na eficiência energética em nível de nó, o que equivaleria a 97% menos energia para entregar o mesmo desempenho.

A nova meta amplia o escopo. Em vez de olhar apenas para os chips, a métrica de escala de rack considera aceleradores, processadores, memória, interconexões, rede, utilização do software e custos de energia e resfriamento. Essa abordagem é relevante porque mais FLOPS, isoladamente, não garantem menor consumo por tarefa concluída.

Como a AMD pretende reduzir o consumo

A estratégia depende de vários avanços trabalhando em conjunto:

• Arquitetura de computação: projetos mais eficientes e formatos numéricos de menor precisão, como FP4 e FP8, podem aumentar a quantidade de operações úteis por watt.
• Memória: HBM com maior capacidade e largura de banda reduz gargalos e diminui a necessidade de movimentar dados entre componentes mais distantes.
• Interconexões: redes de alta velocidade para comunicação dentro e entre racks reduzem esperas durante o treinamento distribuído e a inferência.
• Software: otimizações de kernels, escalonamento, paralelismo de modelos e melhor utilização dos aceleradores ajudam a evitar que o hardware permaneça ocioso.
• Projeto conjunto do sistema: CPUs, GPUs, memória, rede, energia e refrigeração são desenvolvidos como uma plataforma integrada, em vez de componentes avaliados isoladamente.

O resultado final depende da energia necessária para concluir um treinamento ou gerar inferências, e não apenas do desempenho máximo anunciado em uma ficha técnica.

Helios é a aposta da AMD para competir no nível do rack

O AMD Helios representa a tentativa da empresa de vender uma infraestrutura integrada, e não somente GPUs ou CPUs individuais. A configuração anunciada reúne:

• 72 aceleradores AMD Instinct MI455X;
• CPUs AMD EPYC da geração “Venice”;
• componentes de rede Pensando;
• até 1,4 exaFLOPS de desempenho em FP8;
• até 2,9 exaFLOPS em FP4;
• 31 TB de memória HBM4;
• 260 TB/s de largura de banda de expansão interna, ou scale-up;
• 43 TB/s de largura de banda de expansão entre racks, ou scale-out.

A AMD compara o Helios ao sistema Vera Rubin NVL72 da Nvidia e afirma que sua solução pode oferecer até 15% mais computação FP4 de pico, 50% mais capacidade de HBM e 50% mais largura de banda de scale-out. Essas são comparações divulgadas pela própria AMD, não resultados de testes independentes.

A empresa informou que o Helios estava em produção plena em julho de 2026, com os primeiros embarques previstos para o fim do terceiro trimestre e uma expansão mais ampla no trimestre seguinte. As fontes disponíveis não confirmam um marco específico de produção em 2027; portanto, uma referência a um cronograma “2026–2027” deve ser entendida como expectativa de implantação, não como calendário verificado.

O avanço ocorre em meio à expansão do negócio de data centers

A ofensiva da AMD acontece enquanto a demanda por infraestrutura para IA impulsiona seu negócio de data centers. A Reuters informou que a empresa esperava forte procura por chips diante da expansão de capacidade dos grandes data centers.

Outros relatos sobre o segundo trimestre de 2026 apontaram receita de US$ 6,7 bilhões no segmento de data centers, alta de 107% em relação ao mesmo período do ano anterior. Esse número inclui CPUs EPYC e aceleradores Instinct, portanto não deve ser tratado como receita exclusivamente de GPUs de IA.

O movimento também intensifica a disputa com a Nvidia. Ao apresentar o Helios como um rack completo, a AMD tenta competir em uma camada em que integração, rede, memória, refrigeração, software e custo por resultado podem ser tão importantes quanto o acelerador individual.

As fontes reunidas, porém, não oferecem evidências suficientes para quantificar ou caracterizar com segurança uma estratégia de financiamento da Nvidia ou a receita de sistemas TPU do Google. Esses fatores fazem parte do cenário competitivo, mas não devem ser apresentados como fatos sem dados específicos e fontes adicionais.