72颗MI455 GPU、19.6Tbps带宽：AMD Helios机架将正式落地微软Azure

Azure 的 AI 推理服务将迎来怎样的算力底座？微软今天给出了答案：AMD 的 Helios 机架设计。这家云和操作系统巨头宣布，将采用这款针对 AI 优化的参考架构，来为部分 Azure 服务提供动力，并同步推出三个全新的虚拟机实例系列。

Helios 并不是一件具体的成品，而是一份参考设计蓝图，AMD 的制造合作伙伴可以依据它来建造数据中心机架。每个机架系统内都密集集成了 72 颗 AMD 尚未正式发布的 Instinct MI455 GPU。有关这颗 GPU 的更多细节，AMD 目前只透露了有限的信息：它将配备 432GB 的 HBM4 内存，拥有每秒 19.6 太比特的内存带宽，并采用名为 CDNA 5 的全新核心架构。这些参数指向的是一颗针对大规模 AI 工作负载进行深度定制的计算芯片——高容量、高带宽的内存可以更高效地支撑大模型推理和训练中庞大的数据处理需求，而 CDNA 5 架构则意味着在这个算力平台上，数据吞吐与并行计算的方式将有显著变化。

AMD 并没有让 GPU 孤军奋战。Helios 中同时部署了两类辅助芯片——Pensando 数据处理单元和 Epyc 中央处理器。Pensando DPU 的角色是专门承接基础设施管理类任务，比如协调存储设备、加密网络流量等。AMD 指出，相对于通用 CPU，这些 DPU 在运行此类负载时效率更高。直接的好处是降低了运营成本，而更关键的是，将原本被占用的 CPU 算力释放出来，让它可以回归到客户应用本身。

负责通用计算任务的 CPU 则来自 AMD 即将面世的 Venice 数据中心处理器系列。今年 5 月，AMD 已开始利用台积电的 2 纳米工艺来提升这些芯片的产量。不仅如此，Venice 系列还引入了台积电的另一项技术 SoIC，它允许把多个小芯片垂直堆叠在一起。这种三维集成能带来更高的晶体管密度和更低的延迟，意味着在相同物理空间内，可以承载更强的逻辑处理能力，这对数据中心中寸土寸金的机架空间而言尤为重要。

这些 CPU、GPU 和 DPU 在 Helios 中被组织进一种称为托盘的模块里。与标准机架服务器相比，这里的托盘被设计得更宽，以便容纳更多硬件。高密度部署随之而来的散热挑战，由液冷方案来解决——冷却液直接带走芯片产生的热量，比传统风冷能更稳定地维持全速运转。数据交换方面，机架内部使用了一种名为 UALoE 的开源网络协议，它在多芯片互联时提供统一的通信规则，减少了专有协议的绑定成本。

AMD 首席执行官苏姿丰在声明中表示：“AMD 和微软多年来一直在共同构建高性能基础设施，今天，我们正在将这种合作关系扩展到 Azure 上 AMD AI 解决方案的全栈。”这席话明确把这次合作定义成一次从硬件到云服务的全面对接，而不只是简单的部件供应。Helios 机架预计将在今年晚些时候开始向微软及其他客户发货。

对微软而言，Helios 进入数据中心后，第一个落脚点便是一个名为 ND MI455X v7 系列的全新 Azure 实例家族。根据微软的描述，这些虚拟机专门针对推理工作负载进行了优化，尤其是那些驱动 AI 智能体、搜索工具等应用场景的计算任务。这意味着，当企业基于 Azure 部署需要实时响应的生成式 AI 服务时，可以直接调用这批由 72 颗 MI455 GPU 支撑的虚拟机资源。

与 ND MI455X v7 一同亮相的还有另外两个实例系列，同样运行在 AMD 的芯片之上，但分工截然不同。HDv2 系列瞄准的是 AI 应用中那些由 CPU 处理的任务。这可以包括为 AI 智能体准备数据集、清洗和转换结构以及执行特征工程等预处理流程。每个 HDv2 实例最多可配置 500 个 Epyc Vulcan 核心、4TB 内存以及 32TB 闪存存储，这样的配置几乎是为内存带宽和本地 I/O 需求极高的 ETL 类工作负载量身打造。与传统做法中将预处理任务也扔给 GPU 相比，用专门的 CPU 实例去承接这些环节，既释放了昂贵的加速器资源，也让数据处理流水线更容易横向扩展。

第三个新成员是 HXv2 系列。它是对现有 Azure 实例系列的改进版本，过去主要针对电子设计自动化——也就是工程师用来设计芯片的专业程序——进行过调优。现在，微软表示，HXv2 支持的负载范围已经进一步拓宽，覆盖了包括科学模拟在内的更多任务。这意味着那些依赖 EDA 工具的半导体公司，以及需要运行计算流体力学、分子动力学模拟的研究机构，都可以在 Azure 上找到更适配的 AMD 计算环境。

回顾整个发布，AMD 通过 Helios 提供了一套包含 GPU、DPU、CPU 乃至模块化物理设计和开放网络的完整机架方案，而微软则用三个不同色彩的实例系列把这种机架的计算力拆解成了三种可服务的云上产品：一个面向大模型推理，一个面向大数据预处理，一个面向传统高性能计算和芯片设计。这种分工并不会被简单地理解为只停留在硬件参数表的更新上，它背后反映出的是一条越来越清晰的路线——计算基础设施的竞争正从单颗芯片的性能比拼，转变为机架级系统效率的全面较量。当 GPU 厂商开始统一规定 DPU 和 CPU 的搭配，甚至把液冷和托盘宽度都写进参考设计时，云厂商拿到的就不再是一批散装零件，而是一个已经经过性能和散热优化验证的完整交付单元。

从这个角度看，Helios 对于 Azure 的意义，并不仅仅是引入 72 颗新 GPU 这般简单。它更接近于 AMD 把自身对“AI 数据中心应该如何搭建”的完整理解，固化为一套可以快速复制的蓝图，交到微软手中。而微软则通过三个实例系列证明了：同一套硬件骨架，可以通过软件定义的方式，同时支撑推理、数据处理和传统仿真三种不同脾性的负载。这个过程里，没有什么是刚刚发生的颠覆，但正是一连串扎实的规格选择——432GB HBM4 内存、19.6Tbps 带宽、2 纳米 Venice CPU、SoIC 堆叠、Pensando 卸载、UALoE 协议——共同拼出了一个更紧凑、也更务实的下一代云基础设施拼图。