Dois mundos em uma única keynote. Em 24 de julho, a AMD Advancing AI 2026 começou sem teatros — a CEO Lisa Su entrou no palco e soltou um único veredito: “Em 2026, cerca de 60% do poder computacional de IA do mundo será gasto em inferência.”
Essa frase definiu a tese da keynote. A AMD não está competindo com a NVIDIA em benchmarks de chip único; está redefinindo como a infraestrutura de IA é medida. A NVIDIA tem a Vera Rubin NVL72 — a AMD responde com a Helios. A NVIDIA tem CUDA — a AMD responde com ROCm.AI. A NVIDIA constrói tudo internamente — a AMD escolhe a arquitetura aberta. Este não foi um lançamento de chip. Foi um manifesto sobre como a infraestrutura de IA deve ser construída.
Helios e MI455X: o Rack É o Sistema
A peça central é a Helios, uma plataforma de IA em escala de rack cujo significado estratégico cabe em uma frase: o rack se torna o novo sistema. A Helios conecta 72 GPUs MI455X por meio de uma malha scale-up UALoE (Unified All-to-All Lossless Ethernet) em um único domínio de computação unificado. Em vez de nove servidores de 8 GPUs emendados por redes multi-hop, as 72 GPUs vivem em um único rack — interconexão de um salto, largura de banda uniforme.
A arquitetura ataca diretamente o gargalo atual da inferência. Os modelos continuam crescendo, os contextos continuam se alongando, os caches KV devoram memória — e o design de memória independente dos servidores tradicionais significa que latência de comunicação, restrições de localidade de dados e risco de congestionamento pioram exponencialmente com a escala. A resposta da Helios: projetar o rack inteiro como um único computador muito grande.
Especificações técnicas da MI455X
-
Memória: 432GB HBM4 — até 1,5× a MI355X.
-
Largura de banda de memória: 23,3 TB/s — até 2,9× a MI355X.
-
Computação: 20 PFLOPS MXFP8 / 40 PFLOPS MXFP4 — throughput em baixa precisão até 4×.
-
Total do sistema: ~31TB de HBM4 nas 72 GPUs do rack.
-
Largura de banda scale-up agregada: 260 TB/s.
Números da própria AMD: na inferência DeepSeek V4 Flash FP4, o throughput de tokens da MI455X chega a até 34× o da MI355X, com custo por token 18× menor. Ressalva incluída — esses números vêm de hardware pré-produção e configurações específicas; a verificação em produção ainda está pendente.
Uma malha de rede de três camadas
-
Salina DPU: descarrega rede front-end, armazenamento e segurança para que as CPUs parem de queimar ciclos com tarefas de infraestrutura.
-
Malha UALoE: a interconexão scale-up dentro do rack para todas as 72 GPUs, entregando 260TB/s agregados.
-
Vulcano AI NIC: 800G mais PCIe 6.0, até 2,4Tbps de largura de banda scale-out por GPU para clusters multi-rack.
Juntas, as três formam um caminho de dados completo da entrada do servidor à malha do rack e aos clusters entre racks. A Pensando — empresa de silício de redes adquirida pela AMD em 2024 — deixou de ser uma unidade de negócios isolada para se tornar o núcleo da plataforma de IA.
Venice EPYC: as CPUs Voltam ao Centro do Palco na Era dos Agentes
A percepção mais aguçada e disfarçada de Su: o incremento computacional dos agentes não recai todo sobre as GPUs. Uma tarefa de agente executa código, consulta bancos de dados, chama ferramentas e coordena passos paralelos — boa parte roda em CPUs. A AMD, assim, lançou a série EPYC 9006 de sexta geração “Venice”: até 256 núcleos e 512 threads em Zen 6 com PCIe 6.0, abrangendo quatro linhas de produtos para computação geral, empresas, HPC e nós hospedeiros de GPUs.
Um número se destaca: a EPYC agora detém 46% do mercado de CPUs para servidores, e a AMD afirma que uma empresa da Forbes Global 2000 migra para a AMD toda semana. Quando os agentes escalarem de milhões para bilhões, o mercado de CPUs para servidores será redefinido.
ROCm.AI: Resolvendo Programação de GPU Com IA
A pilha de software sempre foi o flanco fraco da AMD em IA. O fosso da CUDA não é apenas desempenho — é o hábito do ecossistema. A ROCm.AI existe para fechar essa lacuna: não é um novo framework de baixo nível, mas uma camada assistida por IA sobre a pilha ROCm existente — geração de código para GPU, auxílio à migração de CUDA para HIP, profiling de gargalos e sugestões de otimização — em cooperação com ferramentas mainstream como Cursor, Claude, Codex e Gemini. A AMD também apresentou a FlyDSL, uma linguagem específica de domínio no estilo Python que permite aos desenvolvedores Python gastar menos tempo com threads, memória e agendamento e mais tempo no algoritmo em si.
A ROCm.AI está prevista para agosto de 2026. Enquanto isso, mais de 3 milhões de modelos do Hugging Face já rodam na AMD nativamente, os dez maiores projetos de IA open-source suportam AMD nativamente, e as contribuições da comunidade cresceram mais de 10×. Mas a competitividade em software, no fim, se decide pelo tempo de adaptação de modelos, desempenho de kernels e estabilidade em produção — as promessas que a ROCm.AI precisa continuar cumprindo.
Local e Edge: Da Nuvem para Todo Lugar
-
Ryzen AI 400 / AI MAX: inferência local para modelos de aproximadamente 24B e maiores parâmetros, respectivamente.
-
Gorgon Halo: plataforma de próxima geração com memória unificada elevada a 192GB, suportando modelos de ~300B de parâmetros.
-
Plataforma de robótica Kria AI: silício → módulos de produção → plataforma de desenvolvimento → software → ecossistema, todas as cinco camadas no lugar.
Vale a pena acompanhar: a solução conjunta AMD–Cisco combina Ryzen AI Halo, o motor de inferência Lemonade e sandboxes de agentes com as políticas de segurança de rede e observabilidade da Cisco — uma pilha completa de governança local de agentes para empresas. É uma pista de que a “última milha” da infraestrutura de IA corporativa está mudando de apenas nuvem para cooperação nuvem-edge.
Leitura Estratégica: Ataque e Defesa da AMD
1. Inferência é o principal campo de batalha
À medida que o treinamento satura — ou pelo menos atinge retornos decrescentes — a inferência é o custo operacional contínuo. A AMD respondeu com “custo por token”, a métrica que importa, em vez de competir em picos de FLOPS de treinamento.
2. Competição de sistemas substitui competição de chips
O critério do mercado para infraestrutura de IA está mudando: do desempenho de GPU única para throughput por rack, custo por token, utilização de cluster e tolerância a falhas. A Helios é comparada à jogada de sistema inteira da NVIDIA — não contra uma H100 ou uma B200.
3. Arquitetura aberta versus integração vertical
A NVIDIA controla cada camada — GPUs, CPUs, interconexão, NICs, DPUs, switches, CUDA. A AMD escolheu a abertura: entrega conjunta com parceiros de silício, servidores, redes, nuvem e software. A abertura compra espaço de customização e poder de barganha ao preço de uma execução mais difícil — validação de compatibilidade e tuning ficam mais complexos a cada participante.
4. Comparada com a Vera Rubin
A modelagem da AMD afirma que a Helios entrega até 30% mais tokens por dólar que a Vera Rubin NVL72 da NVIDIA. Se a produção confirmar esse número, a AMD conquista seu lugar nas listas curtas dos grandes compradores.
O Que Observar a Seguir
O anúncio de hoje foi abrangente, mas o teste real não está nos slides:
-
Quando a ROCm.AI chegar em agosto, observe o custo real de migração e a experiência de primeira execução dos desenvolvedores — é ali que o fosso da CUDA é genuinamente mais fino.
-
O cronograma de produção da Helios e as implantações dos primeiros clientes decidem se a AMD passa de “segunda opção” para “opção confiável.”
-
As interfaces e a arquitetura da MI500 e sucessoras — se a Helios protege o investimento de hardware de longo prazo dos clientes determina se ela evolui de “rack modular” para “plataforma atualizável.”
-
Se a demanda de CPU das cargas de trabalho de agentes explode como Su prevê, validando o posicionamento da Venice EPYC.
A infraestrutura de IA está cruzando de “qual chip é mais rápido” para “qual sistema é mais barato.” A AMD apostou na direção certa na Advancing AI 2026 — mas a estrada da execução apenas começou.
