Le calcul ne suffit plus dans l’IA à grande échelle : le vrai goulet d’étranglement est désormais le réseau. C’est précisément là qu’AMD veut verrouiller Helios, son premier design rack-scale, avec une pile complète allant du DPU frontal à l’interconnexion multi-racks.
Pour remettre ce design dans son ensemble, on peut aussi revenir sur la plateforme rack-scale ouverte d’AMD, qui éclaire le choix des standards ouverts derrière Helios.
AMD Helios ajoute un troisième pilier à sa stratégie IA
À l’occasion d’Advancing AI 2026, AMD a détaillé la brique réseau de Helios. Le constructeur explique avoir dû résoudre les problèmes classiques de ce type d’architecture : relier un grand nombre de GPU, la mémoire associée et les flux de données, à la fois en scale-up dans un rack et en scale-out entre plusieurs racks d’un datacenter.
Le contexte est connu, mais AMD le rappelle pour justifier le dimensionnement de sa solution : on est passé du Transformer à 65 millions de paramètres en 2017 à des systèmes de classe GPT-4, puis à des modèles agentiques et de raisonnement dépassant désormais les 10 trillions de paramètres. À ce niveau, il faut connecter des dizaines de GPU, leur VRAM à très haut débit et une interconnexion suffisamment rapide pour répartir les poids du modèle sans pénalité de latence.
Le choix d’AMD est clair : revenir à l’Ethernet comme socle standard du réseau IA, plutôt qu’à des interconnexions propriétaires. La pile se découpe en trois étages : le DPU Pensando Salina de troisième génération en frontal, un fabric UALink over Ethernet ou UALoE de première génération à l’intérieur du rack, puis la carte réseau Vulcano AI NIC de deuxième génération pour le scale-out.
Salina en frontal, Vulcano pour sortir du rack
Le Pensando Salina prend en charge le réseau frontal à 400G, avec accélération concurrente au débit ligne pour les fonctions de sécurité, de réseau et de stockage. AMD avance un niveau de performances doublé par rapport au DPU Elba de génération précédente, et présente Salina comme le seul DPU tiers déployé chez plusieurs hyperscalers, en citant explicitement Oracle et Microsoft.
AMD ajoute plusieurs comparaisons plus offensives. Salina offrirait 1,4 fois les performances du NVIDIA BlueField 3 en passerelle réseau, tout en prenant en charge plus de 1 million de contexte étendu côté stockage avec KV cache afin d’augmenter la densité d’agents. Sur des charges Microsoft, l’offload des connexions accélérées aurait permis d’économiser 22 cœurs CPU, réalloués à d’autres tâches.
Pour le scale-out entre racks, AMD passe à Vulcano, une AI NIC de deuxième génération entièrement programmable, opérant à 800G. Le constructeur annonce 2,4 Tb/s par GPU via trois AI NIC par GPU, sur PCIe Gen 6, avec prise en charge de UAL et UEC.
72 GPU, 31 To de HBM4 et 260 TB/s dans un seul domaine
La partie la plus structurante de Helios reste son interconnexion interne. AMD utilise UALoE pour relier 72 GPU dans un seul domaine scale-up, avec 260 TB/s de bande passante cumulée et un pool mémoire unifié de 31 To de HBM4.
Dans la présentation d’AMD, cette topologie transforme le rack entier en un très grand GPU unique. L’objectif est double : simplifier le déploiement des modèles pour l’inférence et permettre, en parallèle, l’interconnexion de plusieurs racks pour l’entraînement.
AMD met en avant une approche ouverte basée sur Ethernet, un fabric présenté comme résilient, ainsi que des fonctions de Confidential Computing avec chiffrement au débit ligne. L’orchestration repose sur Helios management software et sur AMD Fabric Manager, avec des virtual PODs définis par logiciel, de l’autatisation zero-touch et une observabilité à l’échelle du fabric pour isoler les domaines de panne. En clair, une partie de l’infrastructure peut tomber sans immobiliser l’ensemble.
Côté performances réseau hors rack, AMD affirme que son approche maison fournit 50 % de bande passante scale-out supplémentaire face aux solutions concurrentes, ainsi qu’un gain d’environ 13 % sur l’entraînement de LLM grâce à un routage de paquets plus intelligent pour réduire latence et pertes. Le constructeur oppose ici son design à une plateforme Broadcom Tomahawk 6 à 1,6T, dans un datacenter de 32 000 GPU.
AMD soutient aussi que le choix d’une solution personnalisée, plutôt qu’une brique du commerce comme celle de Broadcom, réduit d’un tiers les coûts de scale-out. Vulcano prend en charge UEC, MRC et des transports personnalisés. La société cite enfin une modélisation sur un cluster MI455X de 8 000 GPU, montrant un temps vers la solution plus rapide en passant de deux à trois Vulcano NIC par GPU.
Ce qui ressort surtout de cette annonce, c’est qu’AMD ne vend plus seulement des GPU MI pour l’IA, mais une architecture complète où le réseau devient aussi différenciant que le calcul. Si Helios tient ses promesses en production, la bataille face à NVIDIA se jouera autant sur Ethernet, l’orchestration et le coût par rack que sur les accélérateurs eux-mêmes.
Source : TechPowerUp
