AMD Tantang Nvidia dengan Sistem Helios AI Rack-Scale

Lisa Su naik ke panggung yang penuh sesak di San Francisco dan membuat klaim langsung: Helios baru AMD adalah "rack AI dengan performa tertinggi" di industri teknologi, dibangun untuk melatih dan menjalankan model frontier paling menuntut di dunia dalam skala masif. Ini bukan pernyataan positioning yang halus — ini adalah tantangan langsung terhadap dominasi Nvidia di pasar AI data center. AMD tantang Nvidia dengan sistem Helios AI rack-scale, dan daftar pelanggan awal menunjukkan ini bukan hanya siaran pers — ini adalah pergeseran nyata dalam lanskap infrastruktur AI.

Apa yang Terjadi

Di konferensi Advancing AI AMD yang penuh sesak pada 23 Juli 2026, Ketua dan CEO Dr. Lisa Su secara resmi meluncurkan sistem rack-scale Helios bersama daftar pelanggan yang terlihat seperti siapa saja di frontier AI: OpenAI, Meta, Oracle, Anthropic, dan Microsoft. Menurut liputan TechCrunch tentang acara tersebut, CEO Microsoft Satya Nadella mengkonfirmasi beberapa hari sebelumnya bahwa Azure akan memperluas infrastrukturnya dengan deployment Helios. Anthropic melangkah lebih jauh, mengumumkan kemitraan strategis dengan AMD untuk deploy hingga dua gigawatt GPU melalui sistem rack baru.

Helios bukan peluncuran kejutan. AMD pertama kali mengungkapkan sistem ini pada 2025 dan menampilkannya di panggung CES 2026 pada Januari. Yang baru adalah timeline pengiriman — pelanggan akan mulai menerima unit nanti tahun ini — dan klaim performa yang mendukung kepercayaan diri Su. The Register melaporkan bahwa Helios mengalahkan rack Vera Rubin milik Nvidia dalam sejumlah metrik kunci, yang signifikan mengingat Vera Rubin dan Grace Blackwell telah menjadi opsi rack-scale dominan untuk lab AI besar.

Sistem rack-scale penting karena menggabungkan banyak prosesor ke dalam satu unit bertenaga tinggi yang dioptimalkan untuk beban kerja data center — melatih model besar, menjalankan inference dalam skala besar, dan menangani pipeline yang compute-intensive yang tidak dapat dipertahankan secara efisien oleh GPU individual. AMD juga memperkenalkan CPU Venice-X pada acara yang sama, chip data center yang dirancang untuk melengkapi ekosistem Helios dan menangani beban kerja high-performance computing bersama stack GPU.

Bahasa deployment skala gigawatt layak untuk dihentikan. Ketika AMD mengatakan Helios akan di-deploy dalam skala "gigawatt", itu adalah referensi ke konsumsi daya — ini adalah sistem yang akan menarik daya setara dengan kota-kota kecil. Kesepakatan Anthropic saja mencakup hingga dua gigawatt. Ini bukan iterasi hardware yang inkremental. Ini adalah infrastruktur yang akan mendefinisikan bagaimana generasi berikutnya dari model AI dilatih.

Mengapa Ini Penting untuk Asia

Pembangunan infrastruktur AI Asia mempercepat dengan cepat. Dari hyperscaler di Singapura dan Jepang hingga inisiatif AI berdaulat di India, Indonesia, dan negara-negara Teluk, wilayah ini berada di tengah boom konstruksi data center. Pertanyaan untuk setiap cloud provider dan lab AI yang beroperasi di Asia bukan apakah akan berinvestasi dalam compute AI rack-scale — tetapi stack mana yang akan dipertaruhkan.

Sampai sekarang, jawaban itu hampir selalu Nvidia. Cluster GPU H100 dan H200 menjadi infrastruktur default untuk beban kerja AI serius di seluruh Asia, dan ekosistem CUDA Nvidia menciptakan moat dalam yang membuat switching menjadi menyakitkan. Helios mengubah kalkulasi, bukan karena akan segera menggantikan Nvidia di Asia, tetapi karena memberikan hyperscaler dan cloud provider leverage negosiasi nyata dan arsitektur alternatif yang kredibel untuk dievaluasi.

Untuk cloud provider Asia yang membangun infrastruktur AI mereka sendiri — pikirkan pemain utama di Korea Selatan, Taiwan, Jepang, dan semakin banyak Asia Tenggara — fakta bahwa Microsoft Azure mengadopsi Helios adalah sinyal kuat. Azure adalah salah satu platform cloud paling banyak digunakan di seluruh wilayah. Jika compute berbasis Helios menjadi tersedia melalui zona ketersediaan Azure di Asia, developer dan perusahaan di seluruh wilayah akan mengaksesnya tanpa perlu membeli hardware secara langsung.

Ada juga sudut rantai pasokan yang spesifik untuk Asia. TSMC Taiwan memproduksi chip untuk AMD dan Nvidia, dan kompleksitas geopolitik di sekitar pasokan semikonduktor canggih telah mendorong pemerintah dan perusahaan Asia untuk mendiversifikasi dependensi compute AI mereka. AMD yang lebih kuat di pasar rack-scale berarti lebih banyak opsi, lebih banyak kompetisi pada harga, dan akses yang berpotensi lebih cepat ke compute cutting-edge untuk organisasi Asia yang secara historis berada lebih rendah dalam antrian alokasi Nvidia selama periode supply-constrained.

Untuk founder yang membangun produk AI di Asia Tenggara, implikasi jangka menengah sangat jelas: biaya compute cloud untuk beban kerja AI serius harus menurun saat kompetisi nyata memasuki pasar rack-scale. Ini sangat penting untuk startup yang saat ini membuat trade-off sulit antara kemampuan model dan biaya inference.

Apa Artinya Ini untuk Developer

Kompetisi hardware pada skala rack pada akhirnya mengalir ke setiap developer yang menyentuh API, menjalankan pekerjaan fine-tuning, atau men-deploy model dalam produksi. Pengumuman Helios memiliki beberapa implikasi konkret yang layak dipikirkan.

Biaya inference akan bergeser. Ketika OpenAI, Anthropic, dan Meta men-deploy Helios dalam skala gigawatt, mereka membangun kapasitas yang akan melayani traffic API. Lebih banyak kapasitas compute dari ekosistem hardware yang kompetitif berarti provider memiliki lebih banyak ruang untuk mengurangi harga per-token. Jika Anda membangun aplikasi di atas API model frontier — yang kebanyakan developer di Asia lakukan — ini adalah berita yang secara direktif baik untuk unit economics Anda.

Ekosistem ROCm menjadi lebih serius. Stack software AMD untuk GPU computing, ROCm, secara historis tertinggal CUDA dalam kematangan tooling dan dukungan komunitas. Tetapi ketika Anthropic dan OpenAI berkomitmen pada Helios dalam skala ini, mereka juga berkomitmen sumber daya engineering untuk membuat pipeline training dan inference mereka bekerja pada hardware AMD. Investasi itu cenderung meningkatkan ekosistem yang lebih luas. Developer yang ingin menjalankan model open-source pada GPU AMD — baik on-premise atau melalui cloud instances — akan mendapat manfaat dari pekerjaan engineering yang dilakukan lab ini untuk kompatibilitas AMD.

Dukungan framework akan mengikuti hardware. PyTorch, JAX, dan toolchain ML yang lebih luas mengikuti ke mana compute serius pergi. Pantau dukungan AMD yang ditingkatkan dalam training libraries dan inference runtimes selama 12-18 bulan ke depan saat deployment Helios meningkat. Jika Anda membangun aplikasi AI-native di MonstarX atau platform lain apa pun yang duduk di atas infrastruktur cloud, kompetisi hardware yang mendasar diterjemahkan menjadi foundation models yang lebih mampu dan cost-efficient untuk dibangun.

Deployment model open-source menjadi lebih accessible. Salah satu efek downstream yang lebih menarik dari push AMD adalah apa yang dilakukannya untuk developer yang ingin self-host model open-source. Saat ketersediaan GPU AMD meningkat melalui cloud provider, menjalankan Llama, Mistral, atau model open-weight lainnya pada instance AMD menjadi lebih viable. Untuk tim di Asia yang membutuhkan compliance data residency — persyaratan umum di seluruh pasar seperti India, Jepang, Korea Selatan, dan semakin banyak Asia Tenggara — inference self-hosted pada instance cloud AMD bisa menjadi jalur praktis yang tidak tersedia sebelumnya.

Saran praktis untuk developer sekarang: pantau catatan rilis ROCm AMD, lacak cloud provider mana yang mengumumkan instance berbasis Helios di wilayah Asia, dan mulai test beban kerja inference Anda pada hardware AMD jika Anda memiliki bandwidth. Early adopter dari infrastruktur compute baru cenderung mendapatkan harga dan dukungan yang lebih baik.

Poin-Poin Kunci

Berikut yang harus Anda ingat dari pengumuman Helios:

• Helios adalah hardware nyata dengan pelanggan nyata.