Microsoft tar AMD Helios till Azure – nya AI-servrar ska pressa kostnaden för inferens

Microsoft tar AMD Helios till Azure – nya AI-servrar ska pressa kostnaden för inferens

Microsoft bygger ut Azure med AMD:s nya Helios-plattform, nästa generations EPYC-processorer och Instinct-acceleratorer. Satsningen presenterades den 20 juli 2026 och omfattar tre nya typer av virtuella maskiner för AI-data, chipdesign och storskalig AI-inferens.

Nyheten är viktig eftersom Microsoft vill ge kunder fler alternativ till Nvidia och samtidigt anpassa infrastrukturen för AI-agenter, resonemangsmodeller och allt större mängder inferens.

Det viktigaste i korthet

| Azure-produkt | Huvudområde | Teknisk inriktning |
|---|---|---|
| HDv2 | Databearbetning och agentkoordinering | Nära 500 fysiska AMD EPYC-kärnor, 4 TB RAM, 32 TB lokal NVMe och 400 Gb nätverk |
| HXv2 | Chipdesign och teknisk beräkning | 176 EPYC-kärnor, över 5 GHz, upp till nära 4 TB RAM och 800 Gb InfiniBand |
| ND MI455X v7 | AI-inferens i stor skala | AMD Helios och Instinct MI455X för resonemang, sökning och agentiska arbetslaster |

Microsoft beskrev produkterna som kommande Azure-erbjudanden. Exakt regional tillgång och pris kan därför variera när tjänsterna rullas ut.

Varför Azure behöver flera typer av AI-hårdvara

AI-infrastruktur är inte en enda arbetslast. Träning, inferens, datasökning, agentkoordinering och chipdesign ställer olika krav på processor, minne, nätverk och lagring.

En generell server kan fungera för många uppgifter men blir sällan bäst på allt. Microsoft delar därför upp den nya AMD-satsningen i tre lager:

1. kraftfulla CPU-servrar för att mata AI-system med data
2. specialiserade HPC-servrar för simulering och chipdesign
3. rackbaserade acceleratorer för produktion av AI-svar i stor skala

Det speglar en bredare förändring i molnmarknaden. Kunderna väljer inte längre bara ”en GPU”. De behöver en kombination av system som tillsammans håller modeller, sökning, databaser och agenter igång.

HDv2 ska mata AI-agenter med data

Azure HDv2 är byggd för tunga CPU-arbetslaster som databehandling, sökning, reinforcement learning och koordinering mellan agenter.

Microsoft uppger att en HDv2-maskin får:

• nära 500 fysiska sjätte generationens AMD EPYC-kärnor
• 4 terabyte arbetsminne
• 32 terabyte lokal NVMe-lagring
• 400 gigabit Azure Boost-nätverk

AI-acceleratorer är beroende av att data förbereds och levereras i rätt takt. Om CPU, lagring eller nätverk blir flaskhalsar kan dyra acceleratorer stå underutnyttjade.

För agentiska system blir detta ännu tydligare. En agent kan behöva söka i dokument, läsa databaser, köra verktyg och samordna flera deluppgifter innan den producerar ett svar. Mycket av arbetet sker utanför själva språkmodellen.

HXv2 riktar sig till chipdesign och simulering

Azure HXv2 är utvecklad för elektronisk designautomation, vetenskaplig simulering och andra tekniska beräkningar.

Microsoft beskriver bland annat:

• 176 AMD EPYC-kärnor
• klockfrekvens över 5 GHz
• 50 procent mer adresserbar cache per kärna
• maskinstorlekar med nära 2 eller 4 terabyte RAM
• 800 gigabit InfiniBand

Chipdesign kräver stora mängder simulering innan en konstruktion skickas till tillverkning. Ett fel som upptäcks efter att produktionen börjat kan bli mycket dyrt.

Den nya infrastrukturen kan därför användas av halvledarbolag och utvecklare av AI-acceleratorer för att köra fler tester och större simuleringar i molnet.

Läs även hur Anthropic och UST använder Claude i fysisk AI och chipvalidering.

ND MI455X v7 blir AMD:s AI-alternativ i Azure

Den mest direkt AI-inriktade nyheten är ND MI455X v7. Tjänsten bygger på AMD:s Helios-lösning i rackskala och är avsedd för inferens, resonemang, sökning och agentiska arbetslaster.

Inferens är den del där en färdig modell används för att skapa svar. När miljontals användare kör AI varje dag kan inferensen stå för en mycket stor del av den totala kostnaden.

Molnbolagen försöker därför förbättra:

• antal token per sekund
• kostnad per token
• prestanda per watt
• svarstid
• skalning mellan många servrar
• tillgång till minne och nätverk

AMD:s Helios-plattform är tänkt att leverera ett komplett rack i stället för enbart ett enskilt chip. Det gör jämförelsen med Nvidia mer relevant på systemnivå.

Microsoft vill minska beroendet av en enda leverantör

Nvidia har en mycket stark ställning inom AI-infrastruktur, men Microsoft använder även AMD och egna specialutvecklade chip.

En mer blandad hårdvarustrategi kan ge Microsoft:

• bättre tillgång när en leverantör har långa leveranstider
• större prispress i inköp
• möjlighet att optimera olika arbetslaster
• mindre tekniskt beroende
• fler alternativ för kunder med särskilda krav

Det betyder inte att AMD automatiskt ersätter Nvidia. Nvidia har ett stort mjukvaruekosystem och en etablerad plattform för träning och inferens. AMD behöver visa att både hårdvara och programvara fungerar stabilt i produktion.

Marketplace har tidigare skrivit om hur Etched försöker utmana Nvidia med specialiserade chip för AI-inferens.

AI-agenter förändrar datacentret

En vanlig modellfråga kan vara relativt enkel: text skickas in och ett svar kommer tillbaka. En AI-agent kan däremot skapa ett långt arbetsflöde:

1. tolka användarens mål
2. söka efter information
3. läsa flera databaser
4. köra kod
5. jämföra resultat
6. anropa andra modeller
7. skriva och kontrollera ett slutresultat

Det gör att infrastrukturen måste hantera både acceleratorer och mycket stora CPU-, minnes- och nätverksbehov.

Microsofts tre nya maskinfamiljer kan därför ses som delar av samma agentiska system. HDv2 matar och samordnar, HXv2 hjälper till att utveckla nästa generations hårdvara och ND MI455X v7 producerar AI-resultat i stor skala.

Vad betyder detta för Azure-kunder?

Företag kan på sikt få fler val när de bygger AI-tjänster. Ett arbetsflöde kan placeras på den typ av infrastruktur som ger bäst kombination av kvalitet, pris och svarstid.

Men fler val skapar också mer komplexitet. Kunder behöver jämföra:

• faktisk kostnad per lyckad uppgift
• tillgång i önskad Azure-region
• kompatibilitet med modeller och ramverk
• energiförbrukning
• kötid och kapacitetsreservation
• migreringskostnad mellan acceleratorer
• bindning till leverantörsspecifika bibliotek

Det billigaste timpriset är inte alltid billigast i verkligheten. Om en modell körs långsammare eller kräver fler omkörningar kan totalpriset bli högre.

Svensk betydelse

Svenska företag använder Azure brett för moln, data och AI. Den nya AMD-infrastrukturen kan bli relevant för bolag inom:

• industri och simulering
• fordonsutveckling
• telekom
• läkemedelsforskning
• finansiell modellering
• svenska AI-tjänster med hög inferensvolym

Tillgången beror dock på vilka Azure-regioner som får systemen. De största AI-klustren lanseras ofta först i ett begränsat antal regioner där el, nätverk och kylning redan är utbyggda.

Företag med krav på svensk eller europeisk datalagring behöver därför kontrollera att den valda tjänsten finns i rätt region och omfattas av lämpliga avtals- och säkerhetsvillkor.

Datacenter och el förblir flaskhalsar

Nya chip löser inte hela kapacitetsproblemet. Rack med avancerade acceleratorer kräver mycket el, kylning och höghastighetsnätverk.

Läs hur Nvidia investerar i Cloverleaf för att säkra mark och kraft till AI-datacenter.

Microsoft behöver på motsvarande sätt planera för var AMD-systemen kan installeras och hur snabbt datacentren kan få tillräcklig effekt. Kundernas efterfrågan kan annars vara större än den faktiska kapaciteten.

Azure växer redan snabbt inom AI

Microsoft rapporterade tidigare under sommaren stark tillväxt för Azure och en snabb ökning av användningen av Copilot. Den nya AMD-satsningen är en del av arbetet med att skapa kapacitet för fortsatt tillväxt.

Läs vår artikel om hur Azure växte 43 procent när AI och molnet lyfte Microsofts resultat.

Investeringarna är stora, men måste omvandlas till uthyrd kapacitet och lönsamma tjänster. Det är därför viktigt att följa både tekniska lanseringar och hur mycket kunderna faktiskt använder systemen.

Vad ska följas härnäst?

Flera frågor avgör hur viktig satsningen blir:

• när de tre maskinfamiljerna blir allmänt tillgängliga
• vilka regioner som får dem först
• pris jämfört med Nvidia-baserade Azure-system
• oberoende tester av inferensprestanda
• vilka modeller som optimeras för MI455X
• hur enkelt det är att flytta befintliga arbetslaster
• kapacitet och väntetider för större kunder

Prestanda på pappret behöver följas av stabila drivrutiner, ramverk, övervakning och support.

Vanliga frågor

Vad är AMD Helios?

Helios är AMD:s rackbaserade AI-plattform som kombinerar acceleratorer, CPU, nätverk och systemdesign för storskaliga AI-arbetslaster.

Ersätter AMD Nvidia i Azure?

Nej. Microsoft breddar sitt utbud med AMD och egna chip, samtidigt som Nvidia fortsätter vara en central Azure-leverantör.

Vad används ND MI455X v7 till?

Tjänsten är avsedd för storskalig AI-inferens, resonemang, sökning och agentiska arbetslaster.

När kan svenska företag använda de nya servrarna?

Microsoft beskrev dem som kommande erbjudanden. Svensk tillgång beror på utrullning, region och kapacitet och var inte fullständigt specificerad i beskedet.

Varför behövs CPU-servrar när AI körs på acceleratorer?

CPU, minne, lagring och nätverk förbereder data och samordnar arbetsflöden. Utan tillräcklig kapacitet där kan acceleratorerna inte utnyttjas fullt ut.

Sammanfattning

Microsoft tar AMD:s Helios-plattform och nya EPYC-processorer till Azure genom HDv2, HXv2 och ND MI455X v7. Tillsammans ska de stödja AI-data, chipdesign och storskalig inferens.

Satsningen ger Microsoft fler alternativ till Nvidia och visar att moderna AI-system kräver specialiserad infrastruktur genom hela kedjan. Den verkliga effekten avgörs av pris, regional tillgång, mjukvarustöd och hur snabbt Microsoft kan bygga tillräckligt mycket datacenterkapacitet.

Faktaunderlag: Microsoft, ”Microsoft expands Azure AI and HPC infrastructure with AMD”, publicerad 20 juli 2026. Kontrollerat 22 augusti 2026.