AMD 和 Broadcom 向 Nvidia 施压，但千亿美元 AI 芯片故事需要修正

AMD 和 Broadcom 正通过两种截然不同的策略加大对 Nvidia 的压力，但 Broadcom 并未宣布一项 1000 亿美元的 AI 芯片融资计划。这个数字指的是 Broadcom 预计的年度 AI 芯片销售额，而另一项据报道潜在价值接近 1000 亿美元的协议则与 AMD 有关。

这一区别至关重要，因为这些交易针对的是 Nvidia 市场地位的不同部分。AMD 希望 Meta 和其他买家采用其可编程 Instinct GPU，作为 Nvidia 系统的替代方案。Broadcom 则帮助最大的 AI 公司打造专为其模型和数据中心量身定制的加速器。

这两条路径都尚未取代 Nvidia 的通用平台。Nvidia 仍将加速器、网络、系统和成熟的软件整合为一套可供客户部署于多种工作负载的方案。新的压力来自买家逐渐认定，某些工作负载足以证明引入第二家供应商或采用专用芯片是合理的。

千亿美元标题混合了两个不同的故事

据报道的 1000 亿美元数字确实存在，但它并不意味着 Broadcom 为某项 AI 芯片计划筹集或提供融资。

Broadcom 在 2026 年 3 月表示，预计其 2027 财年年度 AI 芯片销售额将超过 1000 亿美元。这一预测反映的是定制加速器和 AI 网络产品的预期收入，而非一项融资安排。

该公司的展望紧随超大规模客户需求的加速增长，这类客户是指运营极大规模计算集群的云计算与科技公司。根据一份营收预测，Broadcom 预计定制芯片需求将推动其 AI 业务突破这一门槛。

Broadcom 最新公布的数据表明，投资者为何认真看待这一预测。其 2026 财年第二季度 AI 半导体营收达到 108 亿美元，同比大增 143%。管理层在其季度业绩中将这一增长归因于定制 AI 加速器和网络产品。

另一则 1000 亿美元故事涉及 AMD 与 Meta。双方宣布了一项多年期协议，涵盖最高 6 吉瓦的 AMD Instinct GPU 部署。美联社报道称，该安排下的采购在整个协议期内可能达到 1000 亿美元。

AMD 的监管申报文件并未为该协议赋予这一确切金额。文件确认了部署目标、产品路线图、认股权证结构和预期时间表。首个吉瓦的产品计划于 2026 年下半年开始出货。

根据Meta GPU 协议，首批部署将采用基于 AMD MI450 架构的定制 Instinct GPU。它将搭配第六代 EPYC 处理器和 AMD 的 ROCm 软件，采用公司的 Helios 机架设计。

AMD 还向 Meta 发放了一份基于业绩的认股权证，涵盖最多 1.6 亿股 AMD 股票。归属取决于出货量、技术里程碑、商业条件以及 AMD 股价门槛。

这一结构让 Meta 有经济激励帮助 AMD 达到具有实质意义的部署规模。它也降低了大规模承诺仅停留在宣传层面、而与实际产品交付脱节的可能性。

因此，Broadcom 的预测与 AMD 和 Meta 的协议描述的是不同的经济事件。前者是供应商对年度 AI 营收的预测，后者则是一项包含硬件采购和基于业绩的股权安排的长期客户承诺。

把两者合并会形成一个引人注目的标题，却掩盖了竞争机制。Broadcom 并非在为一场对 Nvidia 的挑战提供融资。Broadcom 和 AMD 正通过不同类型的芯片，帮助大型客户降低对单一计算平台的依赖。

AMD 和 Broadcom 的策略为何会向 Nvidia 施压

AMD 竞争的是广泛可编程的加速器部署，而 Broadcom 则将特定客户的工作负载转化为定制芯片。

图形处理单元，即 GPU，是适合训练和运行多种 AI 模型的可编程并行处理器。Nvidia 通过将这些处理器与 CUDA 软件环境、高速网络和完整服务器系统相结合，建立了领先优势。

AMD 正以其 Instinct GPU 系列、ROCm 软件、EPYC 处理器和 Helios 机架级系统挑战这一模式。该公司希望客户将其产品视为可部署的第二平台，而不是孤立的芯片。

Meta 的协议提供了一项严苛考验。首批系统将采用针对 Meta 工作负载优化的 MI450 加速器，但它们仍属于 AMD 更广泛的可编程架构。Meta 可以影响产品设计，同时保留比单一用途设计通常所能提供的更大灵活性。

Broadcom 则采取不同路径。它与少数大型客户合作，开发专用集成电路，通常称为 ASIC。与通用 GPU 相比，ASIC 面向的任务范围更窄。

这种专门化可以移除客户不需要的硬件功能，也可以围绕可预测的工作负载优化内存数据移动、数值格式、网络和功耗。当一家公司运营的服务器数量足以将设计成本分摊到庞大部署时，潜在收益会更大。

Broadcom 还供应以太网交换机、光学组件、互连技术及其他网络产品。该产品组合使其能够参与定制集群中比单个加速器更广泛的部分。

OpenAI 说明了这一策略。2025 年 10 月，OpenAI 和 Broadcom 宣布计划部署 10 吉瓦由 OpenAI 设计的加速器及相关网络系统。部署计划于 2026 年下半年开始，并持续至 2029 年。

根据定制加速器计划，OpenAI 拥有架构设计，而 Broadcom 提供开发、实施、连接和部署支持。这些系统采用 Broadcom 以太网技术，用于计算机架内部及机架之间的通信。

这种分工改变了 Broadcom 与 Nvidia 的竞争关系。Broadcom 无需打造通用 GPU 平台，也无需说服数千名开发者采用新的编程环境。

相反，Broadcom 帮助少数规模庞大的客户将部分芯片设计流程内部化。每一项成功设计都可能将大量、可重复的工作负载从商用 GPU 转移出去。

AMD 需要更广泛的软件采用，因为客户会为许多应用编程使用其 GPU。Broadcom 则需要与那些工作负载稳定且规模足以证明定制开发合理性的买家建立深厚关系。

这两种策略可以在同一个数据中心并存。客户可能将 Nvidia 系统用于新模型研究，将 AMD GPU 用于特定生产集群，并将 Broadcom 协助开发的 ASIC 用于成熟的推理工作负载。

这就是 AMD 和 Broadcom 的故事比常规供应商竞争更重要的原因。Nvidia 面对的并非一种替代品，而是日益将计算采购分配到通用、替代和定制平台的客户。

Nvidia 的优势是平台，而不只是更快的芯片

挑战者必须与 Nvidia 完整的运营环境竞争，而不只是匹配某项基准测试或赢得一笔大型订单。

Nvidia 的市场地位建立在几个相互连接的层面上。其 GPU 执行计算，NVLink 在系统内部连接处理器，网络产品在集群之间连接系统，CUDA 则为开发者提供构建和运营软件的工具。

这种整合降低了部署风险。组织可以从一种工作负载开始，更改模型架构，并复用大部分相同的开发和运维知识。

定制芯片提供的是另一种取舍。它可以提高针对稳定目标的效率，但当模型、数值格式、内存需求或服务模式发生变化时，其优势可能会收窄。

Broadcom 的客户承担了大部分架构风险，因为他们定义自己的加速器。Broadcom 可以执行芯片和网络方案，但客户必须决定哪些模型行为值得获得长期硬件支持。

AMD 拥有更大的灵活性，因为 Instinct 仍是一个可编程 GPU 平台。不过，客户仍必须在大规模环境中验证 ROCm 库、编排工具、模型兼容性、网络行为和运行可靠性。

Meta 拥有这方面的经验。AMD 表示，Meta 已在使用 MI300 和 MI350 加速器，同时数百万颗 EPYC 处理器正在 Meta 的基础设施中运行。这项新协议扩展的是既有合作关系，而非从一位未经验证的买家开始。

即便如此，6 吉瓦的框架协议并不等同于已安装 6 吉瓦。最初的 1 吉瓦部署仍是首个重要的执行检查点。后续认股权证批次的归属，部分取决于额外出货量。

与此同时，Nvidia 持续扩展自身系统和客户承诺。该公司报告称，其 2026 财年数据中心营收为 1937 亿美元，同比增长 68%。

其2026 财年业绩还提到了一项多年期 Meta 合作关系，涉及大规模部署 Nvidia CPU、网络产品以及数百万颗 Blackwell 和 Rubin GPU。

因此，Meta 与 AMD 的协议并不代表对 Nvidia 的全面转向。它代表的是，在足以支持多种架构的数据中心扩张中进行多元化布局。

这一差异会影响应如何衡量市场竞争。赢得新供应商角色，并不自动意味着从 Nvidia 手中夺走等量的现有业务。

一些替代芯片将取代 Nvidia 系统。另一些则会支持客户此前无法以经济方式提供的新工作负载。还有一些会让买家在协商供应、产品路线图和系统配置时拥有更大议价能力。

Nvidia 也通过更快的产品周期和面向特定工作负载的产品来回应定制芯片的挑战。其 Rubin 平台瞄准更低的推理成本，而其网络产品组合使其即使在计算架构变化时仍能争夺基础设施支出。

该公司的规模还带来另一项优势。更多已安装系统意味着更多开发者经验、软件优化、故障排除知识和第三方集成。这些优势会强化客户信心。

AMD 与 Broadcom 的竞争削弱了这样一种假设：每一项新的 AI 工作负载都必须运行在 Nvidia 上。但这并未抹去 Nvidia 已安装基础的实际价值。

真正的竞争在于推理经济性

当客户能够预测工作负载时，Broadcom 的定制芯片最具说服力；而当买家既需要灵活性、又不愿接受对 Nvidia 的依赖时，AMD 将从中受益。

训练通过处理大型数据集并更新模型参数来创建模型。推理则使用训练完成的模型回答请求、生成内容、排序信息或运行 AI 功能。

训练工作负载会随着研究人员测试新架构和扩展方法而变化。这种不确定性有利于可编程硬件和成熟的软件，因为工程师无法完美预测未来的计算需求。

模型投入生产后，推理可以变得更加标准化。一家公司可能会数十亿次地处理类似请求，因此，哪怕是对功耗和设备利用率的小幅改进，也具有重要的经济意义。

Broadcom 的定制加速器战略正是针对这种重复性。超大规模云服务商可以移除不必要的通用功能，并围绕自身模型、内存访问模式和网络设计来调校硬件。

OpenAI 与 Broadcom 的合作展示了模型开发商和芯片供应商能够协同到何种程度。OpenAI 基于其模型相关知识设计加速器和系统架构；Broadcom 则将该方案转化为可部署的芯片、机架和连接方案。

这一方法并不保证总成本更低。设计先进芯片需要工程投入、制造产能、封装、内存、软件、验证以及持续支持。

设计方案也可能在目标工作负载发生变化后才落地。漫长的开发周期会带来风险：优化决策可能在大规模部署前就已过时。

Broadcom 的客户具备异常强的风险承担能力。OpenAI 和大型云服务商等公司掌控着庞大工作负载，并能够以吉瓦级规模投入基础设施。

AMD 处于两者之间。其 GPU 依然具备可编程性，但大型客户可以影响特定产品版本和机架配置。

Meta 首个基于 MI450 的部署将针对其工作负载进行定制。AMD 和 Meta 还在多个产品代际中协调 GPU、CPU、系统和软件路线图。

这已不只是一次标准设备采购。它使 Meta 能够塑造一个替代性平台，而无需对定制 ASIC 承担全部责任。

AMD 面临的挑战，是将这类合作转化为可复制的平台。为一家超大规模云服务商开发的软件，仍必须有助于为其他买家提供更好的工具和可靠性。

ROCm 已有所改进，但其采用情况不能仅凭硬件发布来衡量。客户需要稳定的库、模型支持、监控、故障恢复能力，以及能够运营大型部署的工程师。

Broadcom 面临相反的规模化问题。其业务可以通过少数几份合同快速增长，但每位客户都期待大量定制化。该公司必须在多个项目中管理设计进度、先进封装、制造配额和网络需求。

两家公司都受益于不断增长的推理需求。随着 AI 功能触达更多用户，买家对峰值基准测试结果的关注会减少，转而更重视每单位电力和基础设施所能交付的有效工作量。

这种转变并不会让训练失去意义。前沿模型开发商仍需要灵活、高性能的集群来进行实验。当客户希望获得横跨研发和生产的通用平台时，Nvidia 依然尤其强势。

压力会在成熟工作负载大到足以被拆分时出现。一家公司可以将不确定的研究任务留在 Nvidia 上，同时将可预测的推理服务迁移至 AMD 或定制加速器。

这种渐进式解绑比突然替换事件构成的威胁更可信。它会一次改变一个工作负载的默认采购假设。

这些重大承诺仍未能证明什么

营收预测、吉瓦级协议和股权认股权证显示了战略意图，但部署结果将决定它们是否会改变市场力量格局。

Broadcom 的预测假设客户能够按计划完成大型定制项目。该公司必须将设计合作转化为制造完成的加速器、网络系统和已确认营收。

这一过程依赖外部供应商。先进 AI 芯片需要领先制造工艺、高带宽内存、复杂封装、基板、光学组件和数据中心电力。

任何一层的延误都可能推迟部署时间。营收集中度同样重要，因为最大的定制项目来自数量有限的一批客户。

Broadcom 的财年第二季度业绩为当前需求提供了证据。不过，要实现 2027 财年 AI 销售额超过 1,000 亿美元的预测，仍需要较当前季度水平大幅扩张。

这项预测是管理层指引，而非已完成营收。投资者应关注已确认销售额和出货时间，而不应将这一目标视为既成事实。

AMD 与 Meta 的协议也存在类似的不确定性。其 6 吉瓦上限描述了合作关系的潜在规模，而首个 1 吉瓦项目则提供了近期运营测试。

与业绩挂钩的认股权证强化了这一区别。只有在部署、技术、商业和股价条件得到满足后，Meta 才能获得额外的经济利益。

这一机制能够协调激励，但并不能消除执行风险。AMD 必须交付满足 Meta 要求的基于 MI450 的系统、EPYC 处理器、网络和 ROCm 软件。

该协议据称的潜在价值也不应被视为保证营收。最终采购取决于跨越多年和多个硬件代际的部署进展。

Nvidia 有理由积极捍卫其地位。它可以通过新架构降低推理成本，提供集成网络，深化软件优化，并利用其生产规模加快交付。

客户同样面临切换成本。接受过 CUDA 培训的工程师不会立即在另一套技术栈上达到同等效率。内部工具、部署流水线和模型优化都可能将组织绑定在既有平台上。

定制芯片会形成另一种锁定效应。对某一设计合作伙伴投入巨资的超大规模云服务商，可能会发现很难将同一架构迁移到其他地方。

即使客户降低对 Nvidia 的依赖，Broadcom 也可能成为其不可或缺的供应商。因此，一个层面的供应商多元化可能会在另一个层面造成集中。

竞争格局也不止三家公司。Amazon 开发 Trainium 加速器，Google 运营 Tensor Processing Units，Microsoft 则拥有 Maia 项目。Marvell 参与定制芯片领域，另有多家专业加速器公司瞄准特定工作负载。

这些替代方案削弱了“ Nvidia 对阵所有人”这一简单叙事的准确性。买家正在构建混合机群，而每种架构都在争夺某一类工作。

AMD 和 Broadcom 构成的挑战，在客户拥有规模、工程深度和可预测需求的领域最为强劲。规模较小的组织可能仍更倾向于通过云端使用 Nvidia 系统，因为它们无法为定制开发或复杂的平台验证提供充分理由。

这意味着，不能将超大规模云服务商的采购行为泛化到整个市场。适用于 Meta 或 OpenAI 的设计，未必会成为企业广泛可用的替代方案。

三个信号将显示这种压力是否真实存在

下一阶段取决于已交付系统、已确认营收和工作负载迁移，而非承诺金额的头条数字。

第一个信号是 Meta 的初始 AMD 部署。AMD 预计，支持首个 1 吉瓦项目的出货将于 2026 年下半年开始。

读者应关注 Meta 是否确认投入生产使用、哪些工作负载迁移至基于 MI450 的系统，以及部署是否会超过首个认股权证里程碑。若能按时扩大部署，将增强 AMD 关于其可在超大规模环境下运行的主张。

延迟、有限的工作负载范围或缓慢扩张都会削弱这一竞争结论。这将表明大型客户仍主要将 AMD 视为谈判筹码或次要实验。

第二个信号是 Broadcom 的季度 AI 半导体营收。该公司必须弥合当前数十亿美元季度营收与其 2027 财年预测之间的差距。

仅靠营收增长无法回答所有问题。投资者还需要看到多个定制加速器项目进入量产的证据，而不是大部分增长由单一客户推动。

多元化的量产爬坡将验证 Broadcom 的模式。预测落空或部署延迟，则会显示该战略依然多么受制于客户进度和制造限制。

第三个信号是 Nvidia 对推理经济性的回应。Nvidia 已承诺通过包括 Rubin 在内的新系统降低每个 token 的成本，同时继续捆绑提供计算和网络能力。

如果 Nvidia 足够快地降低服务成本，客户从定制硬件中获得的经济收益可能会减少。Broadcom 协助打造的 ASIC 仍可服务于战略独立性，但其财务理由可能会缩小。

如果 AMD 系统和定制加速器在稳定工作负载上保持明确的效率优势，客户就会有更强理由拆分未来部署。Nvidia 可以继续增长，但可能失去作为每个大型集群自动首选项的地位。

对于开发者和企业买家而言，眼下的含义并不是某一家供应商已经胜出，而是部署决策需要更精确的工作负载分析。

团队应区分实验性训练、持续变化的推理服务和成熟的高容量工作负载。每一类对可编程性、软件成熟度、定制化、功耗和供应商多样性的重视程度都不同。

他们还应保留基础设施选择背后的证据。一个可搜索的工程知识库可以在评估周期中关联基准测试结果、兼容性发现、事故报告和供应商承诺。

1,000 亿美元这一头条数字捕捉到了 AI 基础设施支出的规模，但它将两项不同的发展压缩成了一项主张。Broadcom 预测其年度 AI 芯片销售额将超过 1,000 亿美元，而 AMD 则获得了据报道价值最高可达这一金额的 Meta 合作框架。

更重要的问题是，这些承诺能否产出承载有意义生产工作负载的可用系统。关注 Meta 的首个 AMD 吉瓦级部署、Broadcom 的营收转化，以及 Nvidia 对推理成本的回应。这些信号将揭示 AMD 和 Broadcom 的压力究竟是在改变市场，还是仅仅与市场同步扩张。