AMD、Google 的 AI 押注面临现实检验，Nvidia、Micron 与 AMD 股价下跌

尽管 SK Hynix 借助基础设施热潮交出创纪录业绩，AMD 和 Google 仍在 7 月 29 日进入了一个更严峻的 AI 市场。如今，围绕 AMD 和 Google 的投资叙事正面临一场波及 Nvidia、Micron 以及几乎所有与 AI 支出相关供应商的冲突。SK Hynix 实现了惊人的增长，但其利润未达市场高企的预期。投资者随即抛售了更广泛的半导体板块。

这并非一次常规的财报失望。SK Hynix 位于 AI 硬件供应链的核心位置，因为它生产高带宽存储器（HBM）。HBM 通过堆叠存储芯片，以远高于传统服务器内存的速度向 AI 处理器输送数据。当其业绩令投资者失望时，市场反应可能揭示整个 AI 基础设施扩张的预期变化。

此次抛售并不证明 AI 计算需求已经崩塌。SK Hynix、Samsung、Micron、Nvidia、AMD 和 Google 仍在描述强劲的基础设施需求。不过，市场已从奖励几乎所有与 AI 相关的增长，转向审视利润率、合同、资本开支和未来供给。当估值已假设企业将在多年内持续超常执行时，创纪录的业绩已不再足够。

SK Hynix 创下纪录，却仍令市场失望

核心意外并非需求疲弱，而是市场拒绝奖励按通常标准已堪称出色的业绩。

SK Hynix 报告第二季度营收为 79.3187 万亿韩元，营业利润为 60.5426 万亿韩元。其营业利润率达到 76%。营收较上年同期增长 257%，营业利润增长 557%。

这些数字创下了该公司单季度历史纪录，也显示出 AI 服务器如何彻底改变了存储器的经济格局。Nvidia 和 AMD 的加速器需要大量 HBM，使先进存储器成为每套已部署 AI 系统的关键组成部分。

但市场预期攀升得更快。报告发布前汇总的市场共识预计，营收将达 84.1 万亿韩元，营业利润将达 64.1 万亿韩元。因此，实际营业利润较该预期低约 5.6%。

这一缺口足以动摇一笔围绕近乎完美增长建立的交易。SK Hynix 股价在财报发布后大幅下跌。根据 7 月 29 日的收盘数据，在同一美国交易日，AMD 下跌 5.5%，Micron 下跌 9.9%。Nvidia 和其他半导体供应商也一同走低。

若结合此前的涨势看，市场反应就不那么令人意外了。在其 7 月于美国上市前，SK Hynix 股价一年内上涨 650%。根据 SK Hynix 开始在美国交易前公布的上市数据，Micron 在同期上涨了 711%。

这些涨幅蕴含着苛刻的假设。投资者期待的不仅是强劲的 HBM 销售，还包括持续短缺、定价权延续、利润率扩大，以及超大规模云服务商多年的投资。

在这种情况下，一次小幅不及预期也可能变得重要。这意味着部分投资者押注的业绩高于已公布的市场共识，也引发了一个问题：半导体估值中究竟已经反映了多少未来增长。

此次业绩不及预期并未抹去基本面的扩张。SK Hynix 单季营业利润已超过其此前的全年纪录。76% 的营业利润率在几乎任何制造业中都堪称非凡。

然而，市场定价的是未来，而非孤立地评判业绩。关键问题变成了：在如此大幅上涨之后，盈利能否继续超预期。答案已不再是理所当然的。

客户需求与已确认营收之间也存在重要区别。长期供应协议能够提升可见性，但可能限制企业对现货价格上涨的短期敞口。因此，SK Hynix 可能面对紧张的需求，却无法立刻捕捉每一次有利的市场价格变动。

这一差异有助于解释为何创纪录的季度业绩仍未达预期。它也引出了 AI 芯片投资者面临的核心矛盾：长期合同可以降低波动性，但当存储器价格飙升时，也可能限制短期上行空间。

此次抛售令 Nvidia、Micron 和 AMD 面临同样压力

SK Hynix 将一家公司的业绩不及预期，变成了对整条 AI 基础设施产业链的考验。

Nvidia 设计了主导大型 AI 训练集群的处理器。AMD 正试图通过其 Instinct 产品组合和机架级系统争取更多加速器市场份额。Micron 则在先进存储器领域与 SK Hynix 和 Samsung 直接竞争。

这些公司所处位置不同，但它们的营收叙事都依赖于相互关联的支出体系。云服务商和 AI 开发者订购加速器；每个加速器都需要 HBM；数据中心随后还需要网络、电力、散热、存储以及传统服务器组件。

产业链中某一环节的担忧能够迅速蔓延。如果 HBM 利润率似乎更接近峰值，投资者便会重新评估 Micron；如果存储器供应商大举扩产，投资者便会重新考虑稀缺性假设；如果 AI 客户放缓部署，Nvidia 和 AMD 将面临更慢的加速器需求。

Google 使这一格局更加复杂，因为它既是买方，也是竞争者。Google Cloud 提供 Nvidia 和 AMD 硬件，同时 Google 也在开发自家的 Tensor Processing Units。TPU 是为 AI 训练和推理设计的定制处理器。

这种双重角色使 AMD 与 Google 的关系比简单的供应商合作更为微妙。AMD 通过 Instinct GPU、Radeon 产品和 Ryzen AI 处理器支持 Google 的 Gemma 模型系列。然而，Google 仍在通过其专有芯片扩展另一条计算路径。

2026 年 5 月，Google 和 Blackstone 宣布成立一家合资企业，通过一项新的美国计算服务提供 Google Cloud TPU。根据这项TPU 云服务计划，Blackstone 承诺投入初始 50 亿美元股权资本。该项目让更多客户能够在 Google 的传统云模式之外使用其定制处理器。

因此，AMD 面临来自两个方向的压力。它必须与 Nvidia 已建立的加速器平台竞争，同时还要应对来自 Google、Amazon 和其他超大规模云服务商的定制芯片。更广泛的抛售表明，投资者越来越不愿意将通往 AI 计算的每一条路径都视为独立的赢家。

Micron 面临相关挑战。当 Nvidia、AMD 和定制加速器需要更多 HBM 时，它将从中受益。但它也必须证明，当前的存储器经济效益能够在 SK Hynix 和 Samsung 扩大生产后得以延续。

Samsung 的业绩同时强化了争论的两面。该公司报告第二季度营业利润创纪录地达到 89.5 万亿韩元，营收达到 171.5 万亿韩元。它表示，AI 基础设施增长和智能体 AI 的更广泛采用，应会在下半年支撑存储器需求。

与此同时，Samsung 和 SK Hynix 已宣布大规模制造业投资。更多产能有利于客户部署，但也增加了供给最终追上需求的风险。市场如今正在追问这一转折何时开始，而不再假定短缺会无限期持续。

Nvidia 凭借其软件生态系统和领先的市场地位，较许多供应商更具缓冲能力。不过，其系统依赖先进存储器的供应。HBM 定价或客户支出的变化，都可能影响系统成本、交付进度和毛利率预期。

AMD 容错空间更小。它仍在大型加速器部署中确立自身地位。每一项重大客户承诺都很关键，因为买家希望看到 AMD 硬件能够依靠成熟软件和可靠供应实现规模化运行的证据。

对股票估值而言，压力是即时的；对运营业绩而言，压力则更具长期性。投资者可以在一个交易时段内重估预期，而数据中心采购、产品验证和制造产能建设则需跨越数个季度甚至数年。

这种时间错配有助于解释市场为何反应激烈。公开市场在任何人能够判断 SK Hynix 的业绩不及预期究竟代表合同确认时点、延迟出货，还是需求真正变化之前，就已经先行行动。

为什么 AMD、Google 与 AI 的格局比单一芯片周期更复杂

核心反转在于：更多 AI 需求不再保证每一家硬件供应商都能获得更高估值。

过去数年，主导性的投资逻辑很直接。更多模型训练需要更多加速器；更多加速器需要更多 HBM；更高的基础设施支出因此共同推升 Nvidia、AMD、Micron、SK Hynix 及相关供应商。

这一逻辑在技术上依然成立，但在财务层面并不完整。投资者如今还必须考虑由哪家供应商获取这笔支出、何种合同条款决定定价，以及各家公司需要投入多少资本来扩充产能。

Google 说明了竞争版图为何正在变化。它会在适合客户或内部工作负载的场景采购外部芯片，同时也开发 TPU 以掌控系统设计、成本和供应。转向 Google 芯片的工作负载仍会消耗存储器和数据中心容量，但其营收分配方式与部署 Nvidia 或 AMD 硬件并不相同。

AMD 对 Google Gemma 4 的软件支持展示了这一关系的另一面。Gemma 4 模型可以在 AMD 的数据中心、工作站和 PC 产品上运行。该公司在其Gemma 兼容性公告中表示，支持的模型变体范围从 20 亿有效参数到 310 亿参数。

这种兼容性有助于开发者使用 Google 模型，而无需承诺采用 Google TPU。即使硬件公司在其他领域竞争，它也为 AMD 提供了参与 Google 模型生态系统的途径。

不过，兼容性并不保证部署规模。企业买家还会评估模型性能、软件成熟度、整体系统成本、可用性和运营复杂性。Nvidia 的 CUDA 平台仍保有重要优势，因为许多 AI 应用和开发工具已经支持它。

因此，主要竞争并非 AMD 对阵 Google，而是商用加速器与一个混合市场之间的较量；这个市场包括 Nvidia GPU、AMD GPU，以及超大规模云服务商设计的芯片。Google 通过向云端销售多种硬件选择的访问，同时推广自家处理器，参与了竞争的两端。

HBM 供应商可从这些路径中获益，因为大多数先进加速器都需要高速存储器。然而，存储器设计胜出仍取决于验证、能效、封装、良率和交付时机。

HBM4 提高了赌注。它是为更快 AI 系统设计的下一代高带宽存储器。SK Hynix 表示，其 HBM4 产品在运行速度、效率和成本竞争力方面满足客户要求。

这一转变也带来了执行风险。新一代内存需要复杂的制造工艺，并与加速器设计商密切协作。当认证或出货耗时超过预期时，收入可能在不同季度之间发生转移。

这种可能性之所以重要，是因为外界对 SK Hynix 未达预期的一种解释涉及 HBM4 出货时点。如果主要问题是收入确认延后，那么第二季度的缺口对最终需求说明有限。它反而表明，估值对季度时点已变得多么敏感。

长期协议则带来了另一种反转。内存制造商数十年来一直艰难应对剧烈的价格周期。多年期客户合约能够稳定收入，并为产能规划提供支持。

然而，这些协议也可能阻止供应商充分享受突发涨价带来的收益。Korea Investment & Securities 在报告发布前估计，SK Hynix 的 HBM 收入占比较高，使其平均售价增幅低于竞争对手。该机构认为，这反映的是合约结构，而非需求疲软。

这种解释支撑了看涨观点，但并未消除估值疑问。稳定的盈利应当获得与波动性现货市场利润不同的评估。投资者必须决定，在短期上行空间不再那么爆发性时，他们愿意为可见性支付多高溢价。

AMD Google 这个关键词也吸引着寻找直接企业对决的读者。但更有价值的解读更为宽泛。AMD 销售通用加速器和处理器，而 Google 正日益掌控一个涵盖模型、云服务和定制芯片的垂直整合技术栈。

垂直整合型公司可以围绕自身硬件优化整个工作负载。面向市场的供应商则能够服务更多客户，并支持更多部署环境。两种路径都无法保证在每一类 AI 工作负载中获胜。

SK Hynix 的市场反应表明，投资者开始区分这些路径。硬件需求依然庞大，但资本不会在它们之间均匀流动。

创纪录数字仍无法证明什么

一次业绩未达预期无法证实 AI 正在下行，正如一个创纪录季度也无法保证永久性的超级周期。

看空解读始于预期。在内存价格异常高企的时期，SK Hynix 未达市场一致预期。如果在有利条件下业绩仍令人失望，怀疑者便可认为未来预测依然过于乐观。

产能投入增加了风险。根据一项行业评估，Samsung 和 SK Hynix 合计生产全球约三分之二的存储芯片。两家公司都在大举投资，以满足 AI 需求。

这些投资要求买家持续大规模下单。如果新产能投产后部署放缓，内存价格和利润率可能下降。该行业此前也经历过类似周期，即使当时推动需求的技术看上去具有持久性。

来自中国的竞争引入了另一层不确定性。中国内存生产商正在扩大影响力，国内芯片制造设备也在持续进步。这些公司无需立即超越 HBM 领军者，就能影响投资者预期。常规内存供应增加仍可能影响价格和资本配置。

看涨回应则始于实际需求。SK Hynix 的营业利润较上年同期增长超过六倍。Samsung 表示，需求增长速度超过其提升产能的进展。Micron 也报告了显著的收入增长和供应受限。

长期协议进一步证明，大型买家预期需求将持续存在。客户通常不会在预计基础设施需求即将崩塌时，谈判多年期供应承诺。

最有力且审慎的结论介于两种立场之间。AI 基础设施需求依然旺盛，但股市已对供应链的部分环节定价，仿佛有利条件会持续改善而不受干扰。

AI 使用量增长与 AI 基础设施带来的财务回报之间也存在差别。模型可以服务更多用户，而云服务商可能难以从每一套已部署系统中获得有吸引力的回报。更低的推理成本能够刺激使用量，但也可能加大硬件定价压力。

Google 的定制芯片能够降低其对外部加速器在适用工作负载上的依赖。Amazon、Microsoft 和 Meta 也在推进定制硬件策略。每一项举措都会增强其与面向市场供应商谈判时的筹码。

当买家寻求 Nvidia 的替代方案时，AMD 将从中受益，但它必须投资软件和完整系统，才能赢得这些部署。Google 可从更紧密的整合中获益，但定制芯片也带来设计、制造和采用风险。

Nvidia 也面临自身考验。其规模和生态系统赋予它定价能力，但客户也有强烈动机实现供应多元化。AI 基础设施预算增长越快，即使是适度的成本削减也越有价值。

无论哪家处理器设计商获胜，内存供应商都仍面临风险。不过，处理器架构会影响内存配置、认证进度和供应商份额。HBM 并非完全可互换的大宗商品。

投资者也应避免将单个交易日解读为运营层面的裁决。SK Hynix 发布报告前，半导体股票已经历剧烈波动。杠杆产品、拥挤仓位和获利了结，都会将市场波动放大到超出业务基本面变化的程度。

7 月的下跌发生在非同寻常的涨幅之后。SK Hynix 的美国上市融资 265 亿美元，让更多投资者能够直接投资该股票。更广泛的可及性可以改善长期流动性，同时也会提高短期内对全球风险情绪的敏感度。

因此，这份报告揭示了一个验证缺口。它确认了当前惊人的盈利能力，却未能确定这种盈利能力能维持多久。它显示出强劲的 AI 相关销售，但没有分离出此次未达预期中有多少源于合约、出货或需求变化。

这种不确定性才是故事的核心。市场不再将未达激进预测视为无关紧要的细节，即使已公布的数字创下纪录。

三个信号将决定 AI 交易能否复苏

下一阶段取决于 HBM4 的执行情况、超大规模云服务商的支出，以及替代加速器能否实现规模化的证据。

第一个信号是 SK Hynix 第三季度的 HBM4 收入。投资者需要看到，延迟出货是否主要只是时点问题。若收入显著加速，将强化第二季度未达预期并未反映客户需求走弱的观点。

这部分收入的质量同样重要。出货增加且利润率稳定，将支持长期协议能够维持盈利能力的看法。若出货增加却伴随利润率下降，则表明竞争或合约定价正在限制上行空间。

第二个信号是 Google 和其他超大规模云服务商的资本支出指引。支出计划将显示，云服务商是否仍在以半导体预测所假设的速度增加计算能力。

这些支出的构成将与总额同样重要。如果更多工作负载转向定制芯片，更大的预算并不必然有利于 Nvidia 或 AMD。但它仍可能支持 HBM 供应商、网络设备商和数据中心运营商。

对于 AMD Google 格局而言，采购细节将揭示市场是否扩张到足以支持多个处理器平台。AMD 在主要云平台中更广泛的可用性，将强化面向市场加速器的论点。TPU 采用速度加快，则会提升定制芯片的可信度。

第三个信号是 AMD 与大型 AI 客户的执行情况。已宣布的合作关系必须转化为已安装系统、软件采用和重复订单。投资者将寻找证据，证明 AMD 能够交付机架级部署，而无需迫使买家接受重大的运营妥协。

这一信号直接影响 Nvidia。AMD 部署成功将验证客户多元化策略，并降低对单一加速器供应商的依赖。执行不佳则会强化 Nvidia 的平台优势。

Micron 和 SK Hynix 将从另一个角度关注同样的部署。更多已安装的加速器应会增加 HBM 需求，但供应商分配将取决于产品认证和可用产能。

这些信号也可能削弱当前审慎的解读。强劲的 HBM4 出货、持续的超大规模云服务商支出，以及 AMD 的重复订单，将表明 7 月的抛售主要反映了仓位和极端预期。

相反的组合则会强化看空观点。HBM4 收入放缓、云预算趋于谨慎，或加速器部署延迟，都将表明供应链已跑在近期需求之前。

开发者和企业买家也应关注，因为市场压力往往会改变产品可用性和平台策略。更激烈的竞争可以扩大硬件选择，但供应商收缩可能减少支持或延迟部署。

评估 AI 基础设施的团队应追踪实际工作负载需求，而非仅仅关注股价波动。模型规模、延迟、软件兼容性和数据治理决定了 GPU 或定制加速器是否适合某项部署。

他们还应保留供应商决策背后的证据。一个可搜索的知识库能够在条件变化时，将基准测试记录、架构决策和供应商声明关联起来。

眼下的问题不是 AI 计算是否会继续增长，而是这种增长能否仍满足已嵌入 Nvidia、AMD、Micron、SK Hynix 和 Google 估值中的预期。

关注下一批 HBM4 出货、云资本预算和量产规模的 AMD 部署。这些信号将共同表明，此次抛售是一次估值重置，还是更深层硬件放缓的开端。