AMD 与 Google 的需求提振 Intel 和 NVIDIA，但 AI 芯片涨势掩盖了更广泛的竞争

周三开盘时，AMD、Google、Intel 和 NVIDIA 释放出一个引人注目的信号：尽管它们在同一市场的不同环节展开竞争，多只 AI 概念股仍同步上涨。这一走势紧随多份财报而来，报告显示处理器、加速器、服务器和云基础设施领域的数据中心需求依然强劲。它也挑战了这样一种观点：AI 硬件上的每一美元投入都只能造就一个赢家。

这轮上涨并不只是某一家芯片制造商业绩超预期所致。AMD 在此前一周公布了创纪录的季度营收，而 Intel 的客户端和数据中心产品实现了更快增长。NVIDIA 最新的业绩则早已为加速器需求设立了高得多的标杆。

Google 为这一故事提供了另一项关键线索。其不断增加的基础设施投入显示，客户可以同时支持 NVIDIA GPU、AMD 处理器、Intel CPU，以及 Google 自研的张量处理单元。因而，AMD 与 Google 的关系意义并不限于一项云产品公告。它说明，超大规模云服务商正在构建混合系统，而不是为所有工作负载只选择一家供应商。

但这并不意味着三家芯片制造商处于同等地位。NVIDIA 仍是用于训练和运行大型 AI 模型的加速器主导供应商。AMD 正从服务器 CPU 扩展至规模更大的加速器部署，Intel 则围绕 CPU、制造能力和企业基础设施进行重建。

真正的问题是，在竞争差异重新成为焦点后，持续扩大的 AI 需求能否继续带动这三家公司共同上涨。

上涨源于需求证据，而非共同胜利

周三的涨幅反映了市场对 AI 基础设施市场重拾信心，而非证明 AMD、Intel 和 NVIDIA 已处于对等位置。

8 月 12 日，大盘收盘时接近历史高位。据对周三市场上涨行情的报道，标普 500 指数上涨 0.3%，纳斯达克综合指数上涨 0.5%。多家供应商公布的春季业绩强于分析师预期后，AI 基础设施公司领涨市场。

Super Micro Computer 提供了最直接的催化剂。该公司生产整合处理器、加速器、内存、网络、散热和存储组件的服务器。其最新利润超过分析师预期后，股价跳涨。

这一结果对芯片投资者很重要，因为服务器厂商处在硅芯片供应商与数据中心运营商之间。服务器制造商若没有获得足以支撑完整系统销售的客户需求，就无法确认强劲销售额。因此，较好的服务器业绩支持了这样一种观点：AI 支出正进入部署阶段。

市场也从 AMD 获得了新的证据。该公司报告第二季度营收为 115 亿美元，同比增长 50%。其数据中心业务受益于对 EPYC 服务器处理器和 Instinct 加速器的更强需求。

AMD 的季度增长并非仅来自 AI 加速器。客户端处理器及其他产品也有贡献，而游戏业务营收则朝相反方向发展。这种混合表现很重要，因为创纪录的营收标题并不能揭示哪些产品线拥有最佳利润率。

Intel 此前已公布第二季度营收为 161 亿美元，同比增长 25%。客户端和数据中心处理器需求为该公司带来支撑，尽管重组和制造投资仍持续拖累其报告利润。

NVIDIA 则以近期最强劲的增长数据进入这轮上涨。其 2027 财年第一季度营收达到 816 亿美元，同比增长 85%。根据其季度业绩，数据中心营收达到 752 亿美元，同比增长 92%。

这些数字表明，AI 基础设施周期并未停滞。不过，它们也揭示了 NVIDIA 与竞争对手在加速器营收方面的巨大差距。

同步上涨可能发生，是因为投资者正在重新评估市场规模。这并不要求他们认定每家供应商都会获得相同的份额。如果预期中的 AI 基础设施支出池扩大，即使其中一家公司仍遥遥领先，几家公司也都可能受益。

这一区别解释了市场的反应。投资者并没有抹去竞争层级，而是在增强对需求能够支撑 AI 计算堆栈不止一个层级的信心。

为什么 AMD 与 Google 的基础设施合作如今至关重要

AMD 与 Google 的关联表明，云服务运营商如何将需求分散到不同的处理器、加速器和自研芯片上。

Google Cloud 向客户提供多种硬件架构选择，其中包括 NVIDIA GPU、Google 张量处理单元即 TPU，以及由 AMD 服务器 CPU 驱动的虚拟机。TPU 是一种专为机器学习计算设计的专用加速器。

AMD 在其第一季度文件中表示，Google Cloud 推出了使用第五代 EPYC 处理器的 H4D 虚拟机。AWS、Microsoft Azure 和 Tencent 也在此期间宣布推出新的或扩展的基于 EPYC 的服务。

这些部署之所以重要，是因为一项 AI 服务所需的不只是执行最大规模矩阵计算的加速器。它还需要 CPU 来准备数据、调度任务、控制存储、管理网络，以及处理部分推理任务。

推理是指利用经过训练的模型生成答案、分类结果或预测的过程。随着 AI 产品吸引更多用户，推理可为加速器和主机处理器同时带来持续需求。

AMD 报告第一季度数据中心营收为 58 亿美元，同比增长 57%。该公司在其财务文件中将这一增长归因于 EPYC 处理器和 Instinct GPU 的持续出货。

这一组合让 AMD 获得了进入云数据中心的两条路径。它既可以供应连接至其他公司加速器的 CPU，也可以销售更完整的 AMD 计算平台。第一条路径无需 AMD 取代 NVIDIA，也能产生收入。

Google 同样有理由维持多种硬件选择。其自研 TPU 可以为特定工作负载提供对性能、供应和运营成本的控制。NVIDIA GPU 提供广泛的软件支持，并可接触庞大的开发者群体。AMD 则为 Google 提供了另一种 CPU 和加速器来源。

Alphabet 的第二季度业绩强化了这一战略的规模。营收同比增长 24%，Google Cloud 营收增长 82%。根据该公司的业绩说明，云业务积压订单达到 5140 亿美元。

积压订单代表尚未确认的已签约收入。这并不保证每项承诺都会按原定时间表转化为收入。不过，这种增长仍有助于解释 Google 为何持续扩大计算能力。

Alphabet 表示，其基础设施产品组合包括 Google 加速器和 NVIDIA 系统。公司还强调支持多种软件框架，使客户能够在 GPU 和 TPU 之间迁移更多工作负载。

这正是 AMD 与 Google 关系所传递的核心信号。Google 并未将其云业务押注于单一芯片架构，而是试图提供足够多样的硬件，以吸引拥有不同模型、预算、软件依赖关系和部署时间表的客户。

这种方式扩大了供应商的机会，但也增强了 Google 的议价地位。拥有自研芯片和多家外部供应商的云服务运营商，对任何单一产品路线图的依赖都会降低。竞争可以改善供应可得性，并降低单一产品延期阻碍数据中心建设的风险。

当这种多样性带来更多 EPYC 实例或 Instinct 部署时，AMD 将从中受益。当客户需要其完整的加速计算平台时，NVIDIA 将从中受益。当通用处理和企业兼容性仍然重要时，Intel 将从中受益。

云服务提供商则受益于让所有这些选择保持开放。

NVIDIA 仍定义 AI 加速器标杆

更广泛的需求为 AMD 和 Intel 创造了空间，但 NVIDIA 的营收和软件地位仍定义着竞争标杆。

NVIDIA 的 2027 财年第一季度业绩规模与其竞争对手不在同一量级。该公司在截至 4 月 26 日的季度中实现总营收 816 亿美元，仅数据中心业务就贡献了 752 亿美元。

这些数字分别代表 85% 的年度营收增长和 92% 的数据中心业务增长。NVIDIA 还报告了 74.9% 的 GAAP 毛利率。毛利率衡量的是扣除直接生产成本后留存的营收比例。

这一利润率很重要，因为半导体竞争并不只由出货量增长决定。供应商必须将需求转化为足够的利润，以资助未来的芯片设计、网络产品、软件和制造承诺。

NVIDIA 已围绕 GPU、高速互连、网络、机架级系统和 CUDA 软件构建了集成平台。CUDA 为开发者提供了编写可在 NVIDIA GPU 上运行程序的工具。多年的采用使这一软件基础难以复制。

AMD 的 Instinct 加速器能够在特定工作负载上，就硬件性能和内存容量展开竞争。更困难的任务是，在模型框架、编排工具、库、网络和技术支持等方面，为客户提供同样可靠的体验。

AMD 一直在投资 ROCm——其用于 GPU 计算的开放软件平台。它也在构建结合加速器、CPU、网络和软件的机架级系统。客户采用情况将决定这些投资能否降低切换的运营成本。

Intel 的位置不同。其服务器 CPU 对通用计算仍然重要，其中包括协调加速器系统的主机处理器。Intel 也拥有加速器和晶圆代工方面的雄心，但尚未建立规模接近 NVIDIA 的数据中心 GPU 业务。

该公司第二季度营收增长，为 CPU 需求已经增强提供了证据。Intel 的财报公告也将其制造路线图和外部晶圆代工客户置于复苏计划的核心位置。

晶圆代工厂生产由其他公司设计的芯片。因此，Intel 的代工战略为其在 AI 基础设施中的角色创造了第二种可能性。它既可以销售自研处理器，也可以尝试为外部设计商制造芯片。

在客户规模变得可预测之前，这一模式需要大量资本投资。Intel 还必须说服潜在代工客户，相信其制造工艺、良率、工具和交付时间表能够满足商业要求。

Google 让三家供应商的竞争图景都变得更加复杂。其 TPU 为公司在部分模型训练和推理任务中提供了内部替代方案。其他超大规模云服务商也在开发定制加速器，通常瞄准那些通用 GPU 会带来不必要成本的特定工作负载。

自研芯片并不会自动取代商用芯片供应商。设计处理器只是第一步。云计算公司还必须确保制造产能、完成芯片封装、实现大规模互联、提供软件支持，并可靠地运营这些系统。

NVIDIA 的平台减轻了许多此类集成负担。这一优势解释了为何云服务提供商能够投资自研芯片，同时继续采购 NVIDIA 系统。

AMD 的机会并不只是造出更快的组件。它必须提供足够的性能、供应能力、软件兼容性和系统支持，才能证明部署第二个加速器平台是合理的。

Intel 眼前的机会更广泛。即使 Intel 不提供主要加速器，AI 使用量的增加仍可能带动 CPU 需求。然而，随着 AMD、基于 Arm 的处理器和云厂商自研 CPU 争夺相同的主机工作负载，该公司必须守住这一地位。

这些公司的股价一同上涨，是因为可服务市场看起来更大了。但它们的策略依然存在鲜明差异。

财报数字尚未解决的问题

强劲的季度增长并不能说明，AI 基础设施支出是否会为客户或供应商带来持久回报。

最大的未知数在于为数据中心买单的公司。Google、Microsoft、Amazon、Meta 和其他运营商在尚未确定每项部署最终能带来多少收入前，就已投入资本。

Alphabet 报告了强劲的云业务增长，但也增加了对服务器、数据中心和网络的投入。更高的资本支出最终会形成折旧费用，即在资产使用寿命内分摊其账面成本。

即使现金更早流出公司，这种会计影响仍可能压缩未来的营业利润率。这也意味着，一个强劲的营收季度并不能立刻回答每座新数据中心是否能获得有吸引力的回报。

Google 云业务 82% 的增长和不断扩大的积压订单，让投资逻辑更具可信度。不过，投资者仍需观察积压订单转化为已确认收入和现金流的速度。

芯片供应商还面临另一项风险：客户可能更高效地运行 AI 模型。更小的模型、改进的量化技术、更好的调度方式和更专用的芯片，都可能降低特定任务所需的计算量。

量化是一种通过采用低精度数值来降低模型内存和计算需求的方法。因此，即便使用量增长，同样的工作负载也可能变得更便宜。

效率提升并不总会减少硬件总需求。更低的成本可能鼓励公司将 AI 部署到更多产品中、服务更多用户，或运行更复杂的任务。经济学家通常将这种模式描述为：当一种资源变得更便宜时，需求会随之扩大。

结果取决于新增使用量的增长是否快于效率提升。芯片公司的预测普遍假设会是如此。这一假设在商业上仍然合理，但季度财报无法为整个投资周期确认这一点。

供应集中带来另一层不确定性。先进加速器依赖数量有限的制造商、封装供应商、内存生产商和网络厂商。任何一个组件延误，都可能拖累整套机架的交付。

随着 AMD 迈向更大规模的加速器部署，它也面临执行风险。宣布客户兴趣并不等同于已确认收入。系统必须按时交付、稳定运行，并与客户的软件完成集成。

该公司第二季度的营收增长支持其发展方向，但市场仍需要产品层面的证据。应关注云端可用性的扩大、重复订单，以及从评估阶段迈向生产部署的项目。

Intel 的风险则更具结构性。其 CPU 需求可以受益于 AI 周期，但公司同时在制造领域进行重投入。这使产品销售改善与维持有竞争力晶圆代工业务的成本之间形成张力。

Intel 表示，仍致力于其先进制造路线图。投资者必须结合外部客户承诺、制造良率和产能爬坡时间来评估这一说法。

NVIDIA 面临的压力有所不同。其领先地位带来定价和平台优势，但也带来了很高的预期。营收增长必须保持足够高，才能支撑这家庞大企业背后的投资假设。

该公司还面临 AMD 加速器和超大规模云厂商自研芯片日益激烈的竞争。Google TPU 无需在所有场景取代 NVIDIA 才能影响市场。它们只需对足够多的内部或云端工作负载具备吸引力，便能改变采购决策。

监管和出口管制进一步增加了不确定性。限制措施可能改变供应商能够在某些市场销售哪些处理器，也可能要求重新设计产品，或促使客户开发本地替代方案。

这些风险都不会否定周三的上涨。它们说明，单日行情应被视为需求信号，而非对长期赢家的最终裁决。

真正的竞争在于完整的 AI 系统

下一阶段的竞争将在系统层面见分晓，芯片、内存、网络、软件、电力和散热必须协同工作。

加速器本身很少能独立创造价值。大规模 AI 部署会将数千个组件组合成集群，使其像一台计算机一样运行。性能取决于数据在处理器之间传输的速度，以及整个系统保持在线的可靠性。

这种变化有利于能够协调多个层面的公司。NVIDIA 销售加速器、CPU、网络产品、互连技术和软件。其机架级策略为客户提供参考架构，减少集成工作。

AMD 正通过 Instinct 加速器、EPYC 处理器、网络资产和开放软件走向类似方向。它面临的挑战是，将彼此独立且具有竞争力的组件转化为适合大客户、可预测的系统。

Google 则采取另一条路线。它设计 TPU、运营全球云业务、采购商用硬件，并控制基础设施之上的大部分软件。这种垂直整合使 Google 能够为内部服务和外部客户选择不同的计算路径。

AMD 与 Google 的关系正契合这一系统级市场。由 EPYC 驱动的 Google Cloud 实例可以支持高性能计算、数据处理或与 AI 相关的工作负载，而无需使用 AMD 加速器。另一项服务则可以将不同的主机 CPU 与 NVIDIA GPU 结合使用。

客户通常较少在意每颗芯片上印着哪个标志，更关注吞吐量、可用性、软件兼容性、安全性和运营成本。这就是为什么仅凭基准测试领先并不能保证获得部署。

模型训练团队可能优先考虑完成训练所需的时间。在线服务可能更关心推理成本和响应延迟。受监管企业则可能优先考虑数据所在地、支持服务和可预测的更新节奏。

这些要求为异构计算留下了空间，即针对不同任务使用不同类型的处理器。CPU 处理灵活的通用工作，GPU 和 TPU 加速高度并行的计算，网络组件连接整个系统，而内存则向处理器提供数据。

如果异构系统持续需要大量高性能 CPU，Intel 就能保持相关性。AMD 可通过 EPYC 和 Instinct 两条产品线获得增长。NVIDIA 则可以通过让其平台比混合替代方案更易部署来巩固领先地位。

不过，系统层面的竞争也让云运营商拥有更大影响力。Google 可以将硬件封装在托管服务之后，让客户无需选择每一个底层组件即可使用算力。

这种抽象化可能会随着时间推移削弱芯片品牌影响力。开发者可能会请求某个性能目标或服务等级，而非特定处理器。随后由云服务提供商决定哪种硬件能够实现所需结果。

NVIDIA 的应对方式是扩大其软件和平台影响力。AMD 正提升软件可移植性，并与云计算公司合作推出新实例。Intel 则强调企业兼容性和制造选择。

电力可用性也将塑造这些选择。AI 数据中心需要大规模电力接入、冷却系统和建设周期。一款基准测试表现出色的芯片，如果其系统无法纳入站点的供电容量范围，仍可能失去部署机会。

客户将越来越多地比较单位电力所完成的有效工作量、总体部署时间和利用率。利用率衡量的是已安装系统的容量中，有多少在执行生产性工作，而非处于闲置等待状态。

市场上涨反映了整个链条中不断增长的需求。长期竞争的关键在于，客户将所有系统成本纳入考量后，哪些公司能够获取最多价值。

三个信号将检验 AI 芯片上涨行情

如果部署情况、云业务收入和产品路线图证实需求既广泛又持久，这轮上涨才会更具意义。

第一个信号是 NVIDIA 的下一份财报。投资者应将加速器增长与供应、利润率和管理层展望进行比较。数据中心业务再次大幅增长，将强化超大规模云厂商需求依然稳固的观点。

对 NVIDIA 增长构成的关注应与总量同样密切。网络、机架级系统和重复采购，能够揭示客户是否正在扩大完整部署，而非仅下达孤立的芯片订单。

增速放缓并不会自动终结 AI 基础设施周期，但会引发对部署时间、客户集中度，以及此前订单是否提前透支需求的疑问。

第二个信号是 AMD 将已宣布的平台转化为已确认加速器收入的能力。AMD 已报告了强劲的客户参与度，但投资者需要看到更大规模生产部署的证据。

云端可用性提供了一项有用指标。主要服务商推出更多基于 Instinct 的服务，将使开发者无需自行建设私有集群也能使用这些硬件。重复订单将提供更强的信号。

EPYC 的需求同样值得关注。即使 NVIDIA 提供加速器，AMD 仍可通过主机处理器参与 AI 基础设施。服务器 CPU 持续增长，将支持更广泛的 AMD-Google 投资逻辑，而无需假设 GPU 市占率快速提升。

第三个信号是 Google 的基础设施投入能否带来持续的云业务增长和积压订单转化。Alphabet 最近公布的数字很强劲，但其支出计划需要持续的客户需求作为支撑。

如果 Google Cloud 在扩大利润率和转化积压订单的同时维持高增长，公司将获得更有力的证据，证明其 AI 基础设施正在产生商业回报。这一结果将支持 CPU、GPU、网络、内存和服务器系统领域的供应商。

如果资本支出的增长快于云业务收入和现金生成，投资者的审视将加剧。届时，市场可能会更积极地区分那些与高效部署挂钩的供应商，以及那些受益于普遍乐观情绪的供应商。

Intel 的进展贯穿这三个信号。强劲的服务器需求将有利于其产品业务，而外部制造承诺则将验证其晶圆代工战略的一部分。延误将使该公司继续依赖较为狭窄的 CPU 复苏。

读者不应将这场竞争简化为某一天的股价表现。AMD、Intel 和 NVIDIA 一同上涨，是因为近期财报增强了市场对客户仍需要大量算力的信心。但这并未抹去它们在营收、软件成熟度、利润率、制造敞口或执行风险方面的差异。

最有价值的下一步，是按季度追踪这些差异。关注 NVIDIA 数据中心业务的增长、AMD 在生产环境中的部署，以及 Google Cloud 如何将基础设施支出转化为营收。AMD 与 Google 的合作关系只是更大体系中一个可见的组成部分：多款芯片都可能赢得订单，但只有少数平台能够获得持久的主导权。