AMD Google 需求面临三项严峻的 AI 财报考验

AMD 的 Google 需求在 8 月初显现出明显矛盾：AI 收入正在快速增长，但投资者如今要求证明，这些支出能够带来可持续回报。AMD 报告了创纪录的季度营收，Palantir 展现出加速的软件增长，SpaceX 则揭示了建设实体 AI 基础设施的成本。

这些业绩覆盖了 AI 市场的三个不同层面。Palantir 销售将模型与运营数据连接起来的软件。AMD 提供处理器和完整的计算系统。SpaceX 则在一个资本密集型架构下，结合连接服务、发射服务和不断扩大的 AI 业务。

这一比较之所以重要，是因为强劲需求已不再保证市场给予积极反应。Palantir、AMD 和 SpaceX 都实现了显著增长，但投资者对它们的财报反应各不相同。分界线不在于 AI 是否吸引了客户，而在于每家公司将需求转化为利润率、现金和可信未来收入的效率。

Google 提供了一个有参考价值的基准。其云业务在实现可观营业利润的同时快速增长，展示了经验证的 AI 基础设施需求在大规模运营下可能呈现的样貌。AMD 与 Google 的关系也说明了一个更严峻的事实：供应商必须在云平台内部赢得实际部署，而不能只是宣布雄心勃勃的产品路线图。

三份财报将 AI 需求变成了会计层面的考验

这一财报季将笼统的 AI 故事，拆解为三项不同的经济转化考验。

Palantir 来自软件层面，其扩张所需的实体基础设施相对较少。其第二季度营收达到 19.4 亿美元，同比增长 93%。美国商业营收增长 149%，调整后自由现金流达到 12.2 亿美元。

这些数字表明，部分企业 AI 实验正在转变为实际运营部署。Palantir 的 Artificial Intelligence Platform 帮助组织将模型与内部数据和业务流程连接起来。该公司能够在无需制造处理器、建设数据中心或发射卫星的情况下扩大使用规模。

这种轻资产模式为 Palantir 提供了从客户采用到现金生成的直接路径，但也提高了市场预期。投资者需要看到证据，证明快速增长来自可复制的部署，而非数量有限的异常大额合同。

该公司报告的毛利率压力值得关注。根据其季度披露和财报说明，Palantir 为一家政府客户承担了云托管成本。这一安排表明，即便是软件供应商，当合同要求其托管工作负载时，也可能获得基础设施敞口。

Palantir 还确认了一项与其持有的 SpaceX 股份相关的未实现收益。这一贡献支撑了报告利润，但并非来自额外软件销售。因此，投资者需要将运营进展与投资价值变动区分开来。

AMD 面临的是另一项考验。其第二季度业绩显示，营收为 115.4 亿美元，同比增长 50%。数据中心营收达到 67 亿美元，增长 107%，占公司总营收的 58%。

这家芯片制造商还报告了 54% 的 GAAP 毛利率和 56% 的非 GAAP 毛利率，两项指标均较上一季度改善。AMD 预计第三季度营收约为 130 亿美元，上下浮动区间为 3 亿美元。

这些数字证实了需求的存在，但并未终结关于 AMD 相对于 Nvidia 市场地位的争论。客户可以在系统发货、软件投入生产以及供应商确认收入前数年宣布未来产能计划。

SpaceX 呈现了同一挑战中最沉重的版本。其上市后的首份财报覆盖火箭、卫星连接服务和 AI 基础设施。根据已披露业绩，营收增长 92%，至 78.1 亿美元。

连接业务创造了 42.9 亿美元营收，AI 部门贡献 25.6 亿美元，太空运营业务增加了 9.62 亿美元。该公司将季度净亏损从 10 亿美元缩减至 5.41 亿美元。

然而，SpaceX 股价在盘后交易中下跌超过 8%。投资者关注 Starship、卫星、电力和数据中心所需的资本。市场反应表明，当投资需求同步增长时，更高营收并不能解决回报问题。

因此，Palantir、AMD 和 SpaceX 都通过了同一项需求测试，却面对不同的会计现实。软件采用可以迅速创造现金；芯片承诺必须转化为已发货的系统；实体基础设施则必须产生足以覆盖多年建设和运营成本的收入。

为什么 AMD Google 需求不只是一个客户故事

Google 有助于验证 AI 基础设施需求，但其规模也提高了 AMD 必须达到的标准。

Alphabet 报告称，Google Cloud 第二季度营收增长 82%，至 247.7 亿美元。云业务营业利润达到 88.1 亿美元，高于一年前的 28.3 亿美元。这种增长与营业利润的组合，为企业 AI 需求提供了异常清晰的证据。

Google 将这一加速归因于企业 AI 基础设施、AI 解决方案和核心云服务。该公司表示，Gemini 模型每分钟处理 220 亿个 API token。它还报告称，Gemini 应用的月活跃用户数达到 9.5 亿。

这些都是公司自行披露的指标，并未揭示每一次模型请求的盈利能力。但它们仍显示，AI 工作负载正在以极大规模流经真实的消费者和企业系统。

Alphabet 的季度文件还显示，合并营收为 1198 亿美元，同比增长 24%。Google Services 增长 15%，而 Google Search 及其他营收增长 17%。

这对 AMD 很重要，因为云服务提供商会采购多种计算基础设施。GPU 可加速模型训练和推理，后者是指根据训练完成的模型生成答案的过程。服务器 CPU 则负责通用计算、数据准备、存储协调以及许多周边工作负载。

AMD 同时销售这两类产品。其 EPYC 服务器处理器已部署于包括 Google Cloud 产品在内的主要云服务中。即便云服务商在特定 AI 任务中采用自研加速器，这一布局也让 AMD 能够获得工作负载增长带来的机会。

不过，AMD 与 Google 的关系并非独家合作。Google 为自身 AI 基础设施设计了 Tensor Processing Units，即 TPU。它也提供 Nvidia GPU，并在其云平台上支持其他处理器架构。

因此，AMD 是在一个不断扩大的系统中争夺份额，而不是控制整个系统。赢得虚拟机部署可以带来持久的 CPU 需求；赢得加速器产能则需要软件兼容性、供应可靠性，以及完整机架层面的有利经济性。

ROCm 是这一努力的核心。ROCm 是 AMD 用于编程和运行其加速器的软件平台。开发者评估硬件时，往往不仅看处理器规格，还会看库、工具、优化模型和支持服务的可用性。

AMD 发布了 ROCm.ai，作为在其平台上构建和优化工作负载的开发者环境。它还推出了 Helios，这是一套结合加速器、CPU、网络和软件的机架级系统。

机架级系统将整个服务器机架视为一个协同工作的计算单元。这种方法有助于供应商将电力、网络、内存和冷却作为一体化设计处理。Nvidia 也曾运用类似的系统策略来强化客户采用。

AMD 表示，Anthropic、Meta、Microsoft、OpenAI 和 Oracle 等组织正在部署或计划部署与 Helios 相关的系统。这些说法证明了需求管线的存在，但投资者仍需要看到已确认收入和可持续的利润率。

Google 的业绩提高了这一标准，因为它展示了买方能够以多快速度将基础设施变现。云营收不只是增长，Google Cloud 在支持内部和外部 AI 工作负载的同时，正在创造不断扩大的营业利润。

因此，对 AMD 而言，下一个里程碑并不是又一项关于云端兴趣的笼统表态，而是证明超大规模云服务商的部署能够转化为可复制的加速器营收，且不会牺牲毛利率。

AMD Google 的故事处于这场更大竞争之中。Google 可以在最适合各自用途的场景中使用 AMD CPU、自研 TPU、Nvidia GPU 和其他硬件。AMD 必须证明，其产品值得在这一混合环境中获得不断增加的份额。

Palantir 展示了 AI 进入日常运营后会发生什么

Palantir 的业绩表明，软件能够更快地将 AI 变现，因为客户为运营成果付费，而不只是为计算能力付费。

Palantir 处于应用层。其平台结合组织数据、软件控制和 AI 模型，使员工能够在现有运营中使用模型输出。例如，一家制造商可以将生产计划、库存和维护记录连接到由 AI 辅助的工作流程中。

这种模式不同于销售原始计算能力的访问权限。客户购买的是一套旨在支持决策、流程和受控行动的系统。其价值主张取决于软件能否改变可衡量的工作成果。

Palantir 的美国商业业务增长表明，更多组织正超越孤立的试点阶段。149% 的增长建立在此前已相当可观的增长基础上。该公司还报告了强劲的政府需求，受到国防和公共部门项目的支持。

其经济模式看起来颇具吸引力，因为软件在部署后可以跨用户和工作流程扩展。Palantir 不需要为每位客户新建一座晶圆厂。它可以使用合作伙伴提供的云基础设施，并通过其商业模式转嫁部分成本。

不过，实施仍然是一个限制因素。企业数据往往存在格式不一致、访问受限和记录不完整等问题。当底层权限或信息不可靠时，AI 应用无法产生可靠的运营决策。

Palantir 的平台通过本体解决这一问题。本体是对组织实体、关系和允许操作的结构化表示。该本体能够将模型输出与订单、车辆、组件或人员等业务对象连接起来。

这种方法可以让 AI 在受控工作流程中发挥作用，但也可能形成漫长的部署过程。客户必须整理数据、定义权限、验证操作，并改变既有工作方式。

核心问题在于可复制性。Palantir 需要证明，新部署能够发展为更广泛的合同，而无需投入异常大量的定制工作。如果实施成本几乎同样快速地上升，高增长的吸引力就会减弱。

其面向一名政府客户的托管安排说明了这种风险。Palantir 承担了持续的云成本，影响了毛利率。这一决定可能有助于维系一份重要合同，但也让软件作为纯粹轻资产业务的形象变得更复杂。

投资者还应将合同价值与已确认收入区分开来。已签署的协议可能包含未来选择权、终止条款和部署里程碑。这些条件会影响预期价值何时、甚至是否会反映在财务业绩中。

不过，Palantir 提供了 AI 进入日常运营的最清晰案例。AMD 在客户订购计算系统时看到需求。Palantir 则在组织将模型连接到决策与受控行动时看到需求。

这一差异解释了为何其财报获得了更强烈的市场反应。该公司将高速增长与可观的现金创造能力结合起来。它展示了从采用 AI 到获得财务回报之间更少的环节。

这一结果并不能证明每个企业 AI 项目都会成功。Palantir 的客户基础、政府业务敞口和实施模式都具有其业务特性。其他应用供应商可能面临更低的转换成本，或拥有价值较低的数据访问权限。

Palantir 同样面临估值风险。极快的增长可以支撑高预期，但客户扩张或业绩指引的任何放缓，都可能迅速改变市场的判断。强劲的运营业绩并不能消除这种敏感性。

对于企业采购方而言，教训很实际：当 AI 部署进入具备明确访问控制和可衡量使用效果的经常性工作流时，才会具有经济意义。仅靠模型质量并不能带来这一结果。

团队还需要在决策背后具备可检索的上下文。维护良好的 AI knowledge base 可以帮助知识工作者保留文档、比较主张并追溯结论，同时不取代企业治理机制。

SpaceX 揭示实体 AI 基础设施背后的成本

SpaceX 表明，即使增长非同寻常，当新基础设施消耗现金的速度快于投资者衡量其回报的速度时，业绩也可能显得不足。

SpaceX 旗下业务的资本需求差异很大。Starlink 通过卫星网络产生经常性连接服务收入。发射服务出售进入太空的机会。Starship 则需要持续投入研发、测试和制造。

该公司的 AI 业务又增加了一层昂贵的投入。数据中心需要处理器、网络、电力、土地、冷却系统和持续维护。由于加速器性能变化很快，它们还需要频繁升级硬件。

SpaceX 报告称 AI 收入增长 247%，达到 25.6 亿美元。这一增速看起来引人注目，但仅凭收入增长并不能证明单位经济效益具有吸引力。投资者需要了解每单位计算能力的生产成本，以及客户对这些能力的使用程度。

资本支出通常简称为 capex，指对数据中心、卫星和制造设备等长期资产的投资。自由现金流衡量的是扣除运营费用和资本投资后剩余的现金。

市场反应表明，投资者优先关注这种现金关系。SpaceX 的收入高于预期且亏损收窄，但财报发布后其股价仍然下跌。支出计划盖过了亮眼的业绩表现。

SpaceX 表示，其持有 1,000 亿美元现金和有价证券，并报告了 475 亿美元的订单积压。这些数字提供了融资能力和未来需求的可见度，但并不能消除执行风险。

Elon Musk 告诉投资者，SpaceX 预计到 2027 年底拥有最高 10 吉瓦的计算能力。吉瓦是衡量电力的单位，而如此规模的数据中心计划需要大量配套基础设施。

该公司还表示，将完全使用 Nvidia 芯片建设其 AI 基础设施。这一决定对 AMD 尤其重要。它表明，快速增长的 AI 运营商可以验证整体需求，同时将其加速器支出投向 AMD 最大的竞争对手。

Nvidia 的优势不仅在于处理器性能。其 CUDA 软件环境、开发者工具、网络产品和集成式服务器设计降低了部署摩擦。在快速建设产能时，买方往往看重这种运营确定性。

AMD 的 Helios 和 ROCm 战略直接针对这一系统性缺口。该公司希望客户评估完整部署方案，而非孤立的加速器。SpaceX 的决定显示，这一转变仍然十分困难。

这正是 AMD 与 Google 的比较变得有用之处。Google 运营着混合计算环境，可以将不同处理器匹配给不同工作负载。SpaceX 则为其计划中的 AI 扩张选择了更集中的路线。

两种方法都不能保证带来更优回报。混合环境可以降低对供应商的依赖，但会增加工程复杂性。单一供应商战略可以简化部署，但会提高集中度和采购风险。

SpaceX 还面临内部资本竞争。投入 AI 数据中心的一美元，无法同时用于资助另一座发射设施或卫星项目。管理层必须决定哪些项目获得资源，以及何时获得资源。

因此，Starlink 的现金创造能力对整个结构至关重要。强劲的连接服务增长可以为其他领域的投资提供资金。订户增长放缓、卫星更换成本上升或利润率走弱，都会收紧这种能力。

AI spending debate 现在聚焦于这种转化。投资者越来越希望在奖励大型基础设施计划之前，看到经营现金流、已签约需求和利用率数据。

SpaceX 的规模使其比专注于 AI 的初创公司拥有更多选择。火箭、卫星连接服务和数据服务可以相互强化。然而，这种整合也让财务状况更难评估。

这份财报带来了明确的现实检验。实体 AI 基础设施可以带来快速的收入增长，同时仍是一项资本要求很高的投入。每增加一座设施、一份电力协议和一次硬件采购，需求与回报之间的距离都会扩大。

真正的分界线是转化，而非 AI 敞口

这三家公司表明，如果不了解需求如何转化为收入、利润率和现金，AI 敞口本身意义不大。

Palantir 将客户工作流转化为软件收入。AMD 将云服务商和实验室的承诺转化为已交付的处理器和系统。SpaceX 则将基础设施投资转化为连接、发射和计算服务。

每种转化都有不同的延迟。软件可以在客户完成部署后扩大规模。半导体收入取决于产品成熟度、制造供应、客户安装和软件支持。

实体基础设施还增加了建设、电力、利用率和融资要求。一个项目可能吸引客户，但需要数年才能收回初始投资。这一时间线改变了投资者解读增长的方式。

Google 展示了一种相对成熟的转化模式。其云基础设施支持企业客户、AI 应用和其他服务。该季度，Google Cloud 实现了 82% 的收入增长和 88.1 亿美元的营业利润。

这一结果并不意味着 Google 每一美元的 AI 支出都已产生回报。Alphabet 在该季度为基础设施和全球算力筹集了大量资本。其披露也表明，共享的 AI 研究带来了显著的公司层面费用。

不过，云业务营业利润为投资者提供了一座从支出到回报的可见财务桥梁。Google 还可以通过搜索广告、订阅、云服务和应用程序接口将 AI 变现。

AMD 与终端用户并不存在这种直接关系。客户购买处理器或完成系统采购时，它才获得收入。最终回报属于运营相关工作负载的云服务商、AI 实验室或企业。

这带来了需求集中风险。一小群超大规模云服务商控制着先进 AI 基础设施支出的很大一部分。它们关于自研芯片、Nvidia 系统和 AMD 部署的决定，可能显著影响供应商收入。

因此，AMD 与 Google 的关系既代表机会，也构成约束。Google Cloud 的增长扩大了服务器处理器和加速器的可用市场。Google 的内部芯片也限制了“所有云业务增长都会同等利好外部 GPU 供应商”这一假设。

AMD 的业绩显示出实质性进展。数据中心收入增长超过一倍，利润率改善，管理层预计增长将持续。该公司还与 Anthropic 和 Microsoft 达成了重要合作。

不过，已宣布的吉瓦数并不等同于已交付的产能。客户可以调整安装进度、转移工作负载，或改变硬件组合。供应限制和软件性能也可能影响出货时间。

Palantir 面临的是另一种集中度问题。大型政府和商业合同可以推动快速扩张，但数量有限的协议可能影响季度增长。托管义务也可能将基础设施成本重新转移给供应商。

SpaceX 拥有最长、最复杂的转化路径。它必须先建设基础设施，客户才能大量使用。其 AI 业务还要与 Starship 和卫星项目争夺资本和管理层注意力。

因此，最有价值的比较是承诺与财务转化之间的对比。三家公司都能指出需求所在。只有已报告的收入、利润率、现金流和持续利用率，才能揭示这些需求的质量。

这一标准也改变了竞争分析。Nvidia 仍是领先的加速器供应商，但 AMD 无需在所有领域取代它，也能建立可观的业务。AMD 需要的是可重复部署的场景，在这些场景中，客户看重价格、内存、系统设计或供应商多样性。

Google 的 TPU 提供了另一条路径。定制芯片可以减少特定工作负载对商用加速器的依赖。Amazon 和 Microsoft 也在开发内部芯片，进一步加大了 AMD 和 Nvidia 所面临的压力。

软件供应商也面临各自的替代选择。企业可以直接在云平台上构建应用、使用专业供应商，或采用 Palantir 的集成方案。每种选择都会改变实施工作量、控制程度和转换成本。

基础设施运营商可以选择集中式或混合式硬件战略，也可以租用算力而不是自行建设。这些决策会影响利用率、融资和部署速度。

AI 市场并未选出一个普适的赢家。它正在为软件、芯片、云服务和实体基础设施设定不同的财务标准。增长更快却没有更强转化能力的公司，将面临更严苛的问题。

下个季度必须确认什么

三个信号将决定这些财报是否标志着持久进展，还是 AI 预期的又一个高点。

第一个信号是 AMD 第三季度的数据中心表现。AMD 预计总收入约为 130 亿美元，非 GAAP 毛利率接近 56%。若达到这一预期，将支持管理层关于数据中心销售正在加速的说法。

构成与总额同样重要。投资者需要看到证据表明，Instinct 加速器部署正与 EPYC 服务器处理器一同贡献业绩。更广泛的产品组合将显示，AMD 正在整个 AI 系统中展开竞争，而非主要受益于通用服务器需求。

利润率将揭示这种增长的成本。稳定或改善的利润率将表明，AMD 能够在不过度折扣或承担过高部署费用的情况下扩展新系统。较弱的利润率则可能意味着竞争正变得更加昂贵。

第二个信号是超大规模云服务商的实际部署。与 Anthropic、Microsoft、Meta、OpenAI 及其他客户有关的公告描述了可观的未来产能。接下来的考验是，这些项目能否按计划投入生产。

Google 也应继续纳入观察范围。新的 AMD Google 云实例或加速器可用性，将强化大型平台希望建立多元化处理器基础的判断。若更依赖 TPU 或 Nvidia 系统，则会削弱这一解读。

开发者同样会关注 ROCm 支持。更好的兼容性、文档和模型优化，能够降低选择 AMD 的工程成本。即使 AMD 硬件看起来具备竞争力，持续存在的软件差距仍会维持 Nvidia 的优势。

第三个信号是 AI 基础设施公司资本支出与自由现金流之间的关系。SpaceX 提供了近期最清晰的案例，因为其计划涵盖计算、能源、卫星和火箭。

AI 收入增长只有在亏损持续收窄、利用率不断提升的情况下，才能支撑扩张。支出加速而回报不够明确，则会加深市场对基础设施建设跑在需求前面的担忧。

Palantir 则提供了反例。其下一份财报应显示商业业务增长是否依然广泛，以及托管成本是否继续对毛利率施压。强劲的现金创造能力将进一步证明销售运营软件的优势。

这些信号应结合起来解读。AMD 需要客户部署系统。Google 和其他云服务商需要能将这些系统变现的工作负载。Palantir 需要企业把这些工作负载转化为持续的运营价值。

三层框架依然有用，因为它追踪了资金如何流经软件、芯片和基础设施。它避免将所有拥有 AI 收入的公司视为财务状况等同。

对开发者而言，眼下的问题是平台可用性。更多生产环境部署可以改善库、托管选择和硬件竞争。采用受限则可能让开发继续集中在单一软件环境周围。

企业买家应关注部署证据，而不只是供应商公告。应询问系统是否可用、工作负载能否可靠运行，以及总运营成本是否符合所承诺的效率。

知识工作者应聚焦运营使用。Palantir 的业绩表明，当 AI 进入受治理的工作流程和可信的组织数据时，便能创造可衡量的价值。脱离日常工作的模型仍只是一次实验。

投资者在更大尺度上也面临同样的纪律。收入增长固然重要，但通向现金的路径更重要。软件、处理器和实体基础设施在需求转化为回报前，所需的时间和资本各不相同。

AMD 与 Google 的故事仍将是一个重要指标，因为它连接了一家主要处理器供应商与 AI 计算领域最大的买家和建设者之一。它也揭示了内部芯片、Nvidia 系统和混合云架构之间的竞争现实。

未来一个季度，应关注已交付的 AMD 系统、持续的 Google Cloud 盈利能力，以及基础设施现金转化的改善。这些信号合在一起，将显示 AI 需求是否正在成为一个可持续的商业周期。

核心问题已不再是组织是否希望采用人工智能。财报已经回答了这一点。更难的问题是，哪些公司能够提供有用的产能、获得经常性收入，并在不削弱自身经济基础的前提下为下一轮扩张提供资金。