AMD Google 猜测在 AMD AI 活动后面临更严峻考验

AMD 在 7 月 AI 活动前夕，股价正受分析师乐观情绪推动，但市场期待的 AMD Google 突破并未成为头条。相反，AMD 推出了首个机架级 AI 系统 Helios，并公布了涉及 OpenAI、Anthropic、Meta 和 Microsoft 的部署计划。

这种差异很重要。投资者希望看到 AMD 能够争取到另一家大型云客户，同时在整个数据中心机架层面挑战 Nvidia 的证据。AMD 给出了更广泛的技术和客户叙事，但 Google 仍未出现在其公布的 Helios 客户名单中。

由此引发的讨论，比简单地看多或看空 AMD 股票更有价值。AMD 现在拥有可信的硬件、大规模部署承诺以及更完整的软件战略。它仍需证明，这些要素能够构成可重复推广的 Nvidia 替代方案，尤其是在 Google 持续扩展自身 Tensor Processing Unit（TPU）基础设施之际。

AMD 的 AI 活动让 Helios 成为核心焦点

AMD 最重要的发布并非又一款独立加速器，而是试图销售围绕该加速器构建的完整 AI 系统。

在旧金山举行的 Advancing AI 2026 上，AMD 发布了 MI400 系列加速器、第六代 EPYC 服务器处理器、更新后的网络产品，以及 Helios 机架级平台。公司将这些组件定位为面向模型训练和推理的一体化基础设施堆栈。

机架级系统将机架视为主要计算单元。加速器、处理器、内存、网络和软件必须协同工作，而不是作为松散连接的服务器独立运行。

Helios 将 72 个 MI455X 加速器与 18 个 EPYC 处理器结合在一起。AMD 还提供 Pensando 网络产品及其 ROCm 软件平台，减少客户需要自行集成的关键组件数量。

这一架构让 AMD 更接近 Nvidia 当前的销售模式。Nvidia 不再仅通过单个 GPU 竞争，其系统将加速器、网络、处理器、库和部署工具整合为一体化平台。

AMD 表示，Helios 每美元可提供比领先竞品高出最多 30% 的推理 token 产出。它还称，MI455X 的 token 吞吐量是上一代 MI355X 的 34 倍。

这些是 AMD 自行测得的数据，并非独立的生产环境结果。它们确立了公司的性能目标，但并未解决应用层速度、利用率或部署成本的问题。

AI 发布详情还显示出该公司的推介方式已发生多大变化。AMD 不再要求客户逐一比较芯片，而是希望买家比较完整的计算系统。

这是一场更艰难的竞争，但它契合了先进 AI 基础设施当前的采购方式。大型客户关注的是数千个加速器范围内可用的模型吞吐量、内存容量、功耗要求、网络能力和软件可靠性。

AMD 的客户公告为这一战略增添了分量。Anthropic 计划根据一项多年工程合作，在 Helios 系统中部署最多两吉瓦的 MI455X 容量。

OpenAI 预计从 2026 年第四季度开始上线 Helios，并在 2027 年加快部署。Meta 已开始在 Helios 上验证工作负载，为更大规模的部署做准备。

Microsoft 也计划通过 Azure 使用 Helios。这一点很重要，因为云端可用性让更多开发者能够评估 AMD 硬件，而无需拥有或运营实体集群。

AMD 还宣布与 Cerebras 达成推理合作。该安排将面向低延迟处理的 Cerebras 系统，与为高吞吐量工作负载设计的 AMD 基础设施相结合。

这些关系均不保证广泛的商业成功。但它们表明，AMD 的 AI 定位已超越基准测试演示和有限实验。

因此，这场活动改变了围绕 AMD 的核心问题。问题不再是它能否制造出具备竞争力的 AI 加速器，而是它能否足够可靠地交付完整平台，从而赢得持续的生产工作负载。

这一问题也解释了为何缺少 AMD Google 公告会引起关注。Google 参与了更广泛的活动议程，但 AMD 并未在发布时重点展示的 Helios 客户中提及它。

出席会议可能表明技术合作、客户兴趣，或只是普通的行业参与。它并不能证明存在大规模加速器采购；在市场预期已经高涨时，这一区别尤为重要。

为何 AMD Google 预期在活动前升温

AMD Google 叙事之所以兴起，是因为投资者在寻找另一家超大规模客户，而不是因为任何一家公司确认了新的 Helios 部署。

Google 运营着全球最大的计算平台之一。它采购外部处理器和加速器，同时为自身服务和 Google Cloud 客户开发定制基础设施。

这使 Google 成为每一家数据中心供应商都希望争取的对象。AMD 的部署可在超大规模层面验证 Helios，通过 Google Cloud 扩大可及性，并减轻市场对于 AMD 依赖少数 AI 实验室的看法。

在 AMD 累积多项大型客户承诺后，相关猜测也随之出现。OpenAI、Meta、Oracle、Microsoft 和 Anthropic 为投资者提供了一种可据此推演的模式。

然而，推演并不等于确认。AMD 公布的发布材料列出了多家实验室、云服务商、制造商和基础设施公司。Google 并未出现在其列明的 Helios 采用者名单中。

Google 围绕 AMD 软件和开发者计划的参与，为合作提供了基础。Google 的模型、框架和云服务可以运行在多种硬件环境中，而无需让 Google 将 AMD 作为其核心基础设施平台。

在定制芯片领域，这一区别尤其重要。Google 多年来一直在开发 TPU，即围绕 Google 偏好的机器学习工作负载和软件环境设计的加速器。

TPU 是一种专用加速器，这意味着其设计目标是一组比通用 GPU 更狭窄的任务。当硬件、模型和软件协同开发时，这种专用化可以提高效率。

Google 也继续提供 Nvidia 基础设施。其战略并非在内部芯片和外部供应商之间二选一，而是可为不同客户、模型和容量需求部署多种硬件产品线。

近期的分析师说法强化了这一故事中定制芯片的一面。据报道，一项研究估计 Google 可能在 2028 年部署 1200 万至 1500 万个第九代 TPU。

这一预测尚未得到 Google 证实。其宽泛区间也说明，长期供应预测仍存在很大不确定性。

尽管如此，报道中的 TPU 计划说明了商用芯片公司面临的战略挑战。Google 可以将更多基础设施支出投向为 Gemini 及其内部软件量身定制的硬件。

因此，对 AMD 而言，Google 既是潜在客户，也是客户自给自足的一个例证。Google 的订单将强化 AMD 的市场地位，但 Google 内部加速器的增长可能会减少外部供应商可获得的需求份额。

这也是为何应当以不同于 AMD 已宣布与 OpenAI 或 Anthropic 合作的方式，来评估 AMD Google 猜测。这些 AI 实验室需要广泛的基础设施，却没有 Google 长达十年的定制加速器项目。

Google 还有另一项维持多元硬件阵容的理由。云客户带来的软件针对不同平台进行了优化，许多客户已经依赖 Nvidia 的 CUDA 环境。

CUDA 是 Nvidia 用于编程其 GPU 的软件平台。其库、工具和开发者熟悉度，仍是 Nvidia 抵御竞争硬件的最强防线之一。

AMD 的 ROCm 平台满足 AMD 加速器同样的基本需求。公司已改善框架支持、开发者工具和兼容性，但采用与否并不只取决于代码能否运行。

客户必须能够可预测地安装软件、在集群间迁移模型、诊断故障，并在无需长期工程投入的情况下恢复可接受的性能。这些运营细节往往决定基础设施采购。

即使内部优先使用 TPU，Google 仍可能受益于将 AMD 作为另一种云端选项。但这种情景仍需要通过公开实例可用性、客户访问权限、生产基准测试或确认的部署来证明。

在这些信号之一出现之前，AMD Google 仍是描述一段尚未解决战略关系的有用搜索词。不应将其视为已经完成的客户胜利。

分析师上调评级反映真实进展，也反映高昂预期

分析师的乐观情绪建立在更强的收入、客户承诺和可信的系统路线图之上，但也假设 AMD 能完成极具挑战性的扩张。

在业务业绩改善及 AI 承诺不断扩大后，多家研究机构上调了 AMD 的评级或展望。Bernstein 将 AMD 上调至跑赢大盘评级，理由是其竞争地位以及对大型客户增长的预期。

该机构也指出了 Helios 扩张、客户吸引力、供应、个人电脑需求以及 AI 基础设施支出可持续性等风险。这些警示是投资逻辑的核心，而非无关紧要的脚注。

AMD 报告称，2026 年第一季度营收为 103 亿美元，同比增长 38%。非 GAAP 每股收益增长 43%，达到 1.37 美元；非 GAAP 毛利率达到 55%。

这些业绩为分析师提供了 7 月产品活动之外的证据。在 Helios 成为生产规模的贡献因素之前，AMD 的数据中心处理器已经受益于云端和企业需求。

然而，分析师上调评级部分仍依赖于未来执行。OpenAI 的首批 Helios 系统计划于 2026 年末上线，其他大型部署则延续至 2027 年。

这造成了时间差。投资者可以立即为已宣布的容量估值，但 AMD 必须先制造、安装、验证并支持这些系统，才能确认完整的业务影响。

大型承诺也会带来集中度风险。少数 AI 实验室和云运营商可能占据相当大的需求份额，使其工程决策对 AMD 的增长产生异常显著的影响。

当模型、融资、电力接入或数据中心建设计划发生变化时，客户可能调整部署时间表。多年协议能提供一定可见性，但无法消除运营不确定性。

供应是另一项约束。MI455X 使用先进芯片制造、封装和高带宽内存。每一环节都依赖与其他 AI 处理器共享的稀缺产能。

高带宽内存（HBM）将内存置于加速器附近，以实现数据的高速传输。即使处理器需求依然强劲，其供应情况和封装要求也可能限制整机系统的出货量。

AMD 还必须协调机架中的其余部分。Helios 需要网络组件、EPYC 处理器、冷却系统、供电、系统制造和软件认证在相互兼容的时间表下到位。

分析师上调评级往往会掩盖故事中最棘手的部分。优异的产品规格并不自动意味着能够交付一个稳定运行、让客户以高利用率使用的机架系统。

利用率衡量的是可用计算能力中有多少真正用于生产性工作。低利用率可能抹去价格更低的加速器所带来的经济优势，因为昂贵的系统处于闲置状态。

因此，AMD 关于推理经济性的说法需要在客户层面得到验证。买家需要在计入软件调优、网络开销、能源、停机时间和工程支持后，比较总产出。

独立技术报道将 MI455X 称为 AMD 迄今为止对抗 Nvidia 最有力的尝试。这款芯片拥有 3200 亿个晶体管，采用 HBM4 内存，并配备集成度更高的机架架构。

其在多种用于 AI 推理的低精度格式下的理论性能颇具竞争力。不过，技术测试也强调，真实应用很少能够达到理论峰值吞吐量。

AMD 承认，软件和工作负载优化决定了客户能够释放多少性能。这一表态使 ROCm 的进展与芯片本身同等重要。

因此，分析师的争论并不在于 AMD 是否有所提升。这种提升已经体现在其产品、客户名单和现有财务业绩中。

尚未解决的问题是，投资者已经在多大程度上预期了未来的成功。即便竞争力更强，如果部署进度延后，或客户需要比预期更多的支持，仍可能令人失望。

Google 的定制芯片让 Nvidia 成为主要对手

AMD 的主要竞争仍是 AMD 对阵 Nvidia，而 Google 改变了两家公司能够覆盖的市场规模和形态。

Nvidia 通过硬件性能、网络、系统设计和软件的组合建立了自身地位。客户通常选择该平台，是因为他们的模型和工程流程已经依赖其工具。

AMD 当前的应对方式在结构上与之相似。Helios 提供完整机架，ROCm 提供软件层，Pensando 技术负责网络。

这使 AMD 成为比以往更直接的竞争对手；过去，买家需要自行组装更多系统组件。如今，该公司可以讨论系统吞吐量和部署经济性，而不再只是孤立的加速器规格。

Helios 也匹配 Nvidia 的 72 加速器机架规模。这种对称性使计划建设大型集群的客户更容易进行技术和财务比较。

内存容量是 AMD 强调差异化的领域之一。根据已发布的技术规格，一套 Helios 机架的加速器共配备 31.1 TB HBM。

更大的内存池可支持更大的模型或更多并发推理请求。但容量本身并不能决定实际可用性能，因为软件放置和数据移动仍至关重要。

Nvidia 仍保有多项优势：更大的装机基础、成熟的开发者工具、丰富的系统经验，以及与云服务提供商和设备制造商之间的关系。

评估 AMD 的客户必须权衡潜在效率与迁移工作量。即使常见框架支持 ROCm，专用内核和内部工具仍可能需要额外工程投入。

AMD 正尝试通过与模型开发者更紧密的合作来减轻这一负担。其与 Anthropic 的协议包括利用 Claude 协助优化 AMD 软件和工作负载。

OpenAI 也在硬件和软件层面开展合作，其中包括与 Triton 相关的工作。Triton 是一种编程框架，可帮助开发者编写经优化的 GPU 操作，而无需管理每一项底层硬件细节。

这些合作关系带来了宝贵反馈，也表明软件就绪度需要持续协同工程，而非一次性的兼容性公告。

由于其 TPU 代表了另一条路线，Google 使这场双公司竞争变得更加复杂。Google 不必从商用供应商处采购每一块加速器，而是可以围绕自身模型和数据中心设计硬件。

其他大型科技公司也在推进类似策略。Amazon 开发 Trainium，Microsoft 构建 Maia 加速器，Meta 也在研发自己的推理硬件。

定制芯片不必淘汰 GPU，也能改变供应商的经济格局。它们只需吸收可预测的内部工作负载中具有意义的一部分份额即可。

GPU 对灵活性、新模型架构和客户需求依然重要。定制加速器则可承担稳定工作负载，在这些场景中，更紧密的软硬件协调能够带来效率提升。

因此，AMD 面临双向压力：既要从 Nvidia 手中夺取份额，又要应对最大买家将部分支出转向内部设计。

这也解释了为什么 Google 客户公告会具有不同寻常的重要性。它将表明，一家拥有成熟定制芯片的公司仍认为 AMD 系统能够发挥重要作用。

没有这样的公告，并不能证明 Google 拒绝了 Helios。采购评估可能仍处于保密状态，云服务商也会在公开提供硬件之前例行测试。

不过，沉默不能得出与部署相同的结论。投资者需要看到已披露的服务、容量承诺或客户声明，才能将 Google 视为 AMD 加速器买家。

更合理的解读是，Helios 改善了 AMD 对 Nvidia 的竞争地位，却没有解决定制芯片的问题。Google 仍是这种未解压力最清晰的例证。

AI 活动仍未证明什么

AMD 已搭建起第二个全栈 AI 平台的轮廓，但此次活动并未证实其在多样化客户工作负载下的生产经济性。

供应商基准测试旨在展示有利的配置。它们可以为买家提供参考，但很少涵盖安装延误、软件故障、应用差异或持续运营所需的人力。

AMD 的每美元 token 产出说法尤其需要谨慎看待。Token 吞吐量会随模型规模、数值精度、批量大小、延迟目标和软件配置而变化。

针对最大吞吐量优化的系统，在用户要求快速响应时可能表现不同。企业工作负载也可能比原始 token 数量更优先考虑安全性、可用性或可预测的延迟。

第一个需要审视的是软件成熟度。AMD 表示，PyTorch、Hugging Face、vLLM 和 SGLang 支持 MI455X，覆盖了多个广泛使用的 AI 框架。

支持并不意味着每个模型都能立即以最佳性能运行。客户往往还依赖主框架之外的定制内核、调度层、监控系统和部署流程。

第二个考验是机架供应情况。AMD 表示 Helios 已投入生产，而主要客户部署将从 2026 年末延续至 2027 年。

生产状态并不能说明出货量、安装进度、验收测试或客户的实际可用容量。这些指标将决定 Helios 是成为广泛适用的平台，还是一系列定制化部署的集合。

第三个考验是客户集中度。OpenAI、Meta、Anthropic 和 Microsoft 都是有价值的标杆客户，但每家都可能获得大量工程资源的投入。

AMD 必须将从这些客户中获得的经验转化为中小型云服务商和企业可用的工具。否则，其软件进展可能仍局限于数量有限、获得重度支持的环境。

第四个考验是 Nvidia 的应对。随着其下一代系统进入市场，Nvidia 可以调整产品配置、软件功能、网络和商业条款。

Nvidia 还受益于客户不愿扰动已正常运行的基础设施。AMD 必须提供足够的经济或运营价值，才能证明这种转变合理。

第五个考验来自 Google 及其他定制芯片开发商。它们的内部加速器可以与 AMD 和 Nvidia 的产品同步提升，从而降低任一供应商可获得的工作负载份额。

Google 据报的规模计划仍未得到验证，但其方向已很明确。该公司打算更紧密地协调模型、软件、数据中心和芯片。

AMD 的开放平台主张可能吸引希望拥有更多供应商选择的买家。但开放性只有在客户能够迁移工作负载而不损失可靠性、也不承担过高工程成本时才会创造价值。

这构成了本次活动的核心权衡。AMD 提供了一个日益完整的 Nvidia 替代方案，但买家必须验证，在纳入迁移和运营成本后，该替代方案是否真正降低成本。

这场 AI 活动提供了进行该评估的可信理由，但没有提供足够的独立证据来宣告结果。

三个信号将决定 AMD 与 Google 的争论

下一阶段取决于可量化的部署、软件成果和云端可用性，而不是又一轮产品宣称。

第一个信号是 OpenAI 计划在 2026 年第四季度推出 Helios。若部署能够按计划启动，将确认 AMD 能够从系统发布迈向用于前沿模型的实际运营基础设施。

最有价值的证据将涉及规模和工作负载性能。生产可用性、持续扩展的容量，或客户对稳定利用率的讨论，都将强化 AMD 的全栈论点。

若在没有明确外部原因的情况下出现延期，这一论点将被削弱。它将引发对 MI455X 供应、机架集成、软件就绪度或客户认证的疑问。

第二个信号是 ROCm 在常见模型上的独立性能表现。基准测试应在相近的延迟、功耗和系统条件下，比较真实的推理和训练工作负载。

客户和中立测试机构的结果将比峰值规格更有分量。若在多个框架中展现一致性能，将表明 AMD 的改进不止存在于经过严密优化的演示之中。

软件证据还应包括开发者体验。更快的安装、更少的兼容性问题和有效的诊断工具，对采用的影响可能与加速器的原始速度同样重要。

第三个信号是 Google Cloud 的具体行动。这可能包括公开的 AMD 加速器实例、具名的 Helios 部署，或确认在 Google 云平台上支持生产工作负载。

这样的公告将通过表明 Google 认为 AMD 能够在 TPU 和 Nvidia 系统之外占据一席之地，从而强化 AMD 与 Google 的论点。它还将为外部开发者提供直接评估该平台的途径。

持续沉默并不能证明谈判失败，但会让 Google 仍处于已确认 AMD 客户的范围之外，因此现有部署才是评估该公司的恰当依据。

读者也应将 Google 问题与 AMD 更广泛的进展区分开来。鉴于其他大型客户的承诺，Helios 的成功并不依赖 Google。

不过，Google 提供了一项严苛的战略检验。它开发自己的加速器、运营大型云服务，并为使用竞争硬件的客户提供支持。

在那里赢得有意义的业务，将证明 AMD 能够在 AI 基础设施市场最复杂的领域与 Nvidia 竞争。若未能做到，AMD 将不得不与 Nvidia 争夺一个正日益被定制芯片分割的市场。

对投资者、开发者和基础设施采购方而言，实际应对方式是相同的：追踪已宣布的产能与实际运营产能，并将供应商的说法与生产成果进行对照。

结构化的技术知识库可帮助团队关联基准测试报告、部署记录、软件问题和供应商路线图。当相关表述在不同产品周期中发生变化时，这类记录会变得尤为宝贵。

AMD 与 Google 的故事目前仍介于可信的可能性与缺乏支持的假设之间。AMD 的活动强化了技术层面的论据，但并未弥合验证缺口。

关注首批 Helios 部署、独立的 ROCm 测试结果，以及 Google Cloud 的硬件目录。这三个信号将表明，AMD 是在打造可复制的平台，还是仅服务于一批集中的定制项目。

更重要的问题并不是又有哪位分析师上调 AMD 评级，而是客户能否在 Helios 上运行关键工作负载，同时获得可预测的性能、可控的软件投入和可靠的供应。

这些证据将决定 AMD 与 Google 的关系是否会成为已获确认的基础设施合作关系、继续停留在市场猜测阶段，或被 Google 不断扩张的定制芯片战略所取代。