AMD 与 Google 的合作日益深化，但投资者期待更丰厚的 AI 回报

AMD 在公布创纪录的季度营收后股价下跌，尽管其营收同比增长 50%，并且与 Google 的云业务合作持续扩大。矛盾并不在于 AMD 是否在增长，而在于投资者希望看到更明确的证据，证明其 AI 加速器业务正在缩小与 Nvidia 之间巨大的差距。

AMD 公布 2026 年第二季度营收为 115 亿美元，数据中心营收则翻倍以上，达到 67 亿美元。公司还预计第三季度营收约为 130 亿美元。这些数字描绘的是一家规模不断扩大的企业，而非一家失去增长动能的公司。

不过，业绩公布后股价仍然下跌。这一反应凸显了市场如今对大型 AI 芯片公司的标准：当投资者已将加速器快速普及、利润率改善以及超大规模客户的大规模部署计入预期时，仅仅超出市场一致预估已不再足够。

AMD 与 Google 的关系表明，情况比最初的抛售所暗示的更复杂。Google Cloud 在多个虚拟机产品系列中使用 AMD EPYC 处理器，涵盖面向通用计算、机密工作负载和高性能计算的系统。

然而，CPU 的采用并不自动意味着 AMD 已成为 AI 加速器的领先供应商。Nvidia 仍主导着投资者最关注的比较维度。AMD 必须将不断扩大的客户名单、Helios 平台和 Instinct 路线图，转化为利润率具吸引力且可见的营收。

AMD 超额完成季度目标，但预期提升得更快

AMD 实现了可观增长，但投资者是以远大于已公布数字的 AI 市场机会来衡量这份报告的。

公司第二季度业绩显示，营收为 115.36 亿美元，较上年同期增长 50%，较第一季度增长 13%。

GAAP 毛利率达到 54%，高于一年前的 40%。去年同期的比较基数中包含一项与美国对 MI308 加速器出口管制相关的 8 亿美元库存及相关费用。

GAAP 营业利润达到 19.9 亿美元，而上年同期为营业亏损。净利润为 22.97 亿美元，摊薄后每股收益达到 1.38 美元。

按非 GAAP 口径，AMD 报告的毛利率为 56%，营业利润为 30.94 亿美元，摊薄后每股收益为 1.66 美元。这些调整后数据剔除了股权激励和收购相关摊销等项目。

数据中心业务贡献了最关键的业绩。营收达到 67 亿美元，同比增长 107%。对 EPYC 服务器处理器和 Instinct 加速器的强劲需求推动了这一增长。

数据中心业务占公司总营收的 58%。这一结构确认，AMD 对云基础设施和 AI 支出的依赖程度已远高于其传统 PC 品牌形象所暗示的水平。

其余业务呈现出喜忧参半但相对次要的图景。客户端业务营收增长 23% 至 31 亿美元，游戏业务营收下降 31% 至 7.79 亿美元，嵌入式业务营收增长 19% 至 9.77 亿美元。

管理层的指引也超出了简单的零增长情景。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。

按中值计算，这意味着同比增长 41%，环比再增长 13%。AMD 还预计非 GAAP 毛利率约为 56%。

那么，投资者为何抛售该股？

AMD 在公布业绩前，市场预期已受到多项大型 AI 合作、新型机架级平台以及管理层日益自信的长期表述影响。市场关注的并非数据中心营收是否会增长，而是 AMD 的 GPU 业务将以多快速度成为前沿 AI 系统的第二大主要供应商。

这一区别至关重要，因为数据中心业务同时包含 EPYC CPU 和 Instinct GPU。CPU 仍是一项成功且有价值的业务，但 AI 领域最高的估值与加速器、网络和完整系统密切相关。

AMD 未在其主要分部业绩中单独披露季度 Instinct 营收。因此，投资者只能根据管理层评论、客户公告和数据中心总营收增长来推断加速器业务的走势。

这一披露缺口使每次财报发布后都产生紧张情绪。AMD 可以交出出色的整体数据，却仍让投资者无法确定推动市场最乐观预期的产品线表现如何。

公司表示，数据中心销售将在 2026 年下半年加速。它还预计，随着客户部署基于 MI400 系列加速器的完整系统，Helios 部署将开始带来贡献。

这是一个令人鼓舞的方向，但并不等同于已披露的加速器营收、实际部署规模或已验证的利润率扩张。

因此，此次抛售更多反映的是预期问题，而非传统意义上的业绩不及预期。AMD 的业绩很强，但 AI 叙事需要更大、也更清晰可见的回报。

AMD 与 Google 的需求为何无法回答 AI 问题

AMD 与 Google 的关系验证了 EPYC 的采用，但并不能消除 AMD 赢得重大 Instinct GPU 订单的必要性。

AMD 和 Google 已在数据中心处理器领域合作多年。Google 在 2019 年宣布，其正将 AMD EPYC 芯片用于内部工作负载，并计划向 Google Cloud 客户提供基于 AMD 的虚拟机。

这一合作已跨越数代产品不断扩展。Google Cloud 目前将基于 AMD 的选项应用于通用计算、高性能计算、机密计算和部分 AI 推理服务。

当前的 AMD 云产品组合包括 C3D、N2D、T2D 和 C2D 机器系列。这些产品面向从 Web 服务到仿真、Kubernetes 集群及内存密集型应用等各类工作负载。

Google Cloud 还推出了由第五代 AMD EPYC 处理器驱动的 H4D 虚拟机。H4D 将这些处理器与 Google 的 Falcon 网络硬件和远程直接内存访问功能结合在一起。

远程直接内存访问通常称为 RDMA，可让计算机在较少处理器参与的情况下交换数据。这项功能支持跨多个服务器紧密连接的科研和工程工作负载。

H4D 的发布使 AMD 处理器进入了 Google Cloud 面向制造业、生命科学、天气预报和电子设计自动化的现行平台。这是 AMD 在一家领先超大规模云服务商内部仍具相关性的具体证据。

AMD CPU 还支持 Google Cloud 机密计算产品组合中的部分服务。机密计算可在处理器主动使用数据时保护数据，而不仅是在数据存储或传输时提供保护。

2026 年 6 月，Google 介绍了一种机密 G4 机器架构，将第五代 AMD EPYC CPU 与 Nvidia RTX Pro 6000 Blackwell GPU 配对。这一配置同时说明了 AMD 的机会及其核心挑战。

AMD 可以赢得主机处理器插槽，但 Nvidia 提供的是承担最显著 AI 计算任务的加速器。两家公司都能获得营收，但其经济角色并不对等。

因此，“AMD Google”这一表述可能涵盖多种不同关系。AMD 为 Google Cloud 服务供应处理器，协助保护机密工作负载，并支持 AI 应用所使用的基础设施。

它尚未证明的是，Google Cloud 已对 AMD Instinct 加速器进行大规模部署，其规模可与 Google 公开的 Nvidia 基础设施相提并论。Google 还自主开发 Tensor Processing Units，即 TPU，用于训练和推理。

这一区别解释了为何投资者不愿将每一项云合作都视作加速器业务的胜利。超大规模云服务商有意采用多种处理器架构，因为不同工作负载有不同需求。

一台通用虚拟机可能因核心密度、内存带宽或运营成本而偏向 EPYC。前沿模型集群则可能使用 Nvidia GPU、Google TPU，或通过专用网络连接的定制加速器。

AMD 会受益于整体扩张，因为 AI 系统在加速器之外同样需要 CPU。CPU 负责协调模型周边的存储、网络、预处理、编排和应用服务。

智能体 AI 可能进一步增加这种 CPU 需求。一个智能体系统会执行一系列模型调用、工具请求、数据库操作和验证步骤。即使 GPU 执行模型推理，这些周边任务仍会消耗常规服务器资源。

这为 EPYC 创造了一条可信的增长路径，也使 AMD 的数据中心业务不只是简单的 GPU 记分卡。

不过，寻求直接布局 AI 加速器增长的投资者，想要的不只是一个强有力的配套角色。他们希望看到证据，证明 AMD 能够供应大型训练和推理集群的计算核心。

Google 对 AMD CPU 的使用证明，该公司能够满足超大规模环境的性能、可靠性和安全要求。但这并不能证明 Instinct 已在 Google 加速计算基础设施中取得相当规模的采用。

因此，AMD 与 Google 的合作很重要，但证据仍不完整。它支持 AMD 属于大型云架构的观点，却没有回答核心 GPU 问题。

Nvidia 设定了严苛的标杆

AMD 面对的是一家在规模、利润率、软件和系统覆盖范围上都重新定义了何谓强劲 AI 增长的既有巨头。

AMD 已披露的数据中心营收，放在大多数半导体公司之间比较都堪称出色。与 Nvidia 相比，它更像是一场漫长竞争的起点。

Nvidia 报告称，2027 财年第一季度数据中心营收为 752 亿美元，同比增长 92%，占其 816 亿美元季度总营收的大部分。

Nvidia 还报告了 75% 的非 GAAP 毛利率。AMD 第二季度可比的全公司指标为 56%。

两家公司的会计期间和业务结构不同，因此这些数字并非完美的产品对比。但它们仍揭示了塑造投资者预期的规模与盈利能力差距。

Nvidia 销售的不只是图形处理器。其 AI 系统整合了 GPU、网络、CPU、互连技术、库、编译器和部署工具。

CUDA 是 Nvidia 面向加速计算的编程平台，已积累多年的开发者采用基础。AI 框架和内部工程工作流往往会先假定具备 CUDA 兼容性，才会考虑引入替代硬件。

AMD 的 ROCm 软件则为 Instinct 加速器发挥类似作用。它为开发者提供在 AMD 硬件上进行训练、推理、模型优化和分布式计算的工具与库。

ROCm 已显著改善，主流框架也支持它。然而，规格表上的兼容性并不能消除迁移工作、性能调优或运营风险。

对于小规模部署，工程师可以对替代方案进行基准测试，并围绕胜出的平台调整软件。对于吉瓦级部署而言，每一个尚未解决的软件问题都可能在数千颗加速器上被成倍放大。

这正是 Helios 重要的原因。Helios 是 AMD 的机架级 AI 系统，在经过验证的架构中结合了 Instinct GPU、EPYC CPU、Pensando 网络技术和 ROCm 软件。

机架级设计将整个服务器机架视为计算单元。供电、散热、网络、内存、处理器和软件都必须在生产规模下协同工作。

AMD 表示，Helios 可提供有利的推理经济性，正吸引云服务商和 AI 开发者。该公司将 Anthropic、Meta、Microsoft、OpenAI、Oracle 等列为客户或部署合作伙伴。

这些名称增强了 AMD 的可信度。但它们也提高了预期，因为已宣布的产能最终必须转化为已交付的设备、已确认的收入以及可靠的客户工作负载。

AMD 与 Meta 的协议体现了这一雄心的规模。两家公司宣布了一项多年计划，涵盖跨多个产品代际部署多达六吉瓦的 Instinct GPU。

这项 Meta 协议 要求以基于 AMD MI450 架构的定制加速器进行初始部署。支持首个吉瓦规模的出货计划于 2026 年下半年开始。

AMD 还宣布与 Anthropic 合作，在 Helios 机架中部署多达两吉瓦的 MI450 系列 GPU。Microsoft 计划在 Azure 上部署 Helios 系统，用于前沿模型推理。

这些承诺提升了未来收入的可见度，但措辞至关重要。“多达”描述的是最大范围，而非已完成的采购。多年期安排也会将潜在收入分摊到多个期间。

当电力供应、建设进度、模型需求、融资或技术准备情况发生变化时，大型 AI 客户可以调整部署时间表。他们也可以在同一期间采购竞争对手的系统。

因此，Nvidia 的地位仍是 AMD 故事中的主要竞争对手。Google、Amazon、Microsoft 和 Meta 的定制芯片增加了压力，但并不能取代与 Nvidia 的直接比较。

Nvidia 的最新业绩说明了为何一次常规的业绩超预期无法满足每一位 AMD 投资者。市场看到的是一家现有领军企业，其数据中心收入远高于 AMD，毛利率也高得多。

AMD 无需立即追平 Nvidia，仍可建立一家有价值的 AI 业务。客户希望获得供应多样性、谈判筹码、工作负载选择，以及针对推理优化的替代方案。

不过，AMD 必须证明这些优势能够带来持续的加速器采用。否则，其客户公告可能在战略上仍具意义，却无法产生乐观预期所暗示的财务规模。

真正的考验是收入质量，而非客户名称

AMD 面临的挑战，是在不牺牲利润率或执行质量的前提下，将已宣布的 AI 容量转化为可重复的加速器收入。

一长串知名客户有助于验证产品路线图，但并不能揭示出货时间、利用率、盈利能力，或客户对该平台的依赖程度。

因此，投资者必须区分常被标题混为一谈的三个阶段。合作关系创造意向。部署带来已安装的基础设施。收入确认则记录由此产生的商业活动。

即使收入已经确认，如果利润率仍然持平，问题也并未得到解答。AI 机架系统包含内存、网络、散热、集成和支持成本，这些因素对盈利能力的影响可能不同于单颗芯片销售。

AMD 预计第三季度非 GAAP 毛利率为 56%，与第二季度的结果持平。收入预计将环比增长，但利润率展望并未显示即时扩张。

这并不能证明新 AI 系统的经济效益不佳。公司整体利润率涵盖多个业务和产品过渡期。然而，平坦的展望让投资者几乎看不到 Helios 放量在短期内带来运营杠杆的证据。

研发支出也在持续增加。AMD 报告称，第二季度研发费用为 25.28 亿美元，高于一年前的 18.94 亿美元。

增加投入可以理解。为了在机架级竞争中取胜，AMD 必须在重叠的时间表上开发加速器、CPU、网络产品、系统设计和软件。

公司还必须确保先进制造产能、高带宽内存、封装及其他供应受限组件的供应。完整的加速器平台依赖于供应商，而供应商的供货能力可能限制出货量。

AMD 8 月提交的监管文件将竞争、出口管制、制造产能、组件可得性、客户集中度和产品时点列为重大风险。

出口政策仍尤其相关。对先进加速器的限制可能消除预期收入、要求修改产品，或导致库存计提。

AMD 上年同期包含了与 MI308 出口管制相关的 8 亿美元费用。这一比较有利于最新报告的利润率，使得实际改善不如标题所暗示的那般显著。

客户集中度带来了另一项不确定性。多吉瓦协议能够加快增长，但对少数 AI 实验室和超大规模云服务商的依赖，也赋予这些买方相当大的议价能力。

这些客户都是成熟的系统设计者。Google 构建 TPU，Amazon 开发 Trainium，Microsoft 拥有 Maia，Meta 也在研发自己的加速器。每家公司都可以将商用芯片与内部自研芯片结合使用。

这种环境为 AMD 创造了机会，因为没有超大规模云服务商希望不必要地依赖单一供应商。但这也限制了这样一种假设：新的 AMD 部署会变成独家或永久性的选择。

软件采用带来了相关风险。ROCm 可以在受支持的模型上提供强劲表现，但客户需要在不断变化的架构和生产框架中获得可靠性能。

基准测试的胜利展示的是特定配置下的性能。生产平台必须能够在模型更新、内核变化、网络条件、故障和大型集群环境下保持稳定。

AMD 表示，其已提高 ROCm 的开发速度，并改善了对领先模型的支持。该公司还强调了对 Google 的 Gemma 模型系列及其他开放模型的支持。

这种支持对于评估 AMD 硬件的开发者很有帮助。然而，与 Google 模型兼容并不等同于获得 Google 的加速器订单。在解读 AMD 与 Google 相关的新闻标题时，这一区别至关重要。

看涨逻辑依然坚实。AI 推理正在扩张，大型买家希望拥有替代方案，而 AMD 现在提供的是更完整的系统，而不只是独立加速器。

看空逻辑同样具体。AMD 仍需披露足够可衡量的进展，让投资者能够区分 CPU 实力、早期 GPU 部署和未来已签约机会。

这两种观点都不需要将股价反应视为决定性的技术判断。单日下跌反映了预期、仓位、估值和流动性，以及基本面分析。

更持久的问题在于：随着 Helios 部署开始，Instinct 收入能否比整体数据中心业务增长得更快。利润率表现也必须显示 AMD 正在获取价值，而非只是以较低的经济效益换取市场份额。

三个信号将决定这次抛售是否为时过早

下一阶段取决于 Helios 出货、加速器信息披露，以及主要云客户扩大生产使用的证据。

第一个信号是 2026 年下半年的 Helios 放量。投资者应关注首批 MI450 系列系统能否按计划出货，并进入客户的生产环境。

硬件出货只是起点。AMD 必须证明系统能够通过客户认证、可靠运行，并从初始集群扩展出去。

及时放量将强化这样一种观点：AMD 的合作关系正成为一项经常性业务。延误则会加深担忧，即已宣布的产能距离财务业绩仍然太远。

第二个信号是数据中心收入构成更加清晰。AMD 当前的合并业务部门使得区分 EPYC 增长与 Instinct 增长变得困难。

管理层无需披露每一份客户合同，但需要提供足够的信息，让投资者能够跨连续季度追踪加速器业务。

具体的加速器收入、出货增长、已部署容量或其他一致性指标，都将减少猜测。若继续依赖宽泛的数据中心总额，将保留此次抛售背后的不确定性。

这一指标对开发者和企业买家同样重要。不断增长的装机基础会吸引软件支持、系统专业知识、云端可用性和独立优化工作。

第三个信号是通过主要云服务商提供更广泛的生产级可用性。Microsoft 计划在 Azure 上的部署提供了一条路径，Oracle 和专业云服务商则提供其他路径。

Google 尤具参考价值，因为它已在多个基础设施产品系列中使用 AMD CPU。具有实质意义的 Google Cloud Instinct 产品供应，将使 AMD 与 Google 的关系超越其既有的处理器业务基础。

这样的发布不需要取代 Google TPU 或 Nvidia GPU。它将表明，一家领先的云运营商认为客户需求足以支持在大规模下增加另一个加速器平台。

没有这样的发布并不会否定 AMD 的路线图。Google 有自己的芯片战略，并且可以选择性地使用 AMD 产品。不过，进入 Google 的加速计算产品组合将提供一个有价值的外部验证点。

Nvidia 的下一份业绩将提供第四个背景性数据点，但不应取代这三个 AMD 特定信号。Nvidia 可以继续增长，同时 AMD 也能建立一个规模可观的替代选择。

决定性问题并非 AMD 是否赢得每一种工作负载，而是 Instinct 能否在足够多的客户中成为持久的生产选择，以支撑收入增长和有吸引力的利润率。

开发者应通过软件可用性观察同样的转变。更广泛的 ROCm 支持、更少针对特定模型的变通方案，以及一致的云端访问，将降低选择 AMD 的实际成本。

企业买家应关注整体系统经济性，而非仅看加速器规格。硬件可得性、网络、软件人力、支持、可靠性和工作负载可移植性，都会影响最终决策。

投资者应将客户公告视为领先指标，而非已完成的结果。已报告的部署和利润率表现，比最大合同容量更具分量。

AMD 已经证明，它能够快速增长、赢得重要 CPU 工作负载，并从有影响力的 AI 客户那里获得承诺。其最新季度并未削弱这些成果。

股价下跌反而暴露出投资者已预先假定了多少未来成功。AMD 现在必须将这种预期转化为可见的加速器收入。

AMD 与 Google 的关系提供了一个有用的测试案例。它显示出对 AMD 服务器处理器的深厚信任，但也揭示了云平台如何将 AMD CPU 与竞争性加速器及内部芯片混合使用。

首先关注 Helios 出货，其次是加速器信息披露，第三是新的云端可用性。这些信号结合起来，将表明 AMD 是否正在成为 AI 基础设施真正的第二平台。

这次财报反应之后，问题很直接：AMD 能否在市场预期再次走在前面之前，将不断扩展的云合作关系转化为规模更大、盈利能力更强的加速器业务？