Nvidia领跑，但AMD与Broadcom的策略正分化AI芯片市场

尽管AMD和Broadcom的产品在加速器、网络和定制芯片领域带来日益严峻的挑战，Nvidia仍报告了890亿美元的季度数据中心收入。这已不再是可互换芯片供应商之间的简单竞赛。每家公司都在AI数据中心中争夺不同的位置。

Nvidia销售的是一个以GPU、网络、系统和CUDA软件为核心、紧密集成的计算平台。AMD正在打造最接近的广泛替代方案，将Instinct加速器、EPYC处理器、机架级系统及其ROCm软件栈结合起来。Broadcom则瞄准另一个层面，为大型云客户设计定制加速器并提供网络技术。

这种分化改变了投资者在2026年解读AI芯片业绩的方式。Nvidia的数据中心收入仍遥遥领先，而AMD则从较小的基数上增长。Broadcom提供了对定制芯片和网络的集中敞口，但其基础设施软件业务改变了整体财务特征。

因此，核心问题并非哪只股票看起来与人工智能关联最紧密，而是客户希望在哪些领域采用标准化平台，在哪些领域采用定制设计，以及由哪家供应商获取每种选择带来的经济价值。近期财报提供了更清晰的证据，但尚未终结这场竞争。

Nvidia最新季度抬高了竞争门槛

Nvidia第二季度业绩显示，挑战者面对的是一个不断扩张的平台，而非一家停滞不前的现有龙头。

Nvidia公布，截至2026年7月26日的第二财季营收为962亿美元，同比增长106%，环比增长18%。数据中心收入达到890亿美元，同比增长117%。

这些数据直接来自Nvidia的季度业绩。它们确立了Nvidia与AMD、Broadcom之间的规模差距，尽管三家公司披露的业务分部和财务周期并不相同。

Nvidia的数据中心业务收入几乎是AMD单季公司总营收的八倍，也超过AMD数据中心收入的十三倍。Broadcom在其最近一个可获得季度中披露的AI半导体收入高于AMD的数据中心业务收入，但仍远低于Nvidia的数据中心总收入。

直接比较需要谨慎。Nvidia的数据中心类别涵盖计算和网络产品，而AMD在其数据中心分部中将CPU和加速器合并披露。Broadcom则披露涵盖定制加速器和AI网络的AI半导体收入，而非一个可直接对比的数据中心分部。

不过，这些会计分类仍揭示了各家供应商获取价值的环节。Nvidia从加速器、互连、交换机、系统及配套组件中获得收入。其客户正越来越多地采购完整的机架级基础设施，而非单独的GPU。

机架级系统将服务器、网络、冷却和供电视为一个协同计算单元。这种方法提高了集成的价值，因为性能取决于数千个加速器之间的通信。单颗芯片再快，也无法弥补整个集群中的瓶颈。

Nvidia 75%的季度毛利率也反映了其以可观盈利能力销售这种集成架构的能力。毛利率衡量的是扣除直接产品和生产成本后保留的收入。它不包括所有运营费用，但能有效反映产品经济性。

该公司最新一轮增长并不限于某一类客户。Nvidia表示，超大规模云服务商、新兴云运营商、工业客户和企业客户均推动了需求。这种广度降低了对单一采购渠道的依赖，尽管支出仍集中于大型基础设施建设者。

Nvidia还报告，2026财年营收为2,159亿美元，同比增长65%。其年度申报文件将增长主要归因于加速计算和AI。全年数据中心收入增长68%。

这些业绩使Nvidia成为分析任何AI芯片股时的基准。该公司并非在竞争对手追赶之际守着旧产品，而是在利用当前现金流、客户关系和软件采用率，为每一次后续平台迭代提供资金。

但规模并不能消除压力。随着AI工作负载从训练转向持续推理，客户愈发关注运营成本和特定场景下的性能。推理是指运行已训练模型，以生成答案、预测、图像或行动的过程。

这种转变为AMD和Broadcom都创造了机会。AMD可向客户提供另一种通用加速器平台。Broadcom则可帮助最大的买家设计针对更窄工作负载和部署模式优化的芯片。

由此形成了一种不同寻常的竞争格局。Nvidia主导整体平台市场，但挑战者正在进攻利润池的不同部分。它们的成功不应仅通过同一项收入比较来衡量。

AMD与Broadcom的增长来自两种不同策略

AMD与Broadcom的发展势头反映了两种截然不同的客户选择：采用替代性的商用平台，或委托打造专用基础设施。

商用芯片是面向多个客户广泛销售的产品。Nvidia和AMD主要通过商用加速器竞争，尽管其系统可针对不同工作负载进行配置。Broadcom的定制加速器则是与特定超大规模客户共同设计，并不通过同一种模式销售。

AMD报告第二季度营收为115亿美元，同比增长50%。其数据中心分部实现67亿美元收入，增长107%。分部营业利润达到21亿美元，而上年同期为亏损。

该公司将增长归因于EPYC服务器处理器的需求以及Instinct加速器的持续放量。根据AMD的第二季度新闻稿，数据中心产品占公司营收的58%。

这一收入结构至关重要，因为AMD的增长已不再仅依赖PC处理器或游戏主机芯片。数据中心产品已成为其最重要的战略增长引擎。该分部也结合了成熟的CPU业务与仍在发展的加速器业务。

AMD面临的挑战，是将单一产品的胜利转化为可复制的平台。其Helios机架级设计整合了Instinct GPU、EPYC CPU、Pensando网络和配套软件。ROCm是AMD用于GPU计算的开放软件平台，为开发者提供了在Nvidia CUDA环境之外进行训练和推理的工具。

软件仍是核心，因为开发者会围绕库、编译器、调试工具和部署流程构建应用。因此，更换GPU可能不只是更换硬件。团队还必须测试模型行为、优化内核，并让运营人员重新熟悉不同的管理工具。

AMD表示，其更新的软件和机架设计能够降低这些摩擦。其最新的财报演示材料还列举了涉及Anthropic和Microsoft的部署。这些公告提供了客户验证，但执行成效将取决于部署进度和持续利用率。

Broadcom服务的是另一种需求模式。该公司与大型云运营商合作，后者具备为内部工作负载设计定制加速器的条件。这类芯片通常称为ASIC，即针对特定任务构建的专用集成电路。

Broadcom报告第二季度AI半导体收入为108亿美元，同比增长143%。该公司表示，定制加速器和AI网络推动了这一业绩。其预计第三季度AI半导体收入将达160亿美元，同比增长超过200%。

这些数据来自Broadcom的2026财年第二季度业绩。其财季截至5月3日，因此该期间与AMD或Nvidia最近的报告窗口并不一致。

当客户以极大且可预测的规模运行模型时，Broadcom的定制方案就更具吸引力。专用设计可以移除不必要的功能、优化内存数据移动，并提升每瓦性能。这些收益可在数百万次重复工作负载中降低运营成本。

不过，定制芯片需要巨大的投入。客户需要工程资源、稳定的工作负载假设、制造产能，以及足以证明研发合理性的部署规模。这使Broadcom的机会集中于少数超大规模买家。

AMD则服务于寻求更高灵活性的客户。其产品能够支持不同的模型、框架和工作负载变化，而无需进行独特的芯片设计。当模型架构仍在快速演变时，这种更广泛的适用性可能很有价值。

这种差异解释了为何不应将AMD和Broadcom视为同一种反Nvidia交易。AMD必须削弱Nvidia在商用平台上的优势。Broadcom则受益于主要客户将部分工作负载从通用GPU转向内部定制设计。

两条路径可以同时增长。一家云服务商可以为前沿训练部署Nvidia集群，为价格竞争部署AMD系统，并为稳定推理部署定制加速器。具体选择可因模型、地区和客户服务而异。

这种混合环境会对Nvidia施压，却不要求客户放弃它。这也意味着AMD无需取代每一套Nvidia部署，就能建立更大的业务。Broadcom只需要部分客户将定制项目扩展至规模极大的数据中心。

真正的竞争在于平台控制权

最重要的竞争分野，在于谁掌控完整的AI计算平台，包括软件、网络和部署决策。

Nvidia的优势始于CUDA，即其面向GPU加速计算的编程平台。多年的开发者采用积累了丰富的库、优化模型、培训资源和机构知识。这一生态系统缩短了将AI工作负载从实验转入生产所需的时间。

CUDA也支撑着更广泛的硬件战略。Nvidia通过NVLink和NVSwitch连接GPU，通过InfiniBand或Ethernet产品连接系统，并提供完整的机架架构。客户可以采购协同设计的方案，从而减少集成决策。

这种集成提高了部署速度，但也可能增加对单一供应商的依赖。围绕Nvidia对模型、网络和运营进行标准化的客户，将面临更高的转换成本。这些成本包括工程时间、性能测试和运营风险。

AMD 正试图通过 ROCm 和开放行业标准降低这些转换壁垒。该公司还可以在完整系统中结合其 CPU 和加速器。它的机会取决于能否让这一替代方案对生产团队而言足够可靠，而不只是能在实验室基准测试中具备竞争力。

基准测试衡量的是受控条件下的性能。生产集群还必须应对故障、调度、软件更新、数据移动、安全性以及不可预测的需求。因此，买方评估的是整体系统性能和运营投入，而不只是芯片的峰值规格。

AMD 的 CPU 市场地位为其提供了重要切入点。已经使用 EPYC 处理器的客户，已与该公司建立采购、验证和工程合作关系。AMD 可以利用这些关系引入 Instinct 加速器和机架级设计。

不过，CPU 的成功并不会自动带来 GPU 的采用。AI 团队会根据模型兼容性、训练速度、推理经济性和可获得的工程支持来选择加速器。AMD 必须证明其能在这些要求上持续取得稳定成果。

Broadcom 则通过网络和定制化设计流程来掌握平台控制权。大型 AI 集群需要交换机、光连接、接口芯片和高速互连。网络决定了加速器在分布式计算期间交换数据的效率。

网络利用率不佳，会让昂贵芯片等待数据。随着集群规模扩大，这些浪费的时间将成为财务问题。即使由另一家公司提供主要加速器，Broadcom 也能从中获取价值。

定制加速器项目进一步加深了这种合作关系。Broadcom 提供知识产权和设计专业能力，而云客户则围绕自身工作负载塑造架构。这种模式让买方能够更好地掌控其硬件路线图。

但这也将风险更多地转移给客户。模型架构可能会在芯片设计与大规模部署之间发生变化。某项在规划阶段看似有价值的专用特性，可能会在新的推理方法出现后变得不那么有用。

Nvidia 则通过更快的平台迭代和通用可编程性来应对这种不确定性。工作负载变化时，客户可以重新调配 GPU。代价在于，通用灵活性相比成功的定制设计，可能带来更高的采购或运营成本。

这正是塑造 2026 年市场的机制。Nvidia 销售集成能力和灵活性，AMD 提供日趋完整的替代方案，而 Broadcom 则推动专业化。它们的可服务机会存在重叠，但并不完全相同。

当客户更重视议价能力时，AMD 与 Broadcom 带来的挑战会更强。支持多个供应商可以降低对 Nvidia 的依赖，并创造更多谈判选择。当需求超过任何单一供应商的产能时，这也有助于保障供应能力。

多源采购也有其成本。工程团队必须维护不同的软件环境、可观测性系统和性能特征。如果运营复杂性增长过快，采购节省可能会消失。

企业面临的计算尤其困难。它们很少具备定制芯片所需的规模，许多企业也没有专门负责加速器优化的团队。它们可能更倾向于选择能够隐藏底层硬件选择的云服务。

云服务商随后便可以决定哪种加速器服务于每项工作负载。这一地位强化了定制芯片的逻辑，因为最终用户可能从不直接接触硬件。它也让服务商能够引入 AMD 算力，而无需要求每位客户管理物理系统。

Nvidia 的回应是将其平台进一步延伸至软件和服务领域。如果用户选择兼容 Nvidia 的框架和部署工具，即使基础设施变得更加分布式，该公司仍能保持影响力。这使软件采用率与芯片出货量一样，成为竞争信号。

营收数字无法证明什么

快速增长证实了 AI 基础设施需求强劲，但并不能确定哪种架构将带来最佳的长期回报。

Nvidia 单季 890 亿美元的数据中心营收展现了其无与伦比的当前规模。AMD 该部门 107% 的增长表明，规模较小的替代方案也能迅速扩张。Broadcom 的 AI 半导体业务增长 143%，则显示出对定制加速器和网络产品的需求正在上升。

这些百分比无法直接比较。AMD 的增长起点小得多，而 Broadcom 的类别涵盖了不同的产品组合。Nvidia 的数据中心披露还包括超出加速器销售范围的组件。

财务日历又带来了另一层复杂性。Broadcom 最新披露的季度在 5 月初结束，AMD 的季度在 6 月底结束，Nvidia 的季度则在 7 月底结束。需求、产品爬坡和出货节奏在这些月份间可能发生显著变化。

投资者还需要将营收增长与经济质量区分开来。毛利率、运营费用、客户集中度、制造承诺和营运资本都会影响回报。一条快速扩张的产品线，仍可能带来低于预期的现金经济效益。

Nvidia 在最新季度报告了 75% 的毛利率。AMD 报告的公司 GAAP 毛利率为 54%，数据中心业务营业利润率为 31%。Broadcom 则披露了半导体和基础设施软件的合并业绩，限制了简单的产品层面对比。

客户集中度尤其值得关注。最大的云计算公司占据 AI 基础设施支出的很大份额。它们的采购决策可以在几个部署周期内让供应商之间流转数十亿美元。

Broadcom 的定制业务尤其与数量有限的超大型客户紧密相关。赢得一个新项目就能迅速改变其增长前景。延期、重新设计或缩减部署则可能产生相反效果。

尽管客户基础更广，Nvidia 仍面临集中度风险。超大规模云服务商采购了大量其系统，其中多家同时也在开发内部芯片。Nvidia 一方面受益于它们当前的支出，另一方面也在与其减少依赖的长期努力竞争。

AMD 必须在产品快速爬坡期间管理执行风险。已宣布的部署不会立即转化为营收，已安装的产能也不能保证高利用率。客户必须将真实的生产工作负载迁移到 Instinct 系统上。

软件仍是另一项验证缺口。AMD 已改善 ROCm 并扩大框架支持，但 Nvidia 已安装的开发者基础依然庞大。关键证据将来自重复部署和更广泛的生产使用，而不是孤立的性能宣称。

出口管制为整个行业增添了不确定性。政府可以限制向特定市场销售先进加速器、内存带宽产品或完整系统。这些规则可能迫使企业修改产品，并产生库存减记费用。

AMD 的上一年对比说明了这一问题。其 2025 年第二季度的数据中心业绩中包含一项与 MI308 产品限制相关的 8 亿美元费用。这项费用的缺失改善了 2026 年的同比比较。

Nvidia 也面临针对中国市场产品的相关限制。其文件警告称，进一步限制可能影响营收、供应承诺和竞争地位。当美国产品无法获得时，本地供应商可能获得机会。

电力供应带来了更具实体性的约束。AI 集群需要电力、冷却系统、土地和电网连接，随后加速器出货才能形成有用的计算能力。建设延期可能推迟订单，或导致已安装设备利用不足。

Nvidia 最新的监管文件将土地、电力、资本以及已建成的数据中心壳体列为重要要求。该公司还达成了支持大型基础设施开发的安排。这些承诺表明，竞争已延伸到芯片设计之外很远的领域。

资本支出可能成为另一项压力点。云服务商目前预计 AI 服务能够证明持续扩张基础设施的合理性。如果这些服务带来的营收不及预期，客户即便维持长期 AI 战略，也可能推迟新集群的建设。

特定硬件代际也存在产能过剩风险。快速的产品周期可能缩短加速器的有效经济寿命。买方可能在重大新品发布前暂停采购，或将预算转向更新的系统。

定制设计面临类似的时间风险。为一代模型打造的 ASIC，若工作负载发生变化，可能失去效率优势。Broadcom 及其客户必须在专业化与算法发展速度之间取得平衡。

这些风险都无法否定当前需求。它们说明，不能将营收势头直接等同于确定的市场结果。现有证据支持多家供应商共同增长，而非未来利润分配已经尘埃落定。

对于比较 AI 芯片股票的读者而言，估值同样重要，尽管本分析避免使用暂时性的市场价格。当市场预期已假设非凡增长时，强劲业务也可能带来疲弱的投资回报。如果执行不及乐观预测，规模较小的挑战者同样可能令人失望。

因此，本文不会将 Nvidia、AMD 或 Broadcom 作为投资标的进行排名。它们的业绩反映了规模、选择权、集中度和执行风险的不同组合。这些组合必须结合当前文件、投资组合需求和个人风险限制来评估。

三项信号将检验 2026 年 AI 芯片论点

下一批证据应来自 Broadcom 对预测的兑现、AMD 的部署爬坡，以及 Nvidia 维持平台经济性的能力。

第一项信号是 Broadcom 的第三财季报告。管理层预计 AI 半导体营收将达到 160 亿美元，同比增长超过 200%。若能实现这一预测，将强化定制加速器正进入更大规模生产部署的论点。

Broadcom 增长的构成将与总额同样重要。投资者应区分加速器营收与网络需求，并识别增长是由既有客户还是新项目推动。更广泛的客户参与将缓解集中度担忧。

若业绩不及预期，并不意味着定制芯片模式无效。这将表明，项目时点、制造爬坡或客户部署计划的可预测性仍低于头条预测所暗示的程度。它也可能推迟向专用推理基础设施转变的预期。

第二项信号是 AMD 下半年数据中心业务的加速增长。AMD 预计，随着 Instinct 部署规模扩大以及 Helios 开始爬坡，销售将更加强劲。最有用的证据将是持续的部门营收、营业利润和新增生产客户。

具名承诺提供了初始图景，但重复订单构成更有力的验证。客户在早期部署后继续扩张，意味着软件、可靠性和工作负载经济性符合生产要求。后续活动若较为缓慢，则会暴露仍然存在的平台摩擦。

AMD 还需要证明，加速器增长能够补充其 EPYC 业务。即使 GPU 采用进展较慢，数据中心部门营收也可能通过 CPU 增长而上升。未来披露应尽可能帮助读者区分这些贡献。

第三项信号是 Nvidia 的毛利率和数据中心业务的环比增长。其当前规模已经十分明确。尚未解决的问题是，快速的系统过渡、供应承诺、竞争和基础设施融资，是否会削弱支撑这一规模的经济效益。

稳定的利润率将支持 Nvidia 的说法：一体化平台仍保有定价和产品优势。持续的环比增长则表明，定制芯片和标准化替代方案扩张的是市场，而非更多地取代 Nvidia。

利润率下滑需要进一步解读。小幅下降可能伴随复杂机架级系统的推出，同时依然支持可观的利润水平。若利润率持续下滑并伴随增长放缓，则可能意味着更强的定价压力或更高的交付成本。

网络业务数据将把这三个信号联系起来。无论哪种加速器获得更多份额，只要集群需要更强的连接能力，Broadcom 就会受益。客户选择 Nvidia 的一体化网络堆栈时，Nvidia 将受益；而 AMD 则需要能力足够的合作伙伴以及其 Pensando 产品组合。

软件采用情况将提供一项更慢、但同样重要的检验。开发者不会因为一次季度发布就更换平台。他们会根据可靠性、可获得的算力、模型支持、文档质量以及可量化的运营节省作出回应。

关注哪些新模型获得一流优化。开发者优先面向 CUDA 进行开发时，Nvidia 仍将受益。当主流框架和模型提供商将 ROCm 部署视为标准生产路径时，AMD 将获得优势。

云服务菜单提供了另一个可见指标。更广泛可用的 AMD 实例将改善开发者和企业的使用渠道。定制芯片服务的扩展则表明，超大规模云服务商有信心向外部客户提供专用基础设施。

这些信号应结合评估。只要整体需求持续上升，Broadcom 即使超出预测，也不一定会削弱 AMD。即使 Nvidia 的绝对营收继续增长，AMD 也可以提升市场份额。

市场并不需要一个赢家和两个输家。它要求投资者识别：在当前建设热潮过后，AI 基础设施的哪一层能够捕获持久价值。未来几个财报周期将提供比“计算市场无限大”这类宽泛说法更有力的证据。

AI 芯片的选择正演变为多种架构的组合

2026 年的 AI 芯片市场正按工作负载、客户规模和所需控制权进行分化，而不是向一种通用处理器收敛。

Nvidia 带着最大的已部署平台、最强劲的已披露数据中心营收，以及广泛的软件生态进入这一阶段。其最新季度表明，尽管客户正在开发替代方案，需求依然强劲。

AMD 提供了最明确的广泛标准化竞争方案。其数据中心营收增长逾一倍，产品组合现已覆盖 CPU、加速器、网络、系统和软件。它的下一项任务，是将已宣布的部署转化为持续性的生产需求。

Broadcom 为超大规模云服务商提供了另一条路径。定制加速器能够改善可预测工作负载的经济性，而网络产品则可在不同计算架构中捕获价值。这一机会也伴随着客户集中度和设计周期风险。

因此，AMD 与 Broadcom 的比较揭示的并不只是两家挑战者在追赶 Nvidia。它展现了两种削弱 Nvidia 平台控制力的方法：一种是构建灵活的替代方案，另一种则帮助大型买家掌握更多自身硬件路线图。

对开发者而言，这种竞争能够扩大加速器的使用渠道，并推动更好的软件兼容性。但它也可能带来更多需要测试和维护的环境。随着团队跨云和跨硬件类型部署模型，可移植性将变得更加重要。

企业买家应聚焦于工作负载经济性和运营支持。如果软件迁移延误部署或造成可靠性问题，较低的硬件成本意义不大。反过来，对平台的熟悉也不应阻碍企业测试可信的替代方案。

投资者应在关注醒目的 AI 营收数字之外，同时跟踪已验证的部署、客户集中度、利润率和现金承诺。他们还应区分标准化产品周期与定制设计周期。相同的季度增长率可能意味着截然不同的风险。

没有任何一份财报能够决定结果。在不断增长的基础设施周期中，Nvidia 的规模、AMD 日益扩展的替代方案，以及 Broadcom 的定制战略可以并存。更严峻的考验将在客户要求每一个新增集群都带来可量化回报时开始。

未来一个季度中，什么证据会改变你的看法：Broadcom 实现其定制芯片预测、AMD 获得重复性的 Instinct 部署，还是 Nvidia 在更大规模下维持利润率？在依赖简单的“赢家通吃”叙事之前，应先关注这些运营信号。随着 AI 基础设施市场在一体化平台、标准化替代方案和专用芯片之间分化，它们为评估 Nvidia 以及 AMD Broadcom 敞口提供了更清晰的框架。