AI算力竞赛:AMD财报冲击|NVIDIA生态优势|Google 人才流失
2026年8月4日下午，AMD首席执行官苏姿丰坐进财报电话会。第二季度营收115.36亿美元，同比增长50%，刷新公司纪录。其中数据中心业务贡献了67.18亿美元，同比大增107%，占到总收入的近六成。非GAAP营业利润飙升至30.94亿美元，同比增长245%。对下一季度的展望，AMD给出了130亿美元的收入指引中值，高出分析师预期。在正常的商业剧本里，这本该是一场提振士气的庆功会。但几乎就在同一时间，SpaceX的电话会上传出另一句话。埃隆·马斯克公开表示，SpaceX未来的计算基础设施将只采购英伟达芯片，不再使用AMD的产品。第二天，AMD股价应声下跌6.6%，市值蒸发近590亿美元，盘中最大跌幅一度超过8%。一边是收入翻倍的亮眼成绩，另一边是关键客户当众掉头转向竞争对手。资本市场没有纠结于AMD这个季度赚了多少钱，而是把目光投向了一个更本质的问题，距离英伟达那套完整的交付体系，AMD究竟还有多远？不差的财报，碰上了被跑满的预期
AMD给出的第三季度130亿美元指引，确实高于华尔街公开预测。但财报发布前，AMD的股价已经较年初翻了一倍有余。市场买入的，早已不只是“数据中心稳步增长”，而是期待它能迅速成长为英伟达之外的第二套全球AI基础设施标准。“收入保持增长”与“增速持续飙升并快速撕开英伟达的防线”，是完全不同的两件事。环比13%的指引增长对一家百亿美元规模的芯片巨头而言并不算慢，但在被寄予厚望的估值面前，“不慢”本身就是一种隐患。市场急切想看到的是曲线的陡然拉升，订单、毛利率与顶级客户名单同时向上提速。“欲速则不达，见小利则大事不成。”
经营一家晶圆设计公司，不可能为了迎合某一个季度的资本情绪而打乱供应链与软件迭代的节奏。当股价已经按照“高速追赶”来定价，任何没有超越想象的平稳增长，在投资者眼里看起来都像是在减速。现金流下滑背后，不只是“烧钱”那么简单
AMD第二季度自由现金流为15.58亿美元，环比下降约39%。与此同时，购买物业与设备的资本支出从上一季度的3.89亿美元增加到了8.08亿美元，翻了一倍多。把这两组数字放在一起，很容易让人得出“AMD正在为了铺设Helios机柜和抢占产能而抽干现金”的结论。它不需要像台积电那样重金建厂，也不像云厂商那样直接购买大批GPU去盖数据中心。它的资本开支更多集中在研发设备、测试设施以及部分供应链配合上。导致经营现金流从上一季度的29.55亿美元下滑至23.66亿美元的真正原因，主要是应收账款的增加和库存的积压。第二季度AMD的应收账款增加了12.46亿美元，库存增加了4.23亿美元。这说明公司正在为大规模交付数据中心产品积蓄货源，也意味着一部分账面利润暂时还没变成实实在在的现金回流。放长周期来看，第二季度的自由现金流依然高于上年同期的11.80亿美元，上半年累计41.24亿美元的现金流更是上一季度的两倍以上。这并非造血能力突然衰竭，而是公司处于快速扩张期时，现金回收节奏暂时落后于利润账面增长的必然现象。关键在于，这些积压的库存和应收款，能否在接下来的季度里顺畅转化为收入。利润率没有恶化，但市场期待更高
在盈利指标上，AMD第二季度的非GAAP毛利率达到56%，高于第一季度的55%，更远高于上年同期的43%。外界关于“AI产品线稀释了公司毛利率”的猜测，并没有公开的分部数据支持。AMD并未单独拆分Instinct GPU与EPYC CPU的各自毛利率。真正让市场感到落差的，是AMD对第三季度非GAAP毛利率给出的指引，依然维持在56%，与第二季度持平。在投资者的预期中，随着高单价、高毛利的AI数据中心芯片占比提升，公司的综合毛利率应该顺势向上突破。收入在涨，毛利率却停在原地，难免让资本市场产生疑虑，AMD是不是为了从英伟达手中争夺大客户，采取了更具进攻性的折扣策略？Helios系统的前期量产是否带来了意料之外的导入成本？在缺少细分数据的情况下，市场往往倾向于先按照最谨慎的逻辑进行定价。现在的难题，是如何把订单转化为按时交付的机柜
过去几年，外界质疑AMD最多的往往是“找不到足够大的AI客户”。Anthropic已经宣布计划部署最高2吉瓦的MI450系列GPU；Meta、微软、OpenAI、Oracle等巨头也陆续出现在Helios系统的合作与部署名单中。现在的核心矛盾演变成了，这些宏大的多年规划，究竟能不能按时落地？摩根大通的分析显示，MI455X和Helios机柜极度依赖台积电的N3制程与CoWoS先进封装，相关产能到2027年依然紧俏。更何况，构建一套现代AI机柜绝不仅仅是把GPU插上去那么简单。它需要高带宽内存、高性能网络芯片、交换机、高密度电路板、液冷系统以及充足的电网容量配合。AI基础设施的竞争已经越过“缺芯片”的早期阶段，进入了极其漫长且复杂的工程链条较量。芯片设计只是第一步，客户真正要的是一整排拉来就能通电、联网、稳定跑模型的标准化机柜。马斯克的转向，买的是一套整体系统的确定性
SpaceX宣布只采用英伟达芯片，对AMD当期收入的直接影响或许有限。SpaceX并未公布具体的撤单金额，也不意味着AMD失去了马斯克旗下所有公司的合作。作为正在筹建吉瓦级数据中心的大客户，SpaceX的选择在同行眼里无异于一张关于“系统成熟度”的选票。当企业采购数万张AI芯片时，绝不是在对比两张参数表。马斯克选择的不仅是Blackwell芯片本身，更是英伟达背后那套开箱即用、经过反复验证的完整交付方案。离开了实际应用场景，跑分排行榜并没有绝对意义
业界经常流传一些精确的吞吐量数据，用来证明某款芯片在特定并发下完胜另一款。但脱离了具体的测试条件，这类比较往往会失去参考价值。很多独立测试表明，英伟达H100与H200在低延迟、低并发场景下依然极为出色；而AMD MI300X凭借更大的显存容量，在大模型高并发和内存受限的场景里能够跑出很高的吞吐峰值。学术研究也证实，没有任何一款AI加速器能在所有工作负载中保持绝对领先。真实世界的商业采购，看重的从来不是实验室内测出来的峰值，而是把硬件放进数据中心连续跑上几个月后，算力成本与系统稳定性是否匹配自己的业务需求。英伟达真正的优势，是替客户提前消除了不确定性
“善战者，求之于势，不责于人。”
硬件之上，有积攒多年的CUDA生态；软件栈里，有cuDNN、cuBLAS以及TensorRT-LLM等工具链覆盖常见任务；硬件层间，有NVLink与NVLink Switch实现高带宽通信；到了机柜层面，GB300 NVL72将72颗GPU与36颗CPU打包成一个巨型计算单元。它出售的早已不是某张单卡，而是一套经过成千上万开发者验证过、出了问题能迅速找到解决方案的系统工程。对于顶级AI实验室而言，硬件采购成本固然昂贵，但模型训练推迟一个月、工程团队耗费数百人周去排查底层兼容Bug的代价更为惨烈。成熟生态最大的价值，就是帮客户消除了这种不确定性。CUDA的护城河从来不是什么锁死代码的秘密武器，而是多年来沉淀下的开发习惯、人才储备与生产经验。这些东西可以被追赶，但极难在短短一两个产品周期里完成超越。AMD开始意识到，单卖GPU无法真正撕开缺口
过去AMD试图用芯片参数直接冲击英伟达，MI300X主打更大的显存与带宽。但到了Helios时代，AMD的战略路线发生了明显转变。它不再单推某颗GPU，而是将MI455X、EPYC处理器、Pensando网络芯片、ROCm软件与开放式机柜设计打包推出。搭载432GB HBM4显存的MI455X，试图在超大模型训练与推理领域形成差异化突破。它希望给云厂商和服务器大厂提供更高的自由度，让客户可以自由搭配网络、CPU和软件，避免被单一供应商绑定。这种开放路线对大型云厂商很有吸引力，毕竟没人愿意把所有筹码都押在一家公司身上。但开放也意味着更高的集成门槛，客户拿到了选择权，同时也必须自己承担不同组件之间的调试、优化与维护成本。AMD真正的考验，要等到Helios大规模交货后才算真正开始。估值偏贵的背后，市场卖的是一张未来的期权
当时英伟达的远期市盈率大约维持在19至20倍，它的定价逻辑在于证明自己能守住当下庞大的利润与市场份额；而AMD的远期市盈率却高达43至44倍，市场实际上是在为它预支一张未来的期权，押注Helios顺利量产以及ROCm生态追赶成功。英伟达股价虽高，但利润增长更快，分母膨胀迅速，估值倍数反而被拉低。而AMD当前的利润基数较小，市场在股价里提前注入了它未来抢占更多AI份额的预期。投资者买入AMD，买的是一张期权，赌Helios能够顺利量产，赌ROCm生态能加速赶上，赌Meta与OpenAI们会源源不断下订单。期权一旦兑现，利润暴增，当下的高估值自然会被消化。但只要交付稍有延误、毛利率不及预期，或是大客户流失给对手，这张期权的溢价就会被市场重新评估。这也是为什么一份优秀的财报，依然支撑不住股价的盘整。英伟达需要证明自己能守住现在的阵地，而AMD必须证明自己能抢下尚未到手的领地。Google发生的不只是一次高管离职
就在AMD发布财报的第二天，Google内部也经历了一场深刻的人事变动。Demis Hassabis卸下Google DeepMind的日常管理职责，转任Alphabet首席科学家与DeepMind董事长，将精力集中于AGI与Isomorphic Labs的前沿探索。DeepMind首席技术官Koray Kavukcuoglu接管日常运营。与此同时，Jeff Dean、Sanjay Ghemawat、Oriol Vinyals和Quoc Le四位核心研究者选择离开Google，联合创办了一家名为Discovery Loop的公益性质公司，致力于用AI自动化推进科学实验。Jeff Dean和Sanjay Ghemawat一手搭建了Google早期的分布式计算基础设施；Oriol Vinyals和Quoc Le则长期站在预训练模型、序列学习与Gemini研发的最前沿。他们的离开，不可避免地引发了外界对Google研究连续性的担忧。但把这件事简单归结为“高管内斗导致技术坍塌”未免过于流于表面。Alphabet并未与这几位科学家割裂，反而参与了Discovery Loop的投资，并与其签署了云算力合作协议。这更像是一场带有一丝温情的生态分拆，研究者获得了更高的自由度与股权，Google则通过资本和云服务继续捆绑前沿创新的果实。砸得下千亿资本，未必留得住顶尖直觉
这场人事震荡之所以引发广泛关注，在于它发生在一场史上罕见的资本豪赌之中。Alphabet第二季度的资本开支高达449亿美元，并将全年的资本开支预期抬升至1950亿到2050亿美元的惊人规模。虽然单季度自由现金流因巨额开支转负，但公司手中依然握有超过2400亿美元的流动性储备，同时还在资本市场上完成了数百亿美元的融资与发债。Google并不缺资金，它能够通过庞大的资产负债表锁定全球最顶尖的数据中心、电力和芯片资源。但商业逻辑在这里遇到了另一种瓶颈，你可以通过融资买来成千上万张GPU，却无法通过印股票直接批量生产出下一个Jeff Dean。庞大的商业机器与前沿探索的内在张力
“日凿一窍，七日而浑沌死。”
有些事物一旦强行套入标准化流程，反而会丧失最初的灵性。大型科技公司需要极其严密的流程，数千亿美元的投入不可能靠灵感来随意挥霍。合规、采购、商业化部署和客户服务都需要极其明确的KPI。然而突破性的前沿科研却有着完全不同的运行规律，那些真正改变游戏规则的发现，早期往往看不到明确的商业回报，甚至连产品形态都没有，需要研究者在极大的自由度下进行大量无目的的试错。当公司每年把近两千亿美元砸进基础设施，管理层必然会追求算力产出的商业效率；而顶尖科学家们关心的，往往是三五年后才可能见分晓的技术终局。两种诉求都有其合理性，但在同一个组织架构内，摩擦不可避免。Google这次的调整，实际上是把这种张力进行了显性化拆解，商业化运营与交付交给Koray Kavukcuoglu，探索性研究留给拆分出去的团队。人才争夺战，已经换了游戏规则
早期AI人才的竞争，拼的是谁给的薪酬高、谁名下的GPU管够。但到了今天，顶级研究者的身价与声誉早已见顶，他们在乎的东西发生了根本性的偏移。他们开始追问，自己能否独立决定研究方向？成果的产权归谁所有？模型发布是否会被商业牵着走？如果项目成功，自己能否拿到核心所有权？这解释了为什么越来越多顶级科学家选择离开大厂成立独立实验室。大公司有算力、有工程团队、有海量用户，但创业公司能给他们绝对的掌控权。Discovery Loop与Google的合作展示了一种新范式，科学家带着研究自由走出大厂，算力与资本的纽带却依然相连。对科技巨头而言，未来或许不再需要把所有天才都塞进同一间办公室，通过投资与云生态参与外部创新，同样是一种解法。AI竞争不再是一条线，而是一张复杂的网
过去人们习惯把AI产业链画成一条清晰的流水线，芯片厂商卖GPU，云厂商盖数据中心，大模型公司练模型，软件公司做应用。英伟达不仅卖芯片，还投资模型公司、做云服务、整机柜交付；AMD从纯芯片设计一路延伸至网络、机柜与底层软件；Google一手抓TPU和云，一手抓模型与生态投资；SpaceX更是横跨卫星网络、火箭发射、AI模型与数据中心。一套完整的AI交付体系，涵盖了算力基础（芯片设计与制造）、系统物理承载（网络与电力基础设施）、开发者粘性（软件工具栈与生态如CUDA或ROCm）、算法突破（前沿模型能力）、终端场景（商业落地入口）以及最核心的组织造血能力（人才与持续现金流）。竞争不再发生在某一个单独的环节，而是上述六个要素的综合体。算力依然不可或缺，但算力本身不再自动等同于商业价值。 
