文章核心观点 - 文章探讨了博通和AMD作为挑战英伟达AI基础设施主导地位的两家主要半导体公司 并分析了哪只股票可能在2026年表现更优 [1] 公司表现与市场定位 - 截至撰稿时 AMD在2025年股价上涨超过70% 博通上涨约45% [1] - AMD是GPU市场的第二大参与者 但远落后于英伟达 [3] - AMD在推理市场占据了一个有利的细分领域 该领域更看重每次推理的成本而非原始算力 且英伟达的CUDA软件护城河在此不那么宽 预计推理市场最终将比训练市场大得多 [3] - 博通以不同于英伟达和AMD的方式进攻AI芯片市场 专注于为客户设计定制AI专用集成电路 这些芯片针对特定任务硬连线 性能更好且能效更高 [6] AMD的业务进展与合作伙伴关系 - 微软正在开发工具包 以将CUDA软件代码转换为AMD的ROCm 从而在推理中使用更多AMD的GPU [4] - AMD与OpenAI达成合作 将部署6吉瓦的GPU 从明年开始先部署1吉瓦 作为交易的一部分 OpenAI还将通过基于部署里程碑行权的认股权证持有AMD的股份 [4] - AMD还与沙特阿拉伯公司Humain达成了协议 [4] - GPU并非AMD的唯一业务 公司也是计算机和数据中心中央处理器的领先供应商 虽然CPU市场不如GPU市场大 但增长迅速 AMD在数据中心领域一直在夺取市场份额 [5] 博通的业务进展与市场机会 - 博通帮助Alphabet开发了其非常成功的张量处理单元 这吸引了其他大型超大规模数据中心运营商成为其客户 [7] - 博通表示 其三个进展最快的客户在其2027财年可能带来超过600亿美元的机会 第四个客户Anthropic已为Alphabet的TPU下了210亿美元的订单 将由博通履行 [7]

核心观点 - AMD作为人工智能芯片市场“第二选择”的投资逻辑正面临根本性挑战 其稀缺性价值窗口正在缩小 股价可能因此停滞 [2][3][8] 市场地位与估值逻辑 - AMD的整个AI估值依赖于一个原则：稀缺性 市场将其视为未来的双头垄断竞争者之一 并给予其58倍2025年预期收益的溢价估值 [4][5] - 旧的叙事是英伟达缺货且不能向中国销售 因此客户必须购买AMD的MI325X芯片 这曾为AMD带来了能见度和需求 [9] - 新的现实是这种稀缺性正在消失 为了验证58倍的市盈率 AMD必须占据AI加速器市场20%的份额 [9] 地缘政治与市场准入变化 - 美国政府重新向英伟达开放中国市场 授权其向中国销售H200芯片 这使得AMD希望用其“符合中国规定”的芯片来填补的巨大市场缺口消失了 [3][9] - 中国的阿里巴巴和腾讯等客户对“足够好”的AMD芯片不感兴趣 他们更偏好英伟达的生态系统 [9] 关键客户与需求风险 - 甲骨文作为AMD最直言不讳的支持者和“造王者” 其股价因“资本支出消化不良”而暴跌11% 这给AMD最大的芯片买家带来了削减支出的压力 [3][9] - 甲骨文的困境表明“不惜一切代价投入”的阶段可能暂停 随着预算收紧 首席信息官们会停止试用AMD等“替代”芯片 并回归英伟达的“标准”方案 [9] - 如果甲骨文放缓采购 市场缺口难以填补 因为微软和亚马逊等超大规模企业正在开发自己的芯片 这导致AMD的“商业市场”正在收紧 [9] 软件生态竞争劣势 - AMD的软件套件ROCm正在改进 但并非英伟达的CUDA [9] - 随着英伟达的市场准入壁垒降低 开发者将代码移植或为ROCm进行优化的紧迫性自然会下降 而移植成本高昂 [9] - 风险在于 如果随着“英伟达禁令”解除 开发者停止为AMD移植代码 那么AMD的硬件可能变成无人知道如何使用的优质硅片 [9] 业务防御与稳定基础 - 尽管AI GPU面临挑战 但AMD的服务器CPU业务在高性能领域处于领先地位 英特尔仍在努力追赶 [9] - 即使甲骨文减少AI支出 其云业务运营仍然需要CPU 这为AMD提供了收入基础 防止其股价像纯粹的AI泡沫股一样崩溃 [9]

第三季度财务业绩 - 第三季度营收达92.5亿美元，同比增长36% [1][2] - 调整后每股收益为1.20美元，高于市场预期的1.17美元 [1] - 运营利润率从第二季度的11%升至14%，净利润增至12亿美元，同比增长61% [2] - 数据中心业务是核心板块，占总营收近47%，其盈利能力超过其他所有板块之和 [2] 各业务板块表现 - 客户端与游戏板块营收达40亿美元，同比增长72%，运营利润率从12%提升至21% [2] - 游戏板块营收达12.9亿美元，同比激增181% [2] - 嵌入式板块营收为8.57亿美元，同比下降8%，但环比增长4%，显示出企稳迹象 [4] - 数据中心业务的强劲增长由服务器CPU和AI GPU两大品类共同驱动 [2] 未来业绩展望与增长动力 - 公司预计第四季度营收将达96亿美元，高于分析师预期的92亿美元 [3] - 增长势头得益于与OpenAI和甲骨文达成的两项数十亿美元合作协议 [3] - 游戏板块受假日季销售高峰和新游戏发布驱动，预计第四季度将保持强劲增长 [3] - 管理层预计从2026年下半年开始，受下一代MI450 GPU和Helios机架系统推动，将实现进一步营收增长 [10] AI生态系统竞争与ROCm软件 - NVIDIA占据数据中心AI GPU市场94%的份额，而AMD仅占6% [5] - AMD正推广ROCm作为开放AI开发平台，ROCm 7的推理性能较ROCm 6提升4.6倍，训练性能提升3倍 [5][6] - 通过与OpenAI等大型AI实验室合作，ROCm正被领先客户积极使用和改进，已超越概念验证阶段 [7][8] - ROCm 7虽未达到CUDA成熟度，但已显著缩小差距，有望在1-2年内成为CUDA的商业可行替代方案 [6][8] 战略转型与市场定位 - 公司正从“芯片制造商”向“AI系统公司”转型，旨在提供包含GPU、CPU、网络和冷却系统的完整机架解决方案 [10] - 提供端到端解决方案有望带来更高客户粘性、交叉销售机会以及更高利润率 [7] - Helios机架解决方案将使客户无需自行设计，与NVIDIA的全面AI解决方案类似 [10] - 公司被定位为AI市场的主要参与者，而不仅仅是“次优选择” [9]

行业竞争格局 - 微软开发工具包旨在打破英伟达CUDA在AI软件生态的霸权 [1] - 工具包可将基于英伟达CUDA编写的AI模型程序码自动转换为与AMD ROCm平台兼容的版本 [1] - 此举有望让锁定在英伟达硬件生态的AI应用程序未来能在AMD AI GPU上无缝运作 [1] 技术开发与产品 - 微软开发出专用工具包以实现CUDA到ROCm的转换 [1] - 该工具包目前尚未命名 [1] - 开发核心原因是AI推理需求激增 [1] 市场与成本因素 - 英伟达GPU性能强但价格昂贵导致AI推理成本居高不下 [1] - 通过技术转换微软希望为客户提供更灵活经济的算力选择 [1] - AMD MI300X系列AI GPU是此战略的目标硬件平台之一 [1]

核心观点 - 美银证券重申AMD买入评级 核心投资逻辑聚焦于2026年下半年的重大增长拐点 [1] - AMD预计在分析师日将AI可寻址市场规模从2028年5000亿美元上调至2030年1万亿美元以上 为长期增长提供支撑 [1] - 随着MI400X产品发布和OpenAI合作落地 公司每股收益有望在2027年从2025年的不到4美元飙升至约10美元 [1] 数据中心GPU业务增长 - 数据中心GPU成为AMD增长最大亮点 MI355X在三季度快速获得客户认可并放量 推动下半年GPU收入实现约150%的环比增长 [2] - AMD为MI450/Helios在2026年下半年及之后的供应链准备进展顺利 客户兴趣显著提升 [2] - 与OpenAI签署6GW产能协议 OCI承诺从2026年三季度部署至少5万颗MI450 GPU Meta展示基于MI450的定制机架系统 [2] - 摩根大通认为这些进展为AMD实现2027年数据中心GPU收入达数百亿美元目标奠定基础 [2] - 数据中心GPU销售额有望从当前年度62-64亿美元激增至2027年约300亿美元 增长近5倍 [1][3] 机架级架构与OpenAI合作 - AMD对机架级MI400X产品 客户多元化 供应链协调及软件平台ROCm进展表示乐观 为2026年下半年OpenAI项目启动做准备 [3] - 美银估算 若AMD执行OpenAI全部6GW订单 长期每股收益潜力可能超过15美元 [3] - 公司在AI市场份额约为3-4% 真正增长基于机架级架构执行力和市场份额扩大 [3] 毛利率与竞争环境 - 公司与英伟达和博通等更大规模竞争对手的竞争并不容易 [4] - 研发支出大幅增加且将保持高位 公司短中期优先考虑市场份额增长而非利润率最大化 [4] - 毛利率可能面临压力 因产品组合向投入成本较高的机架级系统转移 毛利率可能被指引在50%出头的水平 [4] - 部分投资者可能保持观望 直到看到更多关于机架级产品执行力和OpenAI之外客户多元化的证据 [4]

公司在AI竞赛中的初始市场地位 - 公司在人工智能竞赛中表现不佳 被竞争对手英伟达击败[1] - 英伟达占据了AI计算市场的巨大份额 公司仅作为价格更低的替代品存在 其平台几乎无人使用[1] 与OpenAI合作带来的潜在转变 - 公司与OpenAI的合作公告为其带来了生成式AI领导者的巨大信心投票 可能对业务产生重大影响[2] - 合作旨在改进公司的ROCm软件 以提升其市场地位[4] - 公司的产品以价格低于英伟达著称 如果能在操作系统层面缩小差距 将成为英伟达产品的可行替代方案[4] 与英伟达在软件和硬件方面的竞争差距 - 英伟达建立巨大领先优势的原因之一是其技术栈 其CUDA软件是成功的关键原因之一[3] - 公司需要创建能与CUDA竞争的软件[3] - 尽管硬件性能可能存在争议 但英伟达的软件能使GPU实现更好性能是公认的[3] 数据中心业务表现与增长需求 - 在2026财年第二季度 英伟达数据中心业务收入为411亿美元 同比增长56%[5] - 同期公司数据中心业务收入仅为32亿美元 同比增长14% 表现远逊于英伟达[5] - 公司需要赢得新业务来推动增长[5]

AMD与OpenAI合作协议 - OpenAI与AMD签订合作协议，计划在未来数年内部署合计6GW的AMD GPU算力，该计划将于2026年下半年正式启动，首批1GW将基于MI450系列GPU [1] - AMD向OpenAI授予最多1.6亿股普通股的认股权证，解锁与算力部署进度和AMD股价等相关 [1] - 该合作协议标志着AI算力供给仍存较大缺口，基于技术加股权合作有望加深双方在软硬件方面的协同，加速AMD ROCm生态建设 [1] - ROCm 7将于2025年第三季度普遍可用，与ROCm 6相比，其具备超过3.5倍的推理能力和3倍的训练能力 [1] 海光信息软件生态与兼容性 - 海光DCU具备完整的软件栈，包括DTK、开发工具链、模型仓库等，完全兼容ROCm生态，支持TensorFlow、PyTorch等主流深度学习框架 [2] - 海光DTK软件栈兼容ROCm生态，或将有效降低国内大模型适配成本 [2] 国内信创市场采购与渗透加速 - 工商银行2025年度海光芯片服务器采购项目中标候选人公示显示浪潮信息是中标主力，中兴通讯和联想是备选，三家服务器整机方案均基于海光芯片，该项目集采金额或高达30亿元 [3] - 中国联通集采项目中海光服务器预算金额为27.82亿元 [3] - 金融、运营商等信创体系有望率先实现全面国产化，加速海光芯片渗透 [3] 投资标的 - 推荐标的包括海光信息、寒武纪、中芯国际、兆易创新、盛科通信 [1] - 相关标的包括芯原股份 [1]

AMD AI技术推广活动 - AMD在南京软件谷云密城成功举办AI速训营 吸引众多AI从业者与技术爱好者参与 [1] - 活动聚焦AI技术应用与落地探索 在软件强区雨花台区举行 [1] 技术专家分享内容 - AMD AI软件应用工程总监王宏强分享超过20年行业经验 涵盖数据中心/客户端/边缘终端等多场景AI解决方案 [4] - AMD ROCm实验室副主任李世保展示开源AI软件生态前沿进展 AI医院项目即将在南京落地 [4] - 南大研究生刘泽森分享AMD GPU MoE算子优化经验 其团队于今年4月获得AMD全球GPU算子挑战赛春季赛头奖 [4] 云端开发环境创新 - 实战Workshop通过AMD Developer Cloud提供云端算力 参会者仅需个人笔记本即可接入预搭建的ROCm 7.0稳定环境 [8] - 该模式无需高性能硬件 可实现沉浸式GPU开发实操 [8] 产业生态建设布局 - AMD于今年7月在雨花台区落地ROCm实验室 位于南京人工智能生态街区 [8] - 实验室旨在壮大ROCm开源生态 吸引行业合作伙伴及开发者提升解决方案适用性 [8] - 未来公司将与业界合作构建开放生态系统 覆盖硬件/软件/应用多层面产业体系 [9]

FlashAttention-4技术发布 - 在Hot Chips 2025会议上由TogetherAI首席科学家Tri Dao公布FlashAttention-4 [1] - 新版本针对英伟达Blackwell架构进行原生优化 此前需依赖Triton/cuDNN间接支持 [19] 性能表现 - 在Blackwell上比英伟达cuDNN库中的注意力核实现快达22% [2] - 执行A@B+C计算时 在归约维度K较小场景下比cuBLAS 13.0库更快 标准矩阵算法A@B时两者速度相当 [5] - 通过两个累积缓冲区重叠epilogue设计击败cuBLAS [9] 算法改进 - 采用新型在线softmax算法 跳过90%输出rescaling操作 [6] - 使用指数软件模拟(MUFU.EX2)提升softmax与张量核计算的吞吐量重叠 [6] - 基于CUTLASS CuTe Python DSL开发 ROCm HIP移植难度比CUDA C++高10倍 [6] 技术演进历程 - 初代FlashAttention(2022)通过tiling+softmax rescaling策略将内存复杂度从O(N²)降至O(N) [11][13] - BERT-large训练速度提升15% GPT-2(序列长度1K)速度提升3倍 Long-Range Arena(序列长度1K–4K)提升2.4倍 [13] - FlashAttention-2(2023)速度比初代提高2-4倍 A100 GPU达230 TFLOPs/s 为PyTorch标准实现9倍速度 [17][18] - FlashAttention-3(2024)适配Hopper架构 速度达FlashAttention-2的1.5-2.0倍 FP8精度下接近1.2 PFLOPS [19] - GitHub仓库累计获得19.1k星标 目前未发布技术报告 [23][24] 行业生态影响 - Tri Dao等开发者专注于英伟达GPU并开源核心代码 被视为CUDA生态核心优势 [9] - AMD需提供优惠支持或支付5000万美元才可能吸引开发者转向ROCm生态系统 [9] - 谷歌曾支付27亿美元获取Noam Shazeer技术 Meta为OpenAI工程师支付1亿美元 [9]

公司业绩与战略 - AMD在苏姿丰领导下市值从20亿美元飙升至近3000亿美元 [5] - 数据中心收入从2022年60亿美元增长到2023年126亿美元 [15] - 采用小芯片技术并推出全球首款7纳米数据中心GPU [6] - 与OpenAI、Meta、谷歌、特斯拉等巨头达成合作 [6][16] 行业竞争格局 - AMD与英伟达在AI芯片市场直接竞争 [3][7] - 英伟达市值达4.4万亿美元远超AMD [7] - 特朗普政府对销往中国芯片征收15%关税 [3] - ROCm软件生态系统与英伟达CUDA存在差距 [19] 技术发展方向 - 人工智能从训练转向推理计算 [18] - 模块化芯片制造方法获得巨大回报 [6] - 医疗保健被视为AI关键应用领域 [22][31] - 预计未来三四年市场规模超5000亿美元 [16] 产业政策与布局 - 支持芯片制造回归美国 [11] - 台积电亚利桑那晶圆厂已运行最新服务器处理器 [12] - 半导体产业对国家安全和经济利益至关重要 [11] - 需要改变追求最低成本的心态 [12] 产品与研发 - 针对内存容量等推理计算关键因素优化 [18] - 拥有AI模型团队进行产品测试 [19] - 通过收购Nod.ai加强软件生态系统 [22] - 微软将在云服务中全面采用AMD芯片 [17]