单月新高背后是 AI 订单

台积电的月度营收不附带详细说明，却被投资者当成观察全球芯片需求最及时的窗口——因为它的客户名单几乎覆盖了每一家主流 AI 硬件厂商，包括英伟达、苹果与谷歌。2026 年前七个月，公司累计营收同比增长 37%，达到新台币 2.87 万亿元。

在最近一季的财报中，这种势头更清晰：第二季度营收 402 亿美元，同比增长 36%；净利润跳增 77%，至新台币 7066 亿元（约 220 亿美元）。最关键的结构变化是，7 纳米及以下先进制程贡献了全部晶圆营收的 77%，而承载 AI 加速器、GPU 与数据中心处理器的”高性能计算”板块，已占到总营收的 66%。董事长兼首席执行官魏哲家在法说会上反复强调：”AI 相关需求持续极为强劲。”

资本开支同步加码

需求有多旺，投入就有多大。台积电把 2026 年资本开支指引上调至 600 亿至 640 亿美元的历史高位，钱主要投向台湾本地的先进制程产能，以及正在提速建设的美国亚利桑那工厂。公司对第三季营收的预测区间为 446 亿至 458 亿美元，并把全年美元计营收增长目标从原先的”超过 30%”上修到”略高于 40%”。

预警声也在响起

并非所有人都把这串数字当作全无阴霾的绿灯。Quilter Cheviot 科技研究主管本·巴林杰（Ben Barringer）认为，7 月表现”绝非易事”，说明眼下需求仍在，但他提醒半导体行业波动剧烈，单月数据天然嘈杂，不宜过度解读。Needham 分析师 Charles Shi 则更乐观，预计台积电 2027 年仍有望增长 40%、2028 年增长 24%。

市场情绪本身也在拉扯：费城半导体指数较 6 月高点回落约 15%，但年内仍大幅上涨；台积电美股存托凭证年初至今涨幅超过 50%。当 hyperscaler（超大规模云厂商）每年砸下数百亿美元扩建数据中心，台积电的月度营收就成了检验这些投入是否真正转化为芯片出货的晴雨表。只要 AI 客户的订单不停，这家掌握约七成全球晶圆代工份额的工厂，就仍站在整条供应链的中心。

来源：CNBC／路透社（2026 年 8 月 10 日报道，经多家媒体转载）

8 月 6 日美股收盘后，AMD 宣布已与加拿大 AI 芯片初创公司 Taalas 签署最终收购协议。交易金额未披露，需通过监管审批，预计在第四季度完成交割。据 The Register 了解，这是一笔实打实的收购，而非只挖团队的「人才收购」。

不用显存，把权重直接烧进硅片

Taalas 成立于 2023 年，总部位于加拿大多伦多，累计融资约 2.19 亿美元。它的技术路线与主流方案完全不同：无论是常规 GPU，还是 Groq、Cerebras 那类数据流架构加速器，模型权重都存放在高带宽内存里，芯片运行时反复读取——数据在内存与计算单元之间来回搬运，带来功耗、延迟和封装成本。

Taalas 的做法是把权重直接蚀刻进硅片。从结构上看，它的芯片由两个区域构成：存放模型权重的掩模只读存储区，以及承载键值缓存和微调适配器的静态随机存储区。这类芯片本质上是「模型专用集成电路」，一颗芯片只服务一个模型。

这套方案并非停留在纸面。今年 2 月，Taalas 发布了首款测试芯片 HC1，采用台积电 6 纳米工艺制造。初步基准测试中，它运行 Meta 的 Llama 3.1 8B 模型达到每秒 16960 个词元——按当时的对比口径，这一速度是英伟达 GPU 的 48 倍、Cerebras 加速器的 8.5 倍。Llama 3.1 以今天的标准看已属老模型（2024 年年中发布），这枚光罩尺寸的芯片主要目的是验证概念可行。

第二代 HC2 芯片计划于今年夏季推出，单芯片参数量目标提升至 200 亿。这个数字听起来不大，但与 GPU 一样，权重可以通过流水线并行分散到多颗芯片上。按每颗 200 亿参数计算，支撑一个万亿参数模型只需 50 颗加速器——而 AMD 恰好拥有机架级计算平台和自研系统设计团队。作为对照，英伟达近期发布的 LPX 系统跑同等规模模型，需要数十颗 GPU 外加至少 2000 颗 Groq 加速卡。

AMD 的算盘：GPU 处理提示词，专用芯片吐词元

据了解，AMD 打算把基于 Instinct 的 Helios 机架与 Taalas 技术芯片配对，构成一套解耦架构：计算密集的提示词处理交给 GPU，词元生成任务卸载到 Taalas 加速器。另一种可能的模式是形成「验证—迁移」的迭代节奏，客户先在 Instinct 加速器上部署调试模型，确认效果后再迁移到 Taalas 芯片。

AMD 人工智能高级副总裁 Vamsi Boppana 在声明中表示：「AMD 正在构建全栈 AI 平台，让客户能够为每一种 AI 工作负载灵活选择合适的计算方案。」

这笔交易的背景，是行业竞争焦点正从训练转向推理。过去几年芯片厂商比拼的是谁能连接更多 GPU、提供更大显存和更高集群带宽；随着模型进入实际业务，推理变成了持续发生、反复计费的负载，客户开始追问每个词元的成本、响应延迟和数据中心功耗。这笔收购距离英伟达与 Groq 达成 200 亿美元交易仅隔约七个月，也印证了推理芯片已成新战场。

AMD 近年在这条线上动作密集：2024 年以 6.65 亿美元收购模型开发商 Silo AI、以 49 亿美元收购服务器厂商 ZT Systems 为 Helios 机柜奠基，此后又拿下推理软件公司 MK1；今年 6 月收购内存优化公司 MEXT，7 月与 Cerebras 达成合作。财务上也支撑得起：AMD 第二季度营收 115 亿美元、同比增长 50%，其中数据中心业务 67 亿美元、同比增长 107%，占总营收的 58%。

代价：芯片一旦流片，就跟这个模型绑死了

速度虽快，代价也很直白——芯片部署后就被锁死在那个模型上。任何超出 LoRA 适配器级别的改动，都需要重新流片，既贵又耗时。生成式 AI 热潮进入第四年，新模型几乎按月迭代，要享受这项技术红利，客户必须对自己的模型选择有十足把握。

不过据 Taalas 说法，情况没那么糟：换新模型虽需重新流片，但不必从零开始，只需改动两层金属，成本和周期都低得多。今年 2 月该公司曾对科技媒体 The Next Platform 表示，把模型权重蚀刻进硅片的开销，比训练一个前沿模型低 100 倍。

The Register 判断，这项技术的主要用户会集中在模型开发商、其基础设施供应商，以及少数推理服务商。AMD 在这方面有谈判优势：OpenAI、Anthropic 和 Meta 都是 Instinct 的重要客户，未来看到某个 GPT 或 Claude 跑在 Taalas 与 Instinct 的混合方案上，并不令人意外。

这项技术还可能反向影响模型开发。开发者压制幻觉的手段之一叫「测试时扩展」，做法很简单——让模型在回答前多「想」一会儿。缺点是消耗大量词元，既费钱又让用户等更久。如果 Taalas 能把单位词元成本压下来、把输出速度提升 10 倍到 20 倍，模型开发者或许会选择把推理时间拉得更长。

AMD 首席执行官苏姿丰此前多次表示，AI 芯片市场不存在「一种芯片通吃所有应用」的情况：GPU 凭通用性仍会占据大部分份额，因为它能支撑不断演进的新模型；但不同场景也需要更专业化的加速器共同构成完整生态。Taalas 补上的，正是最靠近专用计算的那一端。

来源：The Register

Taalas 的技术路线在业内被称为”模型专用集成电路”（MSIC）。传统 GPU 靠高带宽内存（HBM）存储模型权重，每次推理都要从内存反复读取；Taalas 则把权重直接烧进芯片的掩模只读存储（Mask-ROM）区域，省掉了绝大部分数据搬运开销。其芯片由两个核心区域组成：掩模 ROM 存储固定权重，高速 SRAM 存储 KV 缓存和微调适配器。

说白了，这是用灵活性换极致性能的赌注。一旦芯片出厂，上面跑的模型就锁死了——想换模型就得重新流片（重新设计光罩）。不过 Taalas 称，更换模型时只需修改两层金属布线，成本和时间远低于从头设计新芯片。

这笔交易发生在英伟达以 200 亿美元收购 Groq 仅仅七个月之后。两家公司的思路有相似之处——都瞄准低延迟、高吞吐量的”高级推理”市场，也就是 AI 智能体、代码助手这类对首字延迟极其敏感的应用场景。但 Groq 走的是数据流架构路线，而 Taalas 走的是更激进的”模型固化”路线。

AMD 方面没有披露交易金额。Taalas 自 2023 年成立以来累计融资 2.19 亿美元，创始团队来自 AMD 和 Tenstorrent 的前员工。AMD 计划将 Taalas 技术整合进 Instinct GPU 产品线，采用解耦架构：复杂的前端提示处理交给 GPU，高频 Token 生成交给 Taalas 加速器。

这意味着什么？如果 Taalas 的技术能在量产中兑现承诺，AI 推理的成本结构可能被重写——不是比拼谁买了更多 GPU 卡，而是比谁能把最常用的模型”固化”下来、以最低成本持续输出 Token。对正在评估推理基础设施的企业来说，值得密切关注这条技术路线的后续进展。

来源：The Register / AMD 官方新闻稿 / 网易科技

多芯片战略

Anthropic 发言人向 Business Insider 表示，公司计划采用”软硬件协同设计”策略，让 Claude 在客户所需规模下运行得更快、更高效。同时明确将采取”多芯片方案”——来自 AWS、谷歌、英伟达和 AMD 的硬件仍将是其算力基础设施的核心。这与该公司今年 4 月的公开声明一致：Claude 的训练和推理同时使用 AWS Trainium、谷歌 TPU 和英伟达 GPU 三类芯片。

行业趋势

Anthropic 是最新一家下场造芯的 AI 实验室。竞争对手 OpenAI 于今年 6 月发布了与博通联合设计的首款定制芯片 Jalapeño（一款推理处理器），据称可节省约 50% 成本。两家头部实验室几乎同步推进定制硅片，反映出通用 GPU 在特定 AI 推理任务上的成本和能效瓶颈已迫使行业寻找更贴合自身模型的专用硬件。

此前路透社曾报道 Anthropic 正在探索自研芯片的可能性，《The Information》则披露其曾与三星电子接触，讨论代工合作事宜，涉及三星 2 纳米制程和先进封装技术。但截至目前，具体用途、工艺节点和交付时间表均未公布。

背后的商业逻辑

Anthropic 自身披露的数据揭示了造芯决策的商业驱动力：截至今年 4 月，其年化收入已突破 300 亿美元，较 2025 年底的约 90 亿美元大幅增长；年消费超百万美元的客户数量在不到两个月内翻倍至超过 1000 家。公司称这一增长直接源于”全球客户对 Claude 的异常强劲需求”。定制芯片若成功落地，将在现有租用第三方算力的基础上增加一层自有算力资产，有望进一步降低单位推理成本。

来源：Business Insider / Unite.ai

前谷歌大脑研究员杰里米·尼克松创办的初创公司 Infinity，用人工智能编码智能体为芯片公司 D-Matrix 重建了一套 CUDA 级别的软件栈，耗时约10小时。他对《商业内幕》说，这说明英伟达最重要的护城河之一正在被跨过去。

CUDA 全称统一计算设备架构，由英伟达高管伊恩·巴克主导、打磨了近二十年，里面打包了现成代码库和调试工具，还能让成千上万块芯片协同训练一个模型。它更硬的是第二重壁垒：各家公司在上面堆了数百万行代码和工作流，换芯片就得重写。亚马逊的内部文件曾把 CUDA 列为自研 Trainium、Inferentia 芯片落地的主要障碍。深度求索创始人梁文锋也提过，编码智能体加上自研的 TileLang 语言，让搭建这类软件容易了很多。

压力还来自另一头——行业重心正从训练模型转向跑模型。韩国芯片创企 Rebellions 的马歇尔·崔说得直接：在推理这边，「CUDA 已经不再是一个因素」，那是开源的战场。英伟达开发者生态副总裁安基特·帕特尔则回应，公司自己也在用编码智能体加速 CUDA 开发和验证，而且越往落地走，全栈优化的价值越大。

我的判断是，护城河不会消失，只会挪个位置。曾把上一家芯片软件公司卖给英伟达的徐冰（Bing Xu）说得实在：智能体能在短时间里生成一大堆代码，但验证才是最大的瓶颈。Modular 的克里斯·拉特纳更不客气，说这波炒作「非常过头」——写代码只是造软件的一小部分，难的是把它调到能上生产环境。

下一轮竞争，你赌生成速度，还是赌验证能力？

来源：Business Insider 报道，综合 The Next Web 整理

这份成绩单超出了市场预期。此前市场对三星二季度营业利润的一致预测为 84.19 万亿韩元，实际数字高出约 6.3%。当季净利润达到 71.62 万亿韩元，同比增长 1299.9%，同样超过 68.36 万亿韩元的预估；每股收益 10849 韩元，营业利润率高达 52.2%，创下三星成立以来的最高水平。

存储芯片是绝对主角

拆开财报看，这轮利润爆发几乎完全由半导体业务驱动。负责芯片业务的设备解决方案（DS）部门当季营收 127.5 万亿韩元，环比增长 56%；营业利润 89.2 万亿韩元，占全公司营业利润的 99% 以上。其中存储业务营收 120.8 万亿韩元，同比暴增 471%，营收和利润双双创下历史最高纪录，DRAM 和 NAND 的位元出货量均达到历史峰值。

背后的逻辑并不复杂：全球科技巨头持续投入巨资建设 AI 基础设施，训练和推理任务对算力的需求快速膨胀。AI 加速器需要大量高带宽内存（HBM）作为配套，云计算厂商也在不断扩充服务器集群，带动服务器 DRAM 和企业级 SSD 需求一路走高。三星表示，当季服务器产品收入占整体销售的比例达到历史最高水平。

在下一代产品上，三星已完成 HBM4 的规模量产并向主要客户批量交货，同时率先向大客户送出了业界首批 HBM4E 样品，在下一代 AI 存储的竞争中抢先卡位。

手机业务的另一面：增收不增利

不过，财报的另一面没有那么光鲜。负责手机、电视、家电等整机业务的设备体验（DX）部门当季营收 48 万亿韩元，营业亏损 8000 亿韩元。其中手机与网络业务（MX/Networks）营收 33.2 万亿韩元，亏损 7000 亿韩元——尽管 Galaxy S26 系列和 Galaxy A 系列销量保持增长，但存储芯片等零部件价格上涨明显挤压了终端利润。

这构成了一个耐人寻味的循环：存储涨价让三星芯片部门赚得盆满钵满，却同时抬高了自家手机的成本。AI 产业链的利益正在重新分配，上游存储和芯片供应商成为最直接的受益者，消费电子终端则被夹在成本上涨与需求疲软之间。

下半年芯片缺货还将继续

展望下半年，三星预计 AI 基础设施资本开支仍将保持强劲，智能体（Agentic AI）的普及会进一步拉动服务器 DRAM、企业级 SSD 和 HBM 的需求，存储市场预计继续供不应求。三星称，尽管在努力扩产，供应紧张的局面短期内难以缓解，公司将聚焦 HBM4、DDR5、SOCAMM2 等高附加值产品。

同在本周，韩国另一家存储巨头 SK 海力士公布的二季度财报显示，其营业利润同比大增 557% 至 60.5 万亿韩元。两大巨头联手印证：存储行业正处在一轮由 AI 驱动的超级周期之中。财报公布当日，韩国 KOSPI 指数早盘涨幅扩大至 4%，三星电子股价上涨超过 4%。

来源：Samsung Newsroom – Samsung Electronics Announces Second Quarter 2026 Results，部分数据综合澎湃新闻、CNBC 报道

这家全球高带宽内存（HBM）龙头当天公布 2026 年第二季度业绩：营收 79.3187 万亿韩元，同比大增 256.8%，环比增长 51%；营业利润 60.5426 万亿韩元，同比暴涨 557.2%，营业利润率高达 76.3%，超过第一季度的 71.5%。营收和营业利润双双刷新单季历史纪录，仅一个季度的营业利润就超过了去年全年的 47.2063 万亿韩元。上半年累计营收也首次突破 100 万亿韩元大关。

净利润的表现更为夸张：单季净利润 93.9226 万亿韩元，同比暴增 1242%。不过这里面有很大一部分来自「卖资产」——公司部分出售 2018 年通过贝恩资本财团投资的铠侠（Kioxia）股份，录得 62.166 万亿韩元的非经营性收益。

史上最强，为何还「不及预期」

尽管数字亮眼，这份财报仍被市场认定为「业绩未达标」。据韩国金融数据机构 FnGuide 统计，分析师此前预期二季度营收 82.58 万亿韩元、营业利润 63.15 万亿韩元，实际结果分别低了约 5%。财报公布后，SK 海力士在美股上市的存托凭证（ADR）盘后一度跳水近 8%。

业绩不及预期主要有三个原因：

• HBM 占比反而拖累涨价红利：本轮存储行业利润暴涨主要靠通用存储芯片价格飙升，而 SK 海力士的 HBM 销售占比更高，HBM 采用多年期长约定价，价格提前锁死，反而没能充分享受现货涨价
• 涨价势头见顶：二季度通用 DRAM 价格环比涨幅约 30%、NAND 闪存约 55%，明显低于一季度的 60% 和 70%，涨价最猛的阶段已经过去
• 长约锁价：据业界人士透露，SK 海力士约五成销售额通过长期供货协议（LTA）锁定，目前已与包括核心客户在内的约 10 家客户敲定多年期合约

下半年看点：HBM4 放量

技术层面，SK 海力士透露新一代 HBM4 已在二季度启动大规模出货，下半年将进一步扩产；更下一代的 HBM4E 也已在上半年完成向主要客户的样品交付。公司表示，HBM4 在客户要求的运行速度、能效和成本竞争力上均处于行业领先水平。

展望全年，公司预计 DRAM 需求位元增速在 25% 至 30% 之间，NAND 需求增速处于 10% 至 20% 区间的高端；资本开支则可能达到 40 万亿至 50 万亿韩元指引区间的上限，这也引发了市场对未来供应过剩和折旧压力的担忧。

不过机构依然看多下半年：FnGuide 预测三季度 SK 海力士营收将达到约 100 万亿韩元、营业利润约 78 万亿韩元。随着英伟达新一代 AI 加速器 Vera Rubin 进入量产，HBM4 销售有望在下半年加速放量，AI 智能体普及和新手机发布也将继续推高存储需求。

对整个行业而言，这份「史上最强却仍不及预期」的财报传递出一个信号：AI 存储行情依然火热，但市场的胃口，已经被养得越来越大了。

来源：SK 海力士官方财报、朝鲜日报英文版、路透社

差距有多悬殊

先看具体数字。亚马逊预计 2026 年资本开支约 2000 亿美元，Alphabet 给出的指引是 1800 亿至 1900 亿美元，微软约 1900 亿美元，Meta 预计 1250 亿至 1450 亿美元，且这些投入大多与 AI 直接相关。

反观苹果：2025 财年全年资本开支仅 127 亿美元；2026 财年上半年更是只花了约 43 亿美元，其中第一财季的 23.7 亿美元同比还下降了约 19%。对一家年营收超过 4000 亿美元的公司而言，这几乎是「四舍五入可以忽略」的量级。

投行的数据进一步凸显了这场军备竞赛的烈度。先锋领航（Vanguard）2026 年展望预计，AI 超大规模厂商从 2025 年初到 2027 年底的资本投入将达到约 2.1 万亿美元；高盛则指出，过去 12 个月这些厂商的资本开支加上回购和分红，已消耗其经营现金流的约 95%，远高于 2019 年的约 80%，部分公司甚至开始借债维持投入节奏。

不建数据中心，钱都去哪了

苹果把省下来的钱大把还给了股东。2026 财年第二季度（截至 2026 年 3 月 28 日）财报发布的同时，苹果董事会批准了新增 1000 亿美元的股票回购计划，并将季度股息上调 4% 至每股 0.27 美元。2026 财年上半年，苹果经营现金流超过 820 亿美元，其中约 450 亿美元通过分红和回购返还给了投资者。

关键在于，「少花钱」并没有拖累业绩。该季度苹果营收 1111.8 亿美元，同比增长约 17%，创下三月季度的历史纪录；每股收益 2.01 美元，同比增长 22%，连续第八个季度超出市场预期。iPhone 业务收入约 570 亿美元，同比大涨 22%；服务业务收入 310 亿美元，同比增长 16%，再创新高。大中华区收入 205 亿美元，同比增长约 28%，成为增长最亮眼的市场之一。

苹果的算盘：租，而不是买

苹果并非不做 AI，而是选择了一条资本密集度低得多的路线。其 A19 和 A19 Pro 芯片内置了面向 AI 负载的神经加速器，Apple Intelligence 已嵌入全线产品——苹果押注的是端侧 AI，让模型跑在用户手里的设备上，而不是自建数据中心帝国。

云端大模型这一环，苹果则干脆选择「租」。今年 1 月，苹果与谷歌宣布达成多年期合作，下一代 Apple 基础模型将基于谷歌 Gemini 模型和云技术构建。这背后的判断是：大模型终将像电力一样商品化，谁都能买到，没必要人人自建电厂。OpenAI CEO 萨姆·奥尔特曼和微软 CEO 萨提亚·纳德拉都表达过类似观点——AI 模型正在快速商品化，最终会「便宜到不值得计费」。

风险：便宜的门票，可能挤不进未来的场子

当然，这种策略并非没有代价。批评者担心，如果 AI 硬件形态发生根本变化——比如 OpenAI 正与苹果前设计灵魂人物乔尼·艾维合作开发 AI 随身设备——苹果可能不只是迟到，而是被关在门外。

苹果自身也无法完全置身事外。库克在财报电话会上警告，受 AI 需求挤压存储芯片供应影响，「预计内存成本将显著上升」，苹果预计下季度毛利率将从 49.3% 回落至 47.5% 到 48.5% 之间。即便不直接参战，也要为涨价的「炮弹」买单。

纪律还是否认？至少目前，市场用股价投了票：在同行大把烧钱、现金流吃紧的当口，手里有余粮、季季超预期的苹果，反而成了让投资者最安心的那一个。答案或许要等到 AI 应用真正大规模变现的那一天才会揭晓。

来源：编译自 Yahoo Finance《Apple Is Barely Spending on AI While Its Rivals Pour In $700 Billion. Is That Discipline or Denial?》，部分数据参考 Nasdaq、India Today 相关报道。

量子计算为什么被寄予厚望

与使用二进制比特（0 或 1）处理数据的传统计算机不同，量子计算机采用「量子比特」，其「叠加态」特性允许系统同时评估海量可能性。这一能力对人工智能尤其有价值：量子计算机可以更快地求解复杂的优化问题、增强机器学习效果、模拟分子间的相互作用等。

目前公开上市的量子计算纯业务公司主要有三家：IonQ 采用「囚禁离子」技术路线，目标是改进 AI 模型并为科研生成更优质的数据；Rigetti 使用超导量子比特构建量子计算机，客户可结合现有 AI 原生工具调用其算力；两家公司都通过云平台提供服务，并寻求与微软 Azure、亚马逊 AWS、谷歌云等基础设施供应商集成。D-Wave 则专注于「量子退火」这一细分技术，虽然只适用于优化和采样问题，但在物流、金融、药物研发等领域已有实际应用场景。

三家纯业务公司的财务现实

文章指出，这三家公司的技术仍以科研为主。尽管商用系统和云服务正在扩张，但距离交付具备「可测量量子优势」的企业级容错量子计算机，仍有数年之遥。

财务层面的问题更为直接：三家公司虽然都有一定收入，也获得了政府补贴支持，但持续录得大额经营亏损，且都依赖反复增发股票来支撑研发投入，导致股东权益不断被稀释。

估值方面的数字则更为夸张：IonQ 的市销率（P/S）约为 58 倍，而 Rigetti 和 D-Wave 的市销率都接近 480 倍。对于仍在烧钱、尚未实现盈利或自我造血的公司而言，这样的估值水平反映的是极端投机情绪，而非业务基本面。

为什么答案是英伟达

Spatacco 认为，对于想在投资组合中配置量子计算敞口的投资者来说，英伟达是更值得考虑的选择。

理由在于，英伟达通过 CUDA-Q 平台为量子计算提供了不可或缺的经典计算基础设施。该平台支持横跨 GPU、CPU 和量子处理器的「混合量子-经典编程」。随着量子 AI 规模扩大，这些系统将越来越依赖英伟达的生态来运行让经典计算与量子计算高效协同的新一代算法。换句话说，无论最终哪家量子公司胜出，英伟达都是那座绕不开的「桥梁」。

估值同样是加分项：英伟达当前市盈率（P/E）约为 32 倍，处于近七年来的最低水平。这一折价意味着，量子计算普及与 AI 基础设施持续扩张的潜在收益，尚未被完全反映到股价之中。

文章总结称，买入英伟达既能捕捉数据中心建设潮的近期动能，又能以「加杠杆」的方式押注未来十年量子计算的长期进展——这比在市销率数百倍的纯概念股上豪赌，要稳妥得多。

需要提醒的是，以上观点仅为原文作者的分析判断，不构成投资建议。

来源：The Motley Fool（via Yahoo Finance），作者 Adam Spatacco

从”零机会”到”大有可为”

SemiAnalysis在一篇深度分析中指出，他们对AMD在AI加速器领域的判断经历了三次更新。最初，SemiAnalysis认为AMD在软件层面与英伟达的差距过于悬殊，给出了”0%机会”的悲观评价——当时AMD软件问题丛生，团队甚至连续数月成为AMD Bug报告最多的提交者。

但六个月后，情况发生变化。SemiAnalysis观察到AMD有了真正推动变革的领导力，而非委员会式的决策模式。AMD CEO苏姿丰（Lisa Su）亲自与分析师沟通并采纳了多项建议，AMD软件团队的紧迫感明显增强。SemiAnalysis将评级从0%上调至”有一定机会”。

到了2026年中，信号变得更加强烈。基于对AMD软件栈的深入体验，SemiAnalysis再次更新判断——只要AMD能解决两大关键风险，就有”很大机会”在AI加速器市场取得成功。

Anthropic、微软、OpenAI纷纷转向AMD

重磅信号来自AMD的客户名单。Anthropic已公开宣布将部署2GW的AMD芯片，Anthropic计算主管Tom Brown甚至在周末用Claude的”/goal”功能在AMD硬件上完成了内部Claude推理栈的适配。

更引人注目的是微软的转变。2023年，微软因HBM内存不可靠和软件质量差而放弃了AMD MI300X，并跳过了MI325X和MI355X两代产品。但2026年，微软180度转向，宣布将部署MI455X Helios系统。据SemiAnalysis分析，OpenAI将是Azure上MI455X机架的主要终端客户。

AMD还在与Cerebras达成合作，采用类似英伟达-Groq交易策略，实现PD分离（Prefill-Decode Disaggregation）以提供超快速交互式推理。

两大风险：产能爬坡与开发集群稳定性

尽管前景乐观，AMD仍面临两个严峻挑战。

第一，Helios机架系统的产能爬坡遇到困难。由于AMD未采用无电缆托盘设计，加上SerDes设计较弱，每个机架高达85%的背板需要重定时（Retiming），需要超过550个博通以太网重定时器。背板可靠性问题正在拖累量产节奏。

第二，内部GPU集群严重不足。AMD工程师最普遍的抱怨是缺乏稳定的GPU集群用于内部软件开发和自动化测试CI。这个问题正在阻碍AMD的进步速度——因为每个AI编码Agent本身也需要GPU才能运行和测试。

竞争升级：从”GPU对决”到”平台对决”

英伟达自然不会坐视不理。其正从GPU供应商转型为全栈AI基础设施提供商，通过收购网络技术公司和扩展软件堆栈实现硬件、软件与互联的垂直整合。英伟达还通过推出AI CPU正式进军数据中心CPU市场，瞄准约2000亿美元潜在市场，直接挑战AMD的传统优势领域。

但市场格局已经出现结构性变化。Gartner分析师指出，AI推理工作负载占比持续提升——2023年还是训练占2/3、推理占1/3，到2026年推理市场已增长至训练市场的2.16倍。推理占比越高，CUDA的生态锁定效应越弱，这对AMD更为有利。

高盛已将AMD目标价从240美元上调至450美元，伯恩斯坦上调至525美元。整个AI芯片赛道的投资逻辑，正在从”追逐英伟达训练芯片的垄断红利”转向”布局多元算力兼容的新方向”。

*文章来源：本文基于SemiAnalysis 2026年7月分析报告”Can AMD break the CUDA Moat? AMD Advancing AI 2026″改写，并综合Gate博客、雪球、同花顺等渠道信息补充。*