黄仁勋的表外甥女，在逆袭之路上狂奔。
作者｜刘杨楠
编辑｜王博
美国当地时间11月4日，AMD公布了2025财年第三季度财报。
在AMD官方发布的财报新闻稿里，创纪录（record）的表述一共出现了7次。
根据本次财报，AMD在总营收、利润、自由现金流以及C端营收四个方面都创下了新纪录：总营收达92.46亿美元，同比增长36%；毛利润为约47.80亿美元，同比增长40%；自由现金流增长超2倍；C端业务营收27.5亿美元，同比增长46%。
AMD GAAP 季度财务业绩，翻译：“甲子光年”
AMD其他业务表现也均优于预期：数据中心业务营收43.41亿美元，同比增长22%；游戏业务营收12.98亿美元，同比激增181%。
“我们交出了一份十分出色的季度成绩单，创纪录的收入和盈利表现，反映了市场对我们高性能EPYC（霄龙）、Ryzen（锐龙）处理器以及Instinct AI加速器的广泛需求。”AMD董事长兼CEO苏姿丰表示。
苏姿丰（Lisa Su）
值得一提的是，苏姿丰和英伟达创始人兼CEO黄仁勋是远房亲戚。论辈分，苏姿丰得喊黄仁勋“表舅”，也就是说，她是黄仁勋的表外甥女。
今年4月，苏姿丰在台湾大学演讲时曾谈到黄仁勋：“我非常尊敬黄仁勋，他建立了一家了不起的公司。”
不过，在2025财年第三季度创下多项记录的AMD已在悄然抢夺英伟达在AI领域的市场。AMD近期与甲骨文、OpenAI达成的重要战略合作已经给市场预留了充分的期待。这些合作不仅带来了巨量订单，更将AMD的未来与顶级AI玩家深度绑定。
当下市场最关注的，或许就是这些订单何时真正从纸面落到账面。
1.AMD手里到底有多少AI筹码？
“甲子光年”认为，AMD在AI市场的迅速崛起，主要是基于其在GPU、CPU以及软件层面的一系列战略部署。苏姿丰的野心，是打造一个能够与现有市场主导者抗衡的完整算力生态系统。
AMD InstinctGPU
首先，在AI计算的主战场GPU，AMD正在紧追英伟达。
此次AMD数据中心业务增长创历史新高，正是得益于Instinct MI350系列GPU的放量以及服务器市场份额的增长。预计于2026年发布的MI450 GPU，也已经引起英伟达的注意。
据Wccftech报道，Instinct MI450X最初TGP（总图形功耗）是2300W，后来AMD调高至2500W，以进一步提升性能；英伟达则将基于Rubin架构的VR200的TGP从1800W提高到2300W。
TGP指一块GPU卡在典型负载下为显卡核心、显存、供电模块、风扇等所有显卡组件所允许消耗的总功率上限，代表GPU的供能能力。
AMD不仅卷参数，还要跟英伟达争客户。
近期Oracle（甲骨文）承诺将部署50000颗MI450 GPU，预计将从2026年第三季度开始交付，并计划在2027年及以后进一步扩大与AMD合作。这份订单确保AMD在企业级超大规模云服务市场中已经锁定了一个核心客户。
而像Oracle这样的大客户之所以选择AMD，除了平衡英伟达的生态绑定考虑，还有另一大关键原因是，AMD确实是性价比更高的选择：其核心不在于单卡性价比，而在于总体拥有成本（TCO）更具优势。
在AI大模型训练和推理场景中，TCO的计算不仅包括芯片采购价，还要计入能耗、机架空间、互联带宽、HBM内存容量等元素。
AMD则通过更高的HBM内存容量和更高的能效比来撬动市场。对于运行千亿或万亿参数大模型的客户而言，更高的HBM容量意味着用更少的芯片即可加载整个模型，从而减少所需的芯片互联数量、降低功耗，最终降低整体TCO。例如，Instinct MI300X配置了192GB HBM3内存容量，以及5.3TB/s 的峰值内存带宽；其对标的H100相应指标则为80GB和3.35TB/s。
苏姿丰在此次财报电话会上透露，AI开发者的MI300系列GPU部署在本季度也有所扩大。IBM和Zifra将在大型MI300X集群上训练多代未来的多模态模型，Coher现在正在OCI使用MI300X训练其Command系列模型。在推理方面，包括Character AI和Luma AI在内的一些新合作伙伴现在正在MI300系列上运行生产工作负载，直观展现了AMD在实时AI应用中的性能和总拥有成本优势。
芯片的纸面性能能否充分发挥，也离不开软件生态的加持。
AMD的AI芯片快速发展的同时，也在加速完善软件生态。目前，AMD推出的ROCm生态已迭代到第七代，相比第六代，其推理性能平均提升3.5倍，训练性能平均提升3倍。
ROCm 7与ROCm 6的对比
“甲子光年”发现，AMD通过一系列收购活动来增强其AI软件能力，包括收购AI软件公司Mipsology、Nod.ai，以及去年收购的Silo AI，均是加速AI模型在AMD硬件上的开发和部署。
未来，AMD还将继续增强AI业务的软硬件投入，以强化其TCO优势。AMD将推出Helios机架级解决方案，该机架将搭载AMD Instinct MI450系列GPU、代号Venice的新一代AMD EPYC CPU、代号Vulcano的新一代AMD Pensando高级网络，更好解决大规模AI训练与推理工作负载的需求。
可以说，GPU是AMD必须补的一门必修课。但GPU并非AMD唯一的出路。长期来看，AMD真正的“基本盘”，或许还在CPU。
此次三季度财报电话会还透露一则关键信息，AMD传统的服务器业务增长在上一季度甚至略微超过了其备受瞩目的AI芯片部门。苏姿丰透露，服务器CPU营收达到了历史新高，因为第五代EPYC处理器（Turin）的采用速度迅速加快，在本季度占EPYC总营收的近一半。
这也预示着，AMD将用一条与英伟达不同的、更契合当前市场需求的路径，赶超英伟达。
如今，许多AI算力中心已经发展到数万卡集群级别时，核心的市场需求不再是单纯的单卡性能，而是如何提供最具性价比的算力调度与业务适配，CPU正在成为AI集群中不可或缺的调度角色。
近几年，AMD在GPU上加速追赶的同时，也并未放慢CPU的创新。
比如，苏姿丰上任后便着手研发Zen架构，其核心创新在于其Chiplet模块化设计和Infinity Fabric高速互联总线。在传统设计中，增加核心数量会导致良率和成本急剧恶化。Zen架构通过将多个Chiplet拼接在一个封装内，极大地提高了制造效率和良率。Infinity Fabric则确保了这些小芯片之间的高速通信，实现了高核心数（如最高128核）、高能效比和低总体成本的平衡。
同时，AMD的3D V-Cache技术（通过垂直堆叠额外的L3缓存）在某些AI相关工作负载中也提供了独特的价值。虽然对于大型深度学习训练任务的帮助有限，但它能显著提升CPU端的数据预处理性能、小型推理工作负载，以及对延迟敏感的高性能计算（HPC）任务的效率 。
整体来看，AMD十分擅长扬长避短之道，利用其在CPU领域的优势地位，将客户注意力吸引到整体机架TCO而非单纯GPU性能上。出售更易于被市场采纳的、高性能CPU/系统组合的同时，不断完善GPU生态，由此也绕开了ROCm软件生态的短板。
总的来看，AMD正在从一个PC芯片供应商转型为一个AI系统级解决方案提供商，这是其AI战略的关键一环，同时也契合了当前国内外市场对AI算力的需求痛点。
2.游走在中美之间
算力不够用了——这或许是北美巨头此前在AI算力投入上“抱团取暖”的核心动机。
算力部署的瓶颈不再仅仅是技术或芯片制造，而是转向了基础设施和能源供应。面对算力危机，中美科技界走出了两条截然不同的战略路径。
美国的核心策略是“增加供给”，砸更多钱，造出更多算力。OpenAI为例，其数百亿美元的算力投入计划，实则也是美国科技巨头不惜一切代价扩大算力储备、制造更多算力这一思路的缩影。
中国则更强调“组织优化”，由于美国对高端芯片的出口管制，中国需要有效利用每一份算力，通过优化算法、场景和算力精准适配，来提升现有资源的利用效率。
AMD横跨中美两大市场，已经在北美和中国两大市场构建了不同的生态位。
在北美市场，AMD毫不犹豫地加入了OpenAI、Oracle、Meta和Microsoft等巨头的算力“大团圆”，提供最先进的MI450和MI350系列GPU，直接参与最前沿的AI训练算力市场竞争。
在中国市场，AMD必须设计出合规的“定制版”芯片，以维持其在华的市场份额。例如，AMD曾设计了Instinct MI308等数据中心GPU，其性能和互联速度被有意限制，以保持在美国出口阈值之下。
但是AMD这次明确表示，其第三季度的业绩不包括向中国出货AMD Instinct MI308 GPU产品的任何收入。
一般来说在会计制度中，公司在无法确定最终出货能否实现或收入确认是否符合会计及监管要求时，会选择“不计入尚未确定的销售收入”。从AMD的披露看，“向中国出货MI308”仍带有不确定性，所以收入未计入。
不过，在这种复杂环境下，AMD也试图用商业手段，绕开非商业因素的制约，在中国联合阿里云等头部云厂商，主打“场景化算力”和“芯片共创”。这种模式核心目的是针对不同细分业务需求提供最具性价比的算力方案，强调系统TCO和高效部署，这与中国科技企业强调能效优化的策略高度契合。
在今年的云栖大会上，AMD在展台内设置了七个展示单元，涵盖CPU、嵌入式计算解决方案、ROCm、Mini AI工作站，以及阿里云ApsaraDB RDS、阿里云 ECS与阿里云ACS三大生态合作内容，构成从芯片到解决方案再到行业应用的展示链路，全面呈现AMD在智能时代的算力优势与生态协同成果。
阿里云智能集团服务器研发资深技术专家刘礼寅说：“阿里云与AMD的合作不断深化。通过第九代AMD云实例，我们为客户提供了兼顾性能与效率的选择。这是双方在推动云计算与AI应用价值落地上的又一重要成果。”
AMD在云栖大会的展位
“甲子光年”认为，AMD在中国AI市场的策略是：合规参与，提供CUDA替代方案，与云厂商深度合作，用开放生态换增长。
不难发现，当前AMD已经搭建起一个足够完整的业务架构，且战略重点清晰，动作果断，相信很难有人在接下来的AI算力生态中轻视AMD。
3.AMD的启示：先撒网，后聚焦
AMD的成功转型几乎是全球半导体史上一次教科书式的企业复兴。其核心驱动力来自于苏姿丰主导的两次关键业务重组：第一次是“撒网”，第二次是“聚焦”。
这一张一弛之间给AMD画出了一条清晰的发展路径。这些经验对于在当前复杂环境下的中国芯片企业而言颇具现实意义。
在2014年苏姿丰上任之初，AMD正处于财务崩溃的边缘，面临营收下降和现金流枯竭的困境。公司管理层清醒地意识到，必须摆脱对单一、不稳定的PC市场的过度依赖。
为此，AMD在2014年发起第一次重组，瞄准高性能计算市场，将业务体系重组为“计算与图形”及“嵌入式和半定制化”两大事业部。核心目标是实现收入来源多元化，果断切入相邻的高增长市场，特别是为索尼PlayStation和微软Xbox提供定制化SoC的半定制业务以及面向数据中心的企业级服务器业务。
在营收处于颓势时，这次变革是“撒网”，目的是快速占领新的市场份额，为生存争取时间。
不过，尽管面临财务压力，苏姿丰依然做出了一个高风险、重投入的决策：开发Zen架构。
AMD Zen
Zen架构的成功不仅拯救了公司，还通过EPYC处理器系列真正冲击了英特尔在服务器CPU市场的长期垄断地位，也是AMD从PC转型高性能计算市场提供了技术条件。
第二次重组则发生在2022年财年第二季度。在ChatGPT发布之前，AMD就颇有预见性地将数据中心业务提升为独立的、对市场变化做出快速响应的事业部。该部门整合了服务器CPU、数据中心GPU、Pensando和赛灵思数据中心产品。
为了确保战略执行力，在组织架构上，公司迅速提拔了Forrest Norrod担任执行副总裁兼数据中心解决方案事业部总经理。Norrod在企业级计算经验颇丰，他领导的数据中心团队不仅要实现GPU市场份额的扩张目标（目前目标为20%），更要强调提供整体系统级TCO和端到端解决方案的价值。这次重组的核心逻辑是“聚焦”，即从高性能计算的大方向中筛选出最具增长潜力的AI和数据中心业务，并针对性地投入资源和顶尖人才。
从“撒网”高性能计算到“聚焦”AI，我们从AMD的转型路径中提炼了一些可以参考的经验。
首先，敢于并购不等于“既要又要还要”。
AMD的经验表明，并购行为本质还是要服务于公司的长期战略，服务于业务主线，明确自身的核心边界，并敢于做出取舍。
AMD通过一系列并购（赛灵思、ZT Systems、Silo AI）获得了GPU、FPGA、网络、系统设计和AI软件能力。然而，在收购ZT Systems后，AMD做了一个关键动作，就是迅速决定剥离其在美国的制造业务。这一决策并非简单地为了巩固Fabless模式，而是为了集中资源于高附加值的系统集成和IP设计。
ZT Systems的核心价值在于其机架级集成能力和系统热设计，这对于将MI系列GPU大规模部署到云数据中心至关重要。物理制造是资本密集且利润率相对较低的环节，剥离后交由合作伙伴完成，能够快速减轻成本负担，将资源集中于构建IP设计、架构和端到端系统集成等核心竞争力，进一步服务于其TCO导向的战略。
其次，要真正看清并看懂市场需求。
站在当前的时间点上，AI算力市场的核心需求已经从关注单个芯片的峰值性能，转向关注大规模集群的TCO和业务适配性。
从收购ZT System的动作来看，AMD并不执着于和英伟达在GPU性能上硬碰硬，同时还强调其EPYC CPU在集群中的算力调度、数据协调以及整体的TCO优势，以此回应市场需求。通过收购ZT Systems，AMD能够提供Helios等机架级系统解决方案，直接交付经过优化、即插即用的AI集群，从而缩短客户的设计和部署时间。
最后，开放才是硬道理。
虽然AMD在GPU硬件上追赶速度够快，但ROCm生态系统的相对滞后是其市场份额扩张的核心障碍。为了解决这一痛点，AMD选择了拥抱开放源代码，并通过与OpenAI、Oracle等超大规模客户的深度合作，来推动推动其生态的快速迭代和实战成熟。
整体上看，AMD的转型是半导体产业的经典案例，高风险的战略押注、持续的研发投入和灵活的业务调整缺一不可。
当然，阶段性的成功不等于永久的成功。如今的全球算力市场注定无法风平浪静，AMD颇为激进的转型动作也给未来长期发展埋下了一些潜在风险。
市场的情绪可以说明一些问题。尽管本次业绩全面超预期，AMD股价在盘后交易中却下跌超过3.7%。华尔街的分析师认为，这既反映了公司股价年内已累计上涨107%后的获利了结压力，也隐约反映了市场对AI概念股高估值的普遍担忧。
我们认为，AMDROCm生态的成熟还需要更多时间。尽管OpenAI和Oracle的深度合作加速了ROCm的迭代，但其能否在2026年后真正达到与CUDA匹敌的稳定性、可靠性和开发工具集，以支持MI450的落地部署，是AMD能否实现其GPU市场份额扩张目标的重要因素。
另外，AMD在短时间内将赛灵思、Pensando、ZT Systems、Silo AI等大量不同业务和技术栈纳入麾下，如何高效地整合这些复杂的软件和系统设计团队，确保文化融合和技术协同，避免并购中常见的合规和效率风险，同样考验着其长期管理能力的挑战。
但比起这些细水长流的问题，AMD接下来首要解决的，或许就是近期签下的数个“GW”的大订单了，这将直接决定市场对AMD的信心和期待阈值。
（封面图及文中配图来源：AMD）
