社区

AI算力投资热了两年，市场对“还能涨多久”的怀疑随之累积。

10月12日，英伟达和AMD股价连续第四个交易日下跌。就在同一天，AMD发布面向Agentic AI的Helion机架设计，试图通过开放的硬件与软件架构，让客户根据智能体工作负载灵活配置CPU、GPU和网络资源；英伟达则公布了与Vera Rubin平台相关的开放标准设计，并与Meta、思科、谷歌等企业推进相关生态合作。 $英伟达(NVDA)$

新品发布、架构升级、产业协同，消息叠加本应成为AI芯片行业的催化剂，但如今，显然未能扭转市场态度。MarketWatch预计，或许与AI投资可持续性担忧、相关企业收入预期以及成长股估值压力相关。

当前的AI竞争，到底在争夺什么？

AI基础设施的竞争单位正在变大，GPU只是整套系统的起点

AI产业发展趋势，正从芯片层面延伸至机架、网络和数据中心的整体效率。

AMDHelion机架设计，核心思路是把CPU、GPU、网络和软件组织成更适合智能体运行的计算系统。AMD官方介绍称，Helion面向Agentic AI基础设施，支持客户按工作负载灵活配置计算资源，并通过开放硬件和软件降低系统部署的限制。英伟达同期向开放计算项目贡献Vera Rubin机架和计算托盘设计，也在推动下一代AI基础设施的标准化。

智能体应用在训练之外，进一步增加了推理调用、上下文管理、多模型协作和持续运行的需求，计算任务变得更加分散，系统要在延迟、吞吐量和成本之间做出更精细的平衡。

单纯比较芯片峰值算力，已经不足以完整解释客户的采购决策。数据中心运营商需要评估每单位电力能够产生多少有效计算、每个Token的实际成本、集群利用率以及设备部署和维护的复杂程度。英伟达在7月公布的Vera Rubin平台信息中，强调了整个平台的协同设计和Token成本优势；AMD则希望通过开放架构，让客户在不同供应商的硬件与软件之间获得更多选择。两条路线的竞争，最终都要回到客户能否以更低的综合成本获得稳定的计算能力。

过去，芯片厂商主要围绕处理器性能和开发工具建立竞争优势；现在，服务器制造商、网络设备商、连接器厂商、散热企业和数据中心运营商，需要更早参与系统设计。但这种开放标准下的合作方式并不等于所有企业都能获得相同的商业回报，真正决定份额的仍是产品可靠性、软件成熟度、交付能力和客户验证。

对英伟达而言，开放标准可以扩大其技术架构的行业影响力，甚至让更多基础设施围绕其产品体系建设；对AMD而言，开放生态提供了争取客户、扩大产品组合的机会。两家公司面对的是同一块不断扩大的市场，争夺的却是不同层次的客户控制力。

财报已经证明需求存在，下一步要看增长能否继续转化为利润

竞争格局之外，财报信息已经把需求的底牌亮了出来。

英伟达截至2026年7月26日的第二财季收入达到962亿美元，同比增长106%；数据中心收入为890亿美元，同比增长117%，整体毛利率为75%。英伟达依然拥有强劲的收入规模和盈利能力，数据中心业务仍然是公司增长的主要引擎。

据天眼查，AMD截至2026年6月27日的第二财季，公司收入为115.36亿美元，同比增长50%；数据中心收入达到67.18亿美元，同比增长107%，约占公司总收入的58%。AMD管理层预计，2026年下半年数据中心销售将加速增长，带动整体收入增长和盈利扩张。

英伟达的优势在于庞大的业务规模、较高的盈利水平以及软硬件协同能力，AMD的机会则在于数据中心业务的高增长和产品组合持续扩张。两家公司都受益于AI基础设施投入，但增长质量、利润基础和竞争位置并不相同，不能仅凭某一款新品的性能指标判断谁会成为最终赢家。

对AMD来说，Helion要经过更长的商业验证链条，客户是否采用、系统能否按期交付、软件能否满足实际工作负载，以及整机方案能否在成本和能效方面形成竞争力。

对英伟达来说，产品向整机架和数据中心系统延伸，公司需要协调芯片、网络、存储、供电、散热和软件等多个环节，客户采购金额与项目复杂度同步上升。

据公开资料与媒体报道，博通2026财年第三财季收入达到296亿美元，同比增长86%，公司披露的自由现金流为137亿美元。迈威尔则在10月初把2028财年营收展望上调至200亿美元，增长动力来自AI数据中心定制芯片需求。

大型云服务商发展自研芯片，需要定制设计、网络互联和数据传输能力，相关供应商也能获得增量机会。AI基础设施的价值分布并不局限于GPU。不过，相关收入预测仍属于企业展望，最终兑现程度取决于项目进展、客户需求和交付情况。

AI芯片的长期需求仍在，真正的分水岭是客户如何花钱

连跌四天，容易让人以为AI算力需求见顶了。财报和这些公司的新动作给出了相反的证据。

股价表现反映的是企业经营情况与市场既有预期之间的差异，产业需求持续增长，不等于着每家供应商都能获得相同的收入增量。英伟达和AMD的连续回调，不能直接推导出AI算力需求见顶。更需要思考和探究的问题应该是，新增资本开支流向哪里，客户正在购买什么，供应商能够从中获得多少利润。

大型企业投入更多资金建设数据中心，只有在模型服务、企业应用、云计算租赁或内部生产效率上形成相应回报，才能支撑长期投入。如果算力建设持续扩张，但应用收入增长不足、设备利用率偏低，客户可能调整采购节奏；反过来，如果智能体应用带来更多推理任务，计算需求有机会进一步扩大，并推动基础设施从训练集群向推理系统延伸。

接下来，英伟达需要证明整个平台能够持续降低计算成本、提高客户部署效率，并维持软件生态的吸引力；AMD需要证明开放架构能够带来实际客户采用，在性能、能耗、系统稳定性和总拥有成本方面建立竞争力；博通与迈威尔则需要继续把定制芯片和网络技术转化为可持续的客户项目与收入。

对供应商来说，订单能见度、交付能力、毛利率和现金流质量，将共同决定增长能否延续；对产业链其他参与者来说，机架设计标准化和开放生态也意味着新的合作机会，但需要用真实项目和商业化进展验证。

英伟达和AMD的最新动作，反映出AI基础设施正在进入更强调系统效率、开放协同和商业落地的阶段。芯片仍然重要，但客户采购决策已经延伸至整个计算系统，产业链的价值分配也会随之变化。

AI基础设施仍然存在广阔的增长空间，但增长机会正在变得更加具体。谁能让客户更高效地使用算力，谁就更有机会在下一轮产业扩张中建立稳固的位置。