超微半導體 AMD（AMD）深度分析｜從 $2 股價到 AI 晶片黑馬，12 GW 超級大單挑戰 NVIDIA

一、從瀕死到復活：Lisa Su 的十年逆轉

AMD 成立於 1969 年，比 Intel 晚一年。創辦人 Jerry Sanders 是一位個性張揚的銷售奇才——他曾說過一句名言：「真男人要有自己的晶圓廠。」但諷刺的是，AMD 最終在 2009 年把晶圓廠拆分出去成立 GlobalFoundries，從此依賴外部代工。早年兩家公司因 x86 處理器架構的授權協議而糾纏不清，AMD 長期扮演「Intel 平價替代品」的角色——性能差一截、價格便宜兩成，吸引的是對品牌不敏感的預算型買家。

2006 年，AMD 曾豪擲 $54 億收購圖形晶片公司 ATI Technologies，試圖打造「CPU + GPU」一體化的夢幻組合。但這筆收購的整合過程極其痛苦，加上 2008 年金融海嘯的衝擊，AMD 陷入了長達數年的虧損泥潭。到了 2014 年，公司的處境可以用「奄奄一息」來形容：背負 $22 億債務，股價徘徊在 $2 至 $3 之間，主力產品在性能和能效上全面落後 Intel，伺服器 CPU 市場份額不到 1%，甚至有分析師預測 AMD 可能在兩年內破產。

就在這個至暗時刻，44 歲的蘇姿丰被任命為行政總裁。她是台灣出生、紐約長大的電機工程博士，曾在德州儀器（Texas Instruments）、IBM 和飛思卡爾半導體（Freescale Semiconductor）積累了約十八年的半導體經驗。上任後她做的第一件事，就是砍掉當時利潤微薄的低端流動晶片業務，把所有資源集中到一個賭注上——代號「Zen」的全新處理器架構。這個決定在當時備受質疑——你都快破產了，還敢把所有雞蛋放在一個籃子裡？

Zen 架構本身已經是一次重大突破，但真正的殺手鐧要到 2019 年的 Zen 2 才登場——chiplet（小晶片）設計。傳統上，處理器是一塊完整的大晶片，面積越大、良率越低、成本越高。蘇姿丰的團隊反其道而行，把處理器拆成多塊小晶片，再用先進封裝技術拼在一起。這種做法不僅大幅提高良率，還能靈活組合不同數量的小晶片，用同一套設計覆蓋從筆記型電腦到伺服器的所有市場。就好比用標準化的積木搭建不同大小的房子，而 Intel 還在為每種房子單獨開模。

2017 年，基於 Zen 架構的 Ryzen 處理器正式發佈，一鳴驚人。性能直逼 Intel 同級產品，價格卻低 20% 至 30%。消費者用腳投票，AMD 股價在 Ryzen 發佈後一年內翻了三倍。隨後，針對伺服器市場的 EPYC 處理器、針對圖形的 Radeon 顯示卡也相繼發力，AMD 逐步收復失地。

更重要的是，蘇姿丰建立了一套「年度迭代」的節奏：Zen 2（2019）、Zen 3（2020）、Zen 4（2022）、Zen 5（2024），每一代都在製程、架構和能效上穩步推進。相比之下，Intel 在同一時期深陷 10 奈米製程的困局，多次延期讓客戶失去耐心。蘇姿丰的策略是「穩紮穩打、步步進逼」——不追求一步登天的突破，而是每一代都比上一代好 15% 至 20%，積少成多，最終實現全面超越。

關鍵收購：拼齊 AI 版圖

蘇姿丰的野心不止於 CPU。2022 年，AMD 以約 $500 億全股票方式收購 Xilinx——全球領先的可編程晶片（FPGA）製造商。這筆交易讓 AMD 一腳踏入汽車、工業和通訊基建等高利潤嵌入式市場。Xilinx 的 FPGA 可以理解為一種「萬用晶片」——它不像 CPU 或 GPU 那樣出廠後功能固定，而是可以被客戶反覆重新編程，針對特定任務做優化。在 5G 基站、航空航太、醫療影像等領域，FPGA 幾乎不可替代。這個分部目前每季度貢獻約 $8 至 $9 億收入，利潤率高於公司平均水平，是 AMD 財務穩定性的重要支柱。2023 年收購 Nod.ai 和 2024 年收購 Silo AI，則是為了補強 AI 軟體生態——AMD 在硬體上追趕英偉達的同時，深知軟體才是真正的護城河。

2024 年，AMD 宣佈以 $49 億收購 ZT Systems，一家專門設計 AI 數據中心基礎設施的公司。這筆交易在 2025 年 3 月完成，讓 AMD 從單純的晶片供應商升級為「晶片 + 系統」的整體方案提供者，正面挑戰英偉達的 DGX 一體機模式。

結果呢？蘇姿丰上任時 AMD 股價約 $3.28，其後一度跌破 $2。到 2024 年底升至約 $121——從低位計升幅超過 60 倍，年均複合回報率約 51%，同期標普 500 僅約 13%。到了 2026 年 5 月，受惠於 12 GW 超級訂單的利好消息，股價更飆升至 $445——從上任時的 $3.28 算起亦超過 135 倍。這是一次教科書級別的企業逆轉。

二、12 GW 的天價訂單：OpenAI 和 Meta 為何押注 AMD

如果說蘇姿丰的前十年是「翻身」，那 2025 年底到 2026 年初發生的事情，則是「質變」。

2025 年 10 月，OpenAI 與 AMD 宣佈了一份規模驚人的協議：OpenAI 將部署多達 6 吉瓦（GW）的 AMD GPU 算力。作為對比，一座典型的核電站發電量約為 1 GW，也就是說 OpenAI 打算用相當於六座核電站的電力來運行 AMD 晶片。首批 1 GW 將採用即將推出的 MI450 GPU，預計 2026 年下半年開始交付。

交易結構同樣值得關注：AMD 向 OpenAI 發行最多 1.6 億股認股權證，按里程碑分批歸屬。以 AMD 目前約 16.5 億股流通股計算，這意味着 OpenAI 最終可能持有 AMD 約 10% 的股權。換言之，OpenAI 不只是 AMD 的客戶，更是長期利益綁定的合作夥伴。

Sam Altman 為什麼要這樣做？答案很簡單——他不想被英偉達一家掐住脖子。當你的公司每年需要花費數百億美元購買 GPU，而全球 80% 以上的 AI 晶片都來自同一個供應商時，任何一次供貨延遲或漲價都可能致命。引入 AMD 作為第二供應商，既能壓低採購成本，又能增加議價能力。認股權證的設計更是精妙——AMD 的晶片賣得越好，OpenAI 的認股權證越值錢，雙方利益完全一致。

2026 年 2 月，Meta 用幾乎一模一樣的架構簽下了第二份 6 GW 協議：同樣是最多 1.6 億股認股權證、首批同樣採用 MI450 和 Venice EPYC 處理器。據估算，Meta 的交易價值約為 $600 億。Zuckerberg 的算盤也很清楚——Meta 已經把開源大語言模型 Llama 全面押注在 AMD 硬體上，100% 的 Llama 405B 即時推理流量都跑在上一代的 MI300X 上。

同一時期，甲骨文（Oracle）也宣佈將從 2026 年第三季度起部署 50,000 顆 MI450 GPU——這不是實驗性小批量，而是正式的超大規模基礎設施採購。加上亞馬遜雲端服務（AWS）、Google Cloud、Microsoft Azure 和騰訊雲紛紛推出基於第五代 EPYC 的雲端實例，AMD 的客戶名單已經從「Intel 替代品」升級為「AI 核心供應商」。

兩筆 6 GW 交易合計 12 GW，AMD 預計未來四年將因此新增超過 $1,000 億收入。這些訂單的意義不僅在於金額，更在於它們給予了 AMD 前所未有的收入能見度——投資者終於可以看到未來三到四年的訂單管道，而不只是猜測下一季的業績。

三、GPU 軍備競賽：MI455X 對決 Rubin，誰是 AI 算力之王？

要理解 AMD 在 AI 領域的位置，就必須弄清楚一件事：目前 AI 訓練和推理市場約 80% 的 GPU 都來自英偉達。AMD 是挑戰者，不是守擂者。但挑戰者的進步速度，正在讓守擂者感到壓力。

當前一代：MI350X 對決 B200 / B300

AMD 目前量產的旗艦 AI GPU 是 Instinct MI350X，基於 CDNA 4 架構，採用台積電 3 奈米製程。它配備 288 GB 的 HBM3E 記憶體和 8 TB/s 頻寬，是 AMD 首款原生支援 FP4 低精度格式的晶片——這對 AI 推理效率至關重要。液冷版本 MI355X 的 FP4 算力達到 20.1 PFLOPS。

英偉達這邊，B200（Blackwell 架構）配備 192 GB HBM3E、約 8 TB/s 頻寬，FP4 密集算力約 9 PFLOPS（含稀疏加速約 18 PFLOPS），功耗約 1,000W。而 2026 年 1 月開始出貨的 B300（Blackwell Ultra）將記憶體提升至 288 GB HBM3E，FP4 密集算力約 15 PFLOPS，比 B200 提升約 67%，但功耗也飆升至 1,400W。

從純 FP4 算力數字看，MI355X 的 20.1 PFLOPS 實際上已經超越 B200（9 至 18 PFLOPS）甚至 B300（15 PFLOPS 密集），不過 GPU 性能的比較遠不止一個指標。英偉達在軟體生態、晶片間互聯和系統級優化上仍有優勢。但 AMD 還有另一張王牌——根據 AMD 提供的測試數據（需注意這是廠商自己的基準測試），使用 MI350X 自建推理集群的總擁有成本（TCO）比同等英偉達方案低約 30% 至 40%。原因有幾個：MI350X 的功耗較低（一張 MI350X 約 1,000W，與 B200 相當，但單位算力功耗更優），單位記憶體成本更優，而且 AMD 的系統級方案（透過 ZT Systems 收購獲得的能力）允許客戶根據需求靈活配置，減少閒置資源浪費。

對於每年花費數十億甚至數百億美元購買 AI 晶片的超大規模客戶來說，即使 AMD 的絕對性能不及英偉達，30% 的成本差距意味着同樣的預算可以部署更多的推理節點。這也是為什麼 Meta 選擇把 Llama 405B 的全部推理流量跑在 AMD MI300X 上——訓練可以用英偉達的頂級硬體追求極致性能，但推理階段更看重性價比和部署規模。

下一代（2026 年下半年）：MI455X 對決 Rubin R100

真正的重頭戲是下半年即將推出的下一代產品。AMD 的 MI455X 基於 CDNA 5 架構，採用台積電 2 奈米製程，由 12 顆運算晶片組成，總電晶體數達 3,200 億個。記憶體升級至 432 GB HBM4，頻寬暴增至 19.6 TB/s，FP4 算力達到 40 PFLOPS——比上一代提升約四倍。

英偉達的回應是 Vera Rubin 平台，核心是 Rubin R100 GPU。這顆晶片同樣採用雙晶片封裝設計，但使用台積電 3 奈米製程，總電晶體 3,360 億個。配備 288 GB HBM4、22 TB/s 頻寬，FP4 算力高達 50 PFLOPS——號稱是 Blackwell 的五倍。

從紙面規格看，這是一場各有千秋的對決。AMD MI455X 在記憶體容量上佔據明顯優勢（432 GB 對比 288 GB），多出的 50% 記憶體對運行超大參數模型有實際意義——當模型參數量超過一定閾值時，記憶體不足就需要跨多張卡分佈，增加通訊開銷和延遲。但英偉達在算力（50 PFLOPS 對比 40 PFLOPS）和頻寬（22 TB/s 對比 19.6 TB/s）上仍然領先，而且 NVLink 6 的晶片間互聯速度也是 AMD Infinity Fabric 目前難以匹敵的優勢。

值得一提的是，兩家公司都已經宣佈了 2027 年的路線圖：AMD 的 MI500 系列基於 CDNA 6 架構，聲稱比 MI300X 性能提升 1,000 倍（這個數字需要等實際測試驗證）；英偉達的 Rubin Ultra 則承諾 FP4 算力翻倍至 100 PFLOPS。軍備競賽的節奏已經從過去的「兩年一代」加速到「一年一代」，對雙方的研發資源和執行力都是巨大考驗。

真正的護城河：CUDA 軟體生態

不過，GPU 競爭從來不只是硬體規格的比拼。英偉達最深的護城河是 CUDA——一套自 2007 年公開發佈的 GPU 平行運算軟體平台。全球數以百萬計的開發者、研究人員和企業都在 CUDA 上寫程式碼，主流的 AI 框架（PyTorch、TensorFlow）都針對 CUDA 做了深度優化。要切換到 AMD 的 ROCm 平台，意味着重新測試、重新優化、甚至重寫部分程式碼——對企業來說是巨大的遷移成本。

AMD 對此的策略是多管齊下：一方面透過收購 Nod.ai 和 Silo AI 強化 ROCm 生態，另一方面與 PyTorch 等主流框架密切合作提升相容性。OpenAI 和 Meta 的大額訂單在這方面有催化效應——當全球最大的 AI 實驗室開始大規模部署 AMD 晶片時，他們自身的工程團隊會為 ROCm 生態貢獻大量優化程式碼和實戰經驗，形成正向循環。差距在縮窄，但要追平仍需要時間。軟體生態的建設是以十年為單位的長跑，不是一兩筆大單就能解決的問題。

四、EPYC 大反撲：伺服器 CPU 收入首超 Intel

在所有人都盯着 GPU 戰場的時候，AMD 在另一個戰線上悄然打了一場漂亮的翻身仗——伺服器 CPU 市場。

回到 2018 年，AMD 在伺服器 CPU 市場的份額不到 5%，Intel 一家獨霸超過 95%。但 EPYC 處理器憑藉 chiplet 設計帶來的核心數和能效優勢，開始一步步蠶食 Intel 的地盤。到了 2026 年第一季度，Mercury Research 的數據顯示 AMD 的 x86 伺服器 CPU 收入份額已經達到 46.2%，出貨量份額 33.2%。

收入份額遠高於出貨量份額，說明 AMD 賣的都是高端高利潤產品。企業客戶願意為 EPYC 的高核心數、大記憶體支持和更佳能效支付溢價。更值得注意的是，AMD 第一季度數據中心收入 $58 億，已經超過了 Intel 同期數據中心及 AI 收入的約 $51 億——這是歷史上首次。

Intel 的困境在於多重夾擊：自家製造良率問題導致供貨緊張、行政總裁 Pat Gelsinger 離任帶來的管理層動盪，加上 AMD 的 EPYC 在技術上已經建立了明確優勢。蘇姿丰在財報電話會上表示，AMD 目前生產的每一顆 EPYC 處理器都在被搶購。

一個新的推動力是「代理人 AI」（Agentic AI）的興起。這類 AI 工作負載涉及多步驟推理、頻繁的記憶體存取和大量通用計算——不只需要 GPU 做加速，更需要強大的 CPU 做協調。這恰好是 EPYC 的強項，也解釋了為什麼 AMD 的伺服器 CPU 業務在 AI 熱潮中同樣受惠。

五、主要客戶與生態系統：從「替代品」到「核心供應商」

要判斷一家晶片公司的前景，光看產品規格不夠，還要看誰在買。AMD 的客戶名單在過去兩年發生了質的變化，從「買不到英偉達才退而求其次」的備選供應商，升級為超大規模客戶主動選擇的核心夥伴。

第一梯隊：戰略級 AI 客戶

OpenAI（6 GW 長期協議）和 Meta（6 GW 長期協議）是 AMD 最大的兩筆 GPU 訂單，前面已經詳細分析。甲骨文（Oracle）是第三個重要客戶，承諾從 2026 年第三季度起部署 50,000 顆 MI450 GPU——這不是小規模測試，而是足以支撐大型雲端推理服務的正式採購。

第二梯隊：雲端平台全面滲透

在 EPYC 伺服器處理器方面，AMD 已經滲透到全球所有主流雲端平台。亞馬遜雲端服務（AWS）推出了基於第五代 EPYC 的 M7a、C7a 和 R7a 實例；Google Cloud 推出了 H4D 虛擬機，專門針對高性能運算（HPC）工作負載進行優化；Microsoft Azure 則在通用、記憶體優化和運算優化三個類別都提供了 EPYC 驅動的實例。甚至騰訊雲也在中國市場推出了 EPYC 雲實例——這意味着 AMD 的伺服器晶片已經實現了真正的全球覆蓋。

一個關鍵指標：Meta 的 Llama 選擇

在所有客戶案例中，最能說明問題的或許是 Meta 的決定。Meta 把開源大語言模型 Llama 405B 的 100% 即時推理流量都跑在 AMD MI300X 上。這不是公關聲明，而是實際的生產環境部署。Llama 405B 是目前最大的開源模型之一，每天處理數以十億計的推理請求。Meta 選擇 AMD 而非英偉達來承載這些流量，等於用自己的商譽為 AMD 的晶片能力背書。

客戶集中度仍然是一個風險（後文會詳述），但客戶質量的提升是不爭的事實。當全球最頂尖的 AI 公司願意把核心工作負載交給你的晶片運行時，市場的認知就已經改變了。

六、財務分析：數據中心撐起半邊天

Q1 2026 業績一覽

2026 年 5 月 5 日公佈的第一季度業績，可以用「全面超預期」來概括。總收入 $102.5 億，按年增長 38%。Non-GAAP 毛利率 55%，營業利潤 $25 億，淨利潤 $23 億，每股盈利 $1.37。自由現金流更是創下歷史新高的 $25.7 億。

分部表現

數據中心是絕對的增長引擎，收入 $58 億，按年增長 57%，佔總收入比重從一年前的 49% 提升至 56%。這個分部涵蓋 EPYC 伺服器處理器和 Instinct AI GPU 兩條產品線，兩者都在加速增長。

客戶端及遊戲分部收入 $36 億，按年增長 23%，其中個人電腦處理器（Ryzen）收入 $29 億（按年增長 26%），受惠於 Windows 10 停止支援帶動的換機潮以及 AI PC 的新需求。遊戲業務則因主機晶片週期見底而相對平淡。

嵌入式分部收入 $8.73 億，按年增長 6%——這是 Xilinx 收購帶來的業務，增速較慢但利潤率高，是穩定的現金流來源。

增長軌跡

管理層對第二季度的指引是收入約 $112 億（上下浮動 $3 億），按年增長 46%——比第一季度 38% 的增速還要加快。這意味着 AMD 正處於加速增長階段，而非減速。業績公佈當天，股價盤後大漲 16%，市場的興奮程度可見一斑。

從更長的時間線看，AMD 的收入結構經歷了根本性的轉變。2023 年第一季度，數據中心收入僅佔總收入的 36%；到 2025 年第一季度升至 49%；再到 2026 年第一季度已達 56%。這不只是數字的變化，而是整家公司的重心從消費級 PC 晶片向企業級 AI 基礎設施轉移。高端數據中心產品的利潤率遠高於消費級處理器，這也解釋了為什麼 AMD 在收入增長 38% 的同時，Non-GAAP 毛利率仍能維持在 55% 的健康水平。

現金流與資產負債表

對於半導體公司而言，現金流的質量往往比帳面盈利更能反映真實狀況。AMD 第一季度的自由現金流達到 $25.7 億，創下歷史新高，自由現金流利潤率接近 25%。這個數字意味着什麼？簡單來說，AMD 每賺四元收入，就有大約一元變成實實在在的現金流入。對比兩年前——2024 年第一季度自由現金流僅約 $3.8 億——增長幅度超過五倍，印證了規模效應正在加速釋放。

資產負債表方面，截至 2026 年 3 月底，AMD 持有現金及短期投資合共約 $123 億，總負債約 $33 億，淨現金接近 $90 億。對於一家年收入超過 $400 億（按年化計算）的公司來說，這是極為健康的財務狀況。充裕的現金儲備讓 AMD 有能力繼續通過收購補強短板——過去幾年的 Xilinx（約 $500 億）和 ZT Systems（$49 億）收購就是最好的例子——同時也有餘力在研發上保持高強度投入。2025 財年，AMD 的研發支出約佔收入的 22%，遠高於行業平均水平，這是維持技術領先的必要代價。

七、估值：市場在為什麼買單？

截至 2026 年 5 月 14 日，AMD 股價約 $445，市值約 $7,340 億（基於約 16.5 億股流通股計算）。

從傳統估值指標看，AMD 的定價不便宜。根據 Yahoo Finance 數據，預測市盈率（Forward P/E）約 65 倍，而半導體行業中位數約 31 倍，溢價超過 110%。追蹤市盈率（Trailing P/E）更是高達約 145 倍，反映出過去十二個月的 GAAP 盈利被大量非現金開支壓低。

華爾街分析師的態度分歧明顯。49 位覆蓋 AMD 的分析師中，37 位評為「買入」或「強烈買入」、12 位「持有」、零位「賣出」，共識目標價約 $289。這個目標價低於當前股價，主要是因為大多數分析師的目標價是在 5 月 5 日業績超預期前設定的，尚未反映最新的盈利上調。目標價範圍從 $150 到 $530，反映市場對 AMD 前景的看法南轅北轍。

市場願意為 AMD 支付高溢價，核心理由是 12 GW 大單帶來的收入能見度。如果 OpenAI 和 Meta 的訂單如期交付，AMD 未來四年的收入增長幾乎是鎖定的。但如果 AI 資本支出週期放緩——就像 2000 年的科網泡沫或 2018 年的加密貨幣寒冬那樣——目前的估值就會變得非常脆弱。

另一個估值層面的考量是認股權證稀釋。OpenAI 和 Meta 的交易合計可能發行最多 3.2 億股認股權證。以目前 16.5 億股流通股計算，如果全部行使，新股佔現有流通股約 19%（若以完全攤薄後的總股數計算，新股佔比約 16%）。雖然這些權證按里程碑分批歸屬，全部行使的概率不高，但投資者在計算估值時不能忽略這個因素。

與同業對比

把 AMD 放在同業中比較，畫面就更有意思了。英偉達的預測市盈率約 27 倍——沒錯，比 AMD 還低得多，因為英偉達佔據 AI GPU 市場超過 80% 份額、毛利率高達 70% 以上，盈利增速已經體現在估算中。Broadcom 的預測市盈率約 39 倍，同樣從 AI 客製化晶片中受惠。Intel 的預測市盈率更誇張，高達 156 倍——不是因為市場看好它，恰恰相反，是因為預期盈利極低，分母太小把倍數推上了天。AMD 的 65 倍在三家中遙遙領先，反映出市場對其「追趕者加速增長」故事的極高期待——但也意味着容錯空間極小。

對於投資者來說，核心問題是：你是否相信 AMD 能在未來三到五年內把 AI GPU 市場份額從目前的個位數提升到 20% 甚至 30%？如果答案是肯定的，目前的估值或許有合理性；如果你認為 CUDA 護城河固若金湯、AMD 的份額提升會比預期慢，那 65 倍的預測市盈率就缺乏安全邊際。

八、幕後故事：八卦比財報更精彩

OpenAI 的「去英偉達化」戰略

OpenAI 與 AMD 簽訂 6 GW 大單的背後，是一場精心策劃的供應鏈解放運動。Sam Altman 曾多次公開表示對 GPU 供應瓶頸的擔憂。當英偉達的 GPU 佔據 AI 訓練市場超過 80% 份額時，任何一家高度依賴 AI 算力的公司都面臨相同的風險：供貨不足、被迫接受漲價、產品路線圖受制於人。

認股權證的設計是這筆交易最巧妙之處。傳統的晶片供應合約是「一手交錢、一手交貨」，雙方的利益在交易完成後即脫鉤。但認股權證把兩家公司的命運綁在一起——AMD 的晶片性能越好、賣得越多，OpenAI 手中的認股權證越值錢；而 OpenAI 作為 AMD 的大股東，也有動力幫助 AMD 改善軟體生態和性能調校。

Meta 照抄同一張牌

2026 年 2 月，Meta 用幾乎完全相同的條款複製了 OpenAI 的交易——6 GW GPU 部署、最多 1.6 億股認股權證、首批採用 MI450。這不是巧合，而是 Meta 看到了 OpenAI 方案的精妙之處後決定照辦。Zuckerberg 早在 2024 年就公開表態支持 AMD，當時 Meta 宣佈把 Llama 405B 的全部即時推理流量遷移到 MI300X 上——這是對 AMD 晶片能力的最強背書。

Intel 的至暗時刻

在 AMD 和英偉達搶奪 AI 光環的同時，曾經的「晶片帝國」Intel 正經歷痛苦的轉型期。行政總裁 Pat Gelsinger 於 2024 年底離任，自家代工廠的良率問題遲遲未解，客戶為了穩定供貨紛紛轉向 AMD 的 EPYC。AMD 的數據中心收入在 2026 年第一季度首次超越 Intel（58 億美元對 51 億美元），EPYC 在 x86 伺服器 CPU 的收入份額也攀升至 46%——這在十年前是不可想像的。

更耐人尋味的是，伺服器 CPU 需求強勁到連 Intel 原本打算淘汰的邊緣晶粒（edge die）也被客戶照單全收——Intel 把這些良率較低的晶片降規（bin down）出售，反而推動 Q1 毛利率超出自身指引 650 個基點。但這份「意外之財」掩蓋不了根本問題：Intel 的 18A 製程良率仍在 65%-75% 之間掙扎，而台積電的先進節點早已穩定量產。回想當年 Jerry Sanders 那句「真男人要有自己的晶圓廠」，如今 AMD 沒有晶圓廠反而成了優勢——台積電的先進製程讓 AMD 的晶片在能效和性能上全面壓制 Intel 的自產晶片。Intel 的故事提醒我們，即使是最強大的護城河，一旦技術迭代落後，也可能被後來者攻破。

超大規模客戶的「去單一化」浪潮

OpenAI 和 Meta 同時押注 AMD 的更深層背景，是整個科技行業正在經歷的供應鏈「去單一化」浪潮。2020 年代初，全球經歷了汽車晶片短缺、疫情導致的供應鏈中斷等痛苦教訓，科技巨頭們開始有意識地避免對任何單一供應商的過度依賴。英偉達在 AI GPU 市場的壟斷地位，讓所有依賴 AI 算力的公司都感到不安。AMD 的崛起，為市場提供了一個「不是英偉達」的選項——這本身就有巨大的戰略價值，與晶片的絕對性能無關。

最新的蛛絲馬跡來自 Anthropic——Claude 背後的 AI 公司。2026 年初，Anthropic 的強化學習團隊發佈了一個年薪 $35 萬起的工程師職位，明確要求應聘者熟悉 AMD 的 ROCm 軟體生態系統，並具備在不同加速器之間移植工作負載的經驗。業界分析機構 SemiAnalysis 認為，這暗示 Anthropic 正在評估採用 AMD 即將推出的旗艦 MI450 加速器。Anthropic 本身已經擁有業界少見的多元算力組合——同時使用 AWS 的 Trainium 晶片、Google 的 TPU 和英偉達的 GPU——如果再加入 AMD 陣營，等於為 AMD 在頂級 AI 實驗室中再添一個重量級客戶，進一步鞏固其「第二選擇」的地位。

九、風險與挑戰

CUDA 護城河。英偉達的軟體生態至今仍是 AMD 面對的最大障礙。ROCm 在進步，但要讓數百萬開發者遷移平台，需要的不只是技術追平，更是生態規模的突破。如果 AMD 無法在軟體上縮窄差距，硬體上的優勢將被部分抵銷。

估值風險。預測市盈率 65 倍已經消化了極為樂觀的增長預期。如果 AI 資本支出週期突然降溫——例如科技巨頭削減數據中心投資——AMD 的股價將承受巨大壓力。歷史上，半導體股在週期頂點的估值收縮可以非常劇烈。

認股權證稀釋。如前所述，OpenAI 和 Meta 的交易合計可能帶來最多 3.2 億股的潛在稀釋。雖然是分批歸屬且全數行使的概率不高，但這仍然是懸在股價上方的一把達摩克利斯之劍。

客戶集中度。12 GW 大單固然令人興奮，但這也意味着 AMD 的 GPU 收入將高度集中在少數幾個超大規模客戶身上。任何一個大客戶延遲採購或轉向自研晶片（如 Google 的 TPU、Amazon 的 Trainium），都可能對業績造成顯著影響。

台積電依賴與地緣政治。AMD 的所有先進晶片都由台積電代工。中美科技角力下的出口管制、台海局勢的任何變化，都可能影響供應鏈穩定性。這個風險不是 AMD 獨有的——英偉達同樣面對——但投資者不能視而不見。台積電目前在亞利桑那州興建的美國工廠可以部分緩解這個風險，但最先進的封裝技術短期內仍然集中在台灣。對於香港投資者來說，地緣政治風險更值得關注，因為任何中美科技脫鈎的升級都可能同時影響美股和港股市場情緒。

自研晶片威脅。AMD 的超大規模客戶們並非只在英偉達和 AMD 之間二選一。Google 有自研的 TPU（截至 2026 年已發展到第八代 Trillium v8）、亞馬遜有 Trainium 和 Inferentia、Microsoft 有 Maia。這些自研晶片目前主要用於內部工作負載，但如果性能和成本持續改善，超大規模客戶可能逐步減少對外採購，轉向自給自足。對 AMD 來說，12 GW 的大單雖然鎖定了未來幾年的收入，但更長遠的客戶忠誠度仍是未知數。

十、結語：挑戰者的宿命與機遇

AMD 的故事，本質上是一個關於「挑戰者」的故事。在 CPU 市場，它用了十年從 Intel 手中搶下近半壁江山；在 GPU 市場，它正試圖複製同樣的劇本，挑戰英偉達的霸權地位。OpenAI 和 Meta 的 12 GW 訂單給了 AMD 一張通往 AI 晶片核心圈的入場券，但能否把這張入場券變成長期座位，取決於軟體生態的進步速度和下一代產品的實際表現。

看好的一方會說：AMD 擁有最優秀的半導體行政總裁、歷史上增長最快的產品組合、以及未來四年鎖定的超級訂單。看淡的一方會反駁：65 倍預測市盈率已經把好消息都定價了、CUDA 護城河不是一朝一夕能攻破的、認股權證稀釋會蠶食每股盈利。

對於長線投資者而言，AMD 的核心投資論點可以歸結為一個問題：AI 算力需求的爆發期，究竟才剛開始還是已經見頂？如果你相信生成式 AI 和代理人 AI 的滲透率在未來五年仍有數倍的增長空間，那麼 AMD 作為唯一能夠在高端 GPU 和伺服器 CPU 兩條賽道同時挑戰龍頭的公司，其戰略定位是獨一無二的。但如果你認為當前的 AI 資本支出週期已經到達癲狂階段——就像 1999 年人人都在鋪光纖一樣——那麼在週期頂點買入一隻估值已經充分反映增長預期的股票，風險就顯而易見了。

哪一方對？時間會告訴我們。但有一件事是確定的——這場表親之戰還遠未結束，而下半場可能比上半場更精彩。