26 篇博文 含有标签「AMD」

「ROCm 推理不如 CUDA」是过去两年的默认叙事。AMD 这篇技术博客不打算辩解，直接甩出了三个数字：1100、1470、3.3 倍。

三项技术的组合拳​

针对单请求解码（延迟敏感、吞吐不重要的高交互场景），AMD 在 Instinct MI355X 上组合了三项优化：

1. Megakernel（持久内核）

• 单个持久内核覆盖整个前向传播（Qwen3.8-27B、GPT-OSS-120B 验证），消除逐算子 launch 开销
• 用 FlyDSL（Python DSL，编译到 AMD GPU 代码）与 HIP C++ 编写——注意 FlyDSL 与 DeepSeek 昇腾版 TileLang 的路线同构，社区 DSL 正在成为非 CUDA 平台的共同选择

2. 投机解码（Speculative Decoding）

• Qwen3.8-27B 搭配 EAGLE3/DFlash2 起草模型，batch 1、GSM8K 实测约 1,100 tokens/s
• GPU graph capture 消除 CPU round-trip

3. MXFP4 量化

• Qwen3.8-Flash-Next + 完整 262K token KV cache 装进单颗 die，较基线约 3.3 倍加速

双 die 架构红利：数据放置即性能​

MI355X 的两颗 die（DPX+NPS2 拓扑）本身就是优化空间：

• GPT-OSS-120B 实测 约 1,470 tokens/s
• 仅靠数据放置优化（data locality）就拿到 7.5–8% 的解码提升
• 分阶段 profiling：Q/K/V 交接快 25%、专家路由快 17%

这类「拓扑感知放置」的收益在双 die GPU（MI355X、Rubin）上会越来越重要——芯片拓扑从实现细节变成了编译器与调度层的优化输入。

与竞品的横向定位​

• 场景限定：1.9–3.3 倍是单请求 decode 提速——高交互智能体、实时对话等 batch 1 场景；大 batch 吞吐场景另算
• 参照系：此前 SemiAnalysis AgentX 测试中，GB300 NVL72 在低交互区间仍保持领先（详见 CUDA 护城河一文）；AMD 的强项在高交互区间的性价比
• 生态接入：成果已可通过 ATOM、SGLang、vLLM 使用（GPT-OSS-120B 为 vLLM 预览）

结论​

这篇博客的真正信号不是某个倍数，而是方法论的收敛：megakernel、投机解码、社区 DSL、拓扑感知放置——AMD 的优化清单与华为 TileLang、谷歌 TorchTPU 高度趋同。非 CUDA 阵营已经形成了一套可复制的「推理栈追赶剧本」，剩下的变量只是执行深度。对买家，MI355X 在高交互推理场景已值得进入选型池；对开发者，FlyDSL/TileLang 这类 Python DSL 的学习投入开始有了跨平台的复利。

数据来源与口径说明​

• 全部性能数字：AMD ROCm 官方技术博客（2026-10-20 至 23 发布周期），AMD News Daily 摘要转述
• 1100/1470 tokens/s 为 batch 1 特定模型配置，不外推至其他负载
• FlyDSL 为 AMD 的 Python DSL 工具，与 TileLang 的类比来自 SemiAnalysis 对两者的并列表述

数据中心 GPU 的竞争看规格表，但真正的胜负手有一半藏在内核驱动里。Linux 7.4 的 DRM 更新合入，三家厂商的开源策略差异一次看全。

AMD：消费级补课 + 数据中心加码​

HDMI 2.1 FRL 默认开启——一场持续多年的拉锯战收官：

• 此前 HDMI Forum 封锁开源 HDMI 2.1 实现，Linux 用户无法输出 4K 高刷/8K 信号
• 解禁后 AMD 5 月开始提交补丁，7.2 首次合入但默认关闭；7.4 补齐 VRR、FreeSync、ALLM 后默认启用
• 意义：A 卡 Linux 游戏与专业显示的体验短板被补平

PerfOpt IOMMU 默认启用——AI 侧的「免费升级」：

• iGPU 绕过大部分 IOMMU 地址转换开销直接访问系统内存，同时保留基本读写权限
• Phoronix 在预发布内核实测：Ryzen AI APU 本地 AI/LLM 性能提升 18–23%，上代 APU 同样受益
• 权衡：以部分 DMA 隔离换更低 DMA 延迟，保守用户可用 amdgpu.iommu_perfopt=0 关闭

数据中心两项：**UALink over Ethernet（UALoE）**合入 AMDGPU 上游——开放标准互联对超大规模 HPC/AI 客户的意义在于降低集群集成摩擦；Ryzen AI Max 400（Gorgon Halo）NPU 获内核支持，AI PC 的 Linux 开发者生态提速。

Intel：为 D 系列铺路​

Xe 内核驱动在 7.4 的更新偏「基础设施」：

• 迁移队列新增 CPU 绑定与 ULLS 低延迟提交机制——图形性能直接受益
• vRAM 健康检查与劣化显存处理——显存老化/异常有了底层方案，这对长生命周期推理卡（正是 Intel GPU D 系列的定位）是必要能力
• 开发重心已明显转向即将到来的 GPU D 系列（Crescent Island） 加速器——此前 OCP 2026 正式发布，160GB（最高 480GB）LPDDR5X、1.3 PFLOPS FP8

NVIDIA：Rust 重写进行时​

• Nova 驱动：大量 Rust 代码持续涌入，目标是长期替代 Open RM 内核模块
• Nouveau：继续收到稳定性修复，但战略地位已被 Nova 取代
• 观点：英伟达开源驱动的补课速度明显加快，历史上「AMDGPU 开源体验碾压」的格局正在被侵蚀

结论​

开源驱动栈的竞争逻辑正在变化：当 AI 基础设施的采购把「开源生态成熟度」纳入评估，内核上游的提交量就成了可量化的军备指标。AMD 用 UALoE 押注开放互联，Intel 为推理卡打长寿基础，NVIDIA 用 Rust 补历史欠账——三条路线的共同点是，谁都买不起「驱动不是短板」这句话的代价了。

数据来源与口径说明​

• Linux 7.4 DRM 合入内容、PerfOpt 18-23%（Phoronix 实测）、amdgpu 内核参数：Phoronix（2026-10-24），PBX Science 转述
• 改装厂/停产为 Tom's Hardware 口径（与本篇无关，见另文）
• Intel D 系列定位：Intel OCP 2026 官方发布口径

GTC 是英伟达主办的盛会，邀请谁、不邀请谁，法律上无可指摘。但当「入场资格」与「是否采购竞品芯片」挂钩时，它就成了观察 GPU 生态权力结构的最佳样本。

指控内容​

据 SemiAnalysis 10 月下旬披露（cnBeta、网易科技等转述）：

• 多家 Neocloud 被禁止参加 GTC 柏林大会（2026-10-21 开幕），理由是这些企业在产品组合中引入了 AMD GPU、Google TPU 及其他非英伟达芯片
• 部分云服务商被迫低调部署 AMD 产品，不愿公开宣传相关合作，以避免进一步压力
• 这并非孤例：SemiAnalysis 今年早些时候曾报道，英伟达会通过限制新产品早期配额的方式，惩罚采用竞争对手技术的云服务商；相关企业在 IPO、融资以及获得英伟达资金支持时也可能面临不利

权力不对称的结构性原因​

为什么英伟达的「惩罚」对 Neocloud 有效，对超大规模云厂商却无效？

Neocloud（如 CoreWeave、Iren、Nebius 这类 GPU 租赁商）本质上是用英伟达的芯片做转租生意，供应命脉握在卖方手里。而 AWS、微软、谷歌的采购规模大到英伟达不敢轻易施压——黄仁勋本人在 GTC 期间对 CNBC 也承认，Neocloud 的需求「off the charts」，缺的是营运资本而非客户。

业界的两种读法​

支持方：GTC 由英伟达出资主办，邀请名单本就是商业决策；英伟达过去还直接投资过部分 Neocloud，这更像合作伙伴关系管理，而非市场打压。

批评方：当「拿不到早期配额」「上不了 IPO 加持名单」与「是否采购 AMD/TPU」系统性相关时，问题就不止于一张门票。有 Neocloud 连公开宣传 AMD 合作都要掂量——这说明压制已经影响了市场的信息透明度。值得注意的是，AMD 近期接连拿下 Meta、OpenAI、Anthropic 的吉瓦级订单（此前报道），多芯片采购在大客户侧已成事实，压力正在向中小租赁商传导。

对买家的启示​

• 合同条款比公开姿态重要：与英伟达洽谈配额时，竞品采购披露义务、最低承诺比例等隐性条款值得逐字审阅
• 多芯片策略要预留缓冲：中小算力商引入 AMD/TPU 前应评估供应链风险敞口，必要时分主体运营
• 对英伟达而言这同样有代价：被拒之门外的 Neocloud 恰恰是最需要 GPU 的增量买家，把推动竞品替代的动机留给了对手

数据来源与口径说明​

• SemiAnalysis 指控细节：SemiAnalysis 分析报告（2026 年 10 月），cnBeta/网易科技转述（2026-10-22）
• 黄仁勋 Neocloud 需求表态：GTC 柏林期间 CNBC 采访，Yahoo Finance 转述
• 英伟达未就本指控公开回应；「惩罚机制」为 SemiAnalysis 单方信源，涉事公司未逐一置评

AMD 官宣与 Anthropic 达成战略合作：部署至多 2 吉瓦的 AMD Instinct MI450 系列 GPU，首批 1GW 于 2027 年上半年启动。这是 Anthropic 继 AWS Trainium（超百万颗跑 Claude）、谷歌 TPU（至多百万颗）之后，第三个超大规模算力支柱。

一、AMD 的客户名册​

AMD 自己的说法是：客户需求已超出其对 2027 年的内部预估。Helios 机架（MI450 为核心）正在同时向五大客户爬坡。

二、为什么 Anthropic 需要 AMD​

Anthropic 招股书草稿显示其 H1 2026 算力成本已达 ~90 亿美元、基础设施承诺超 6000 亿美元。推理成本是其毛利率的生命线，而 MI450 的定位恰好是高显存容量（432GB HBM4）+ 高带宽 + 相对英伟达更优的单位成本——对以 Claude API 为主要收入的厂商，推理侧每 Token 成本每降 10%，利润表的弹性都远超训练侧的峰值算力提升。

「三线供应商」结构（AWS + Google + AMD）也让 Anthropic 在每次续约时都有真实替代选项。

三、Helios 爬坡的真实进度​

AMD Q2 2026 财报口径：「EPYC 需求加速、Instinct 部署规模化、Helios 开始爬坡」。OCP 2026 上 OpenAI/Meta/微软/Oracle 站点的初始系统已运行。与英伟达 Rubin 的 Q4 放量对照，2027 年上半年将是 MI450 与 Rubin 在客户机房里的正面对决期。

四、对市场的意义​

1. 2GW 级订单成为新常态：单客户单代 1-6GW 的承诺，把 AMD 从「第二供应商」变成「并列产能选项」
2. 开放生态溢价：ROCm + Helios 参考设计 + OCP 开放机架规范，对不想被单一生态绑定的客户吸引力持续累积
3. 关注交付验证：GW 是承诺不是出货，2027 H1 的首批 1GW 交付节奏是下一个验证点

延伸阅读：MI450 卡片 · AMD Helios 爬坡与吉瓦订单 · 完整对比表

10 月的 AMD 新闻列表里，两条不起眼但信号很强的条目：收购 Taalas（面向快速增长 AI 推理市场的计算方案），以及与 Cerebras 联合发布业界领先的超低延迟、高吞吐 AI 推理方案。MI450 是 AMD 的正面战场，这两步棋则是侧翼。

一、Taalas：把整张网络「浇」进芯片​

Taalas 的技术路线是固定权重硅（fixed-weight silicon）：把训练好的神经网络直接物理固化到芯片里——每个模型一颗专用芯片，省掉指令调度与权重搬运的开销。代价是灵活性（模型一变就要重新流片），收益是极致的能效与延迟。

对 AMD 的意义：在「通用 GPU（MI 系列）+ 专用推理固化芯片」之间补上中间层——类似英伟达用 NVFP4 软件栈锁推理、谷歌用 TPU 分层的思路，但走的是更激进的硬件固化路线。收购金额未披露。

二、Cerebras：晶圆级的延迟优势​

AMD 与 Cerebras 的合作指向超低延迟推理——这正是 Cerebras WSE 架构的看家本领：把整个模型放在一片晶圆级芯片的超大 SRAM 里，权重零搬运。合作细节未全部公开，但方向明确：在对延迟极度敏感的推理场景（实时语音、Agent 工具调用、高频交易类负载）提供 GPU 阵营外的选项。

结合上周披露的 OpenAI 第一代推理专用 ASIC 与各大云厂自研线，「推理专用硅」正在成为独立赛道，与训练用通用 GPU 分道。

三、推理市场的分层竞争图​

四、对买家的启示​

1. 延迟敏感场景有了新选项：Agent 工具调用链路里，首 Token 与工具往返延迟直接决定体验，Cerebras 类方案值得进 POC
2. 「买芯片」之外多了一条「买方案」：AMD 的组合（MI450 通用 + Taalas 专用 + Cerebras 合作）意味着同一供应商可以覆盖多种推理负载形态
3. 专用化 = 锁定风险：权重固化芯片与特定模型绑定，采购前先想清楚模型迭代频率

延伸阅读：推理成本经济学 · AMD × Anthropic 2GW · 完整对比表

10 月上旬，AMD 在 OCP 2026 场边确认：Helios 机架级 AI 平台的量产、交付与验证正在进行，OpenAI、Meta、微软和 Oracle 的站点已有初始系统安装运行。距离 7 月 23 日 MI455X 正式发布不到三个月，AMD 第一次在机架级产品上跑赢了「发布即交付」的节奏。

MI455X 规格速览（官方口径）​

机架级：一台 Helios 装 72 颗 MI455X + 18 颗 EPYC Venice CPU，总显存 31TB HBM4，峰值 FP4 2.9 EFLOPS。AMD 估算同测试条件下 Helios 每美元 Token 产出可比 NVIDIA Vera Rubin NVL72 高约 30%（AMD 建模口径，采用预估价格，非实测）。

需求基本盘：三笔吉瓦级协议​

加上 9 月底 HPE 宣布的 12 亿美元 Vultr Helios 整机订单，MI450 系列的需求能见度已经排到 2027 年。

争议点：量产节奏的两个版本​

今年年中曾有一份 SemiAnalysis 报告称 2026 年只有工程样片与小批量、大规模爬坡推迟到 2027 Q2。AMD 高管公开否认，坚持 MI455X 按 H2 2026 交付目标推进；8 月 4 日 Q2 财报（营收 115 亿美元，数据中心 67 亿美元同比 +107%）中 Lisa Su 的表述是「Instinct 部署规模化、Helios 开始爬坡」。

两个口径其实兼容：首批 Helios 机柜确实在 2026 下半年交付给了发布客户，但企业级可批量采购的量大概率是 2027 年的话题。计划 2027 年扩容的团队，现在就可以把 Helios 纳入与 Vera Rubin NVL72 并列的评估清单。

与 NVIDIA 的真实差距​

纸面规格上，MI455X 在显存容量（432GB 对 288GB）与单机架 FP4 上有优势；差距在两点：一是机架级生态的成熟度——NVIDIA 的 NVL72 已规模出货多个季度而 Helios 刚开始爬坡；二是 ROCm 软件栈在大规模生产环境的验证广度。AMD 的策略是用「开放标准（UALink/UALoE）+ 更大显存 + 更低单 Token 成本」在 2027 年的采购决策里换到真实份额。

相关阅读​

• AMD MI455X 芯片卡片
• AMD MI355X 芯片卡片
• NVIDIA Rubin R200 芯片卡片

2026 年是 AI 加速芯片竞争分水岭式的一年。一边是 NVIDIA 用 Blackwell 产能与 Rubin 首发把「训练算力」的标尺再抬高一截，另一边是中国本土供应链在出口管制常态化下，把「可用」加速推向「好用」——昇腾 960 超节点、寒武纪思元 690、摩尔线程 MTT S5000、阿里真武 V900 等产品密集落地。本文用同一把尺子，把国产与国际主力芯片放到一张桌子上对比。

一、为什么说 2026 是分水岭​

• 出口管制进入稳态：美国对高端训练卡的禁运已不是新闻，而是采购决策的默认前提。国产芯片的「替代」叙事从口号转为规模部署。
• 国产份额跨越临界点：据 Counterpoint 口径，中国 AI 芯片市场国产化率从 2022 年近乎为零，升至 2025 年的约 41%，其中昇腾占国产份额约 62%。这意味着「国产 vs 国际」不再是技术爱好者话题，而是采购刚需。
• 代际差距收窄但仍在：纸面算力上，旗舰国产卡（昇腾 910C 128GB、思元 690 196GB）在显存容量上已不输同代国际卡；但在单卡稠密算力、软件生态与集群扩展效率上，仍有一代左右的差距。

本文对比维度固定为五类可比指标：算力（FP16 稀疏口径，与站内科普一致）、显存容量与带宽、功耗与能效、制程、价格。所有数字取自本站已校验芯片数据库（252 款）与价格库（报价截至 2026-10），官方未公开的一律标注「未公布」，不作推测填充。

二、国产 AI 芯片进展​

2.1 华为昇腾：从 910C 到 960 的三级跳​

昇腾 910C 是当前国产训练主力，CloudMatrix 384 超节点已用于 DeepSeek 等大模型训练验证。950 系列在 2026 年 HC 大会官宣：950PR 渠道报价已超 ¥8 万（年初约 ¥6 万），950DT 超 ¥25 万（较 7 月上涨 20%~50%），HBM 供给挤压是涨价主因。960 超节点公布 NPO Hi-ONE 引擎、4096 卡规模与 99.8% 可用度目标，其中 960DT 主攻训练（FP4 4 PFLOPS）、960PR 主攻推理（FP4 8 PFLOPS），是 2027 年的旗舰预期。

2.2 寒武纪思元 690：纸面规格天花板​

思元 690 采用双 die Chiplet 设计与 MLUarch 4.0 架构，中芯国际 N+2 制程、196GB HBM3、3.35 TB/s 带宽、FP16 700 TFLOPS、TDP 500W。其显存容量与带宽已对齐 H100 SXM 级别，是国产卡中少数在纸面规格上逼近国际旗舰的产品。2026 年 9 月受 HBM 供给挤压，官方指导价 ¥19 万、市场均价约 ¥17.5 万，较两月前上调 20%~30%，客户含字节、阿里、百度。

2.3 其他国产厂商​

注：燧原 T21 的 TDP 官方未公布，本站不作推测；摩尔线程、燧原等卡的 FP8/FP4 精度多数官方未单列，表中以 BF16/FP16 口径统一呈现。天数智芯「智铠」系列未见公开采购确认，暂未纳入主表。

三、国际 AI 芯片进展​

3.1 NVIDIA：Blackwell 量产 + Rubin 首发​

NVIDIA 在 2026 年的核心叙事是交付：Vera Rubin NVL72 下半年持续放量，MLPerf Inference v6.1 首秀（Qwen3-VL 较 GB300 最高 3.7 倍）。Rubin R200 官方 FP4 达 50 PFLOPS（稀疏），是本代出货主力；N1X PC 处理器秋季上市，把战场延伸到消费级。

3.2 AMD：MI300X/MI325X 守基本盘，MI455X 冲机架​

MI300X（192GB HBM3 / 5.3 TB/s / 1,307 TFLOPS）与 MI325X（256GB HBM3e / 6.48 TB/s）提供高显存性价比；真正的增量在 Helios 机架（72× MI455X，432GB HBM4 每卡、23.3 TB/s、FP4 40.3 PFLOPS、计算芯粒 TSMC 2nm），绑定 OpenAI 6GW、Meta 6GW 部署。MI450 为其母型号，量产节点排在 2027 年 Q2。

3.3 Intel 与 Google​

• Intel Gaudi 3：TSMC 5nm、128GB HBM2e、3.67 TB/s、BF16 矩阵算力 1,835 TFLOPS、TDP 900W，24× 200GbE RDMA 集成网卡，以太网组网直接对标 NVL72。Gaudi 3 之后 Intel 路线转向 Crescent Island（推理）与 Jaguar Shores（2027），Falcon Shores 已取消。
• Google TPU v6（Trillium）：v6e（32GB / 918 TFLOPS / 200W）与 v6p（96GB HBM2 / 1,350 TFLOPS / 450W）同代，TSMC 5nm，仅通过 Google Cloud 按小时计费。第七代 Ironwood 已把 HBM 容量推到 192GB、带宽 7.38 TB/s。

3.4 其他赛道​

Cerebras 已于 2026-08 发布机架级 CS-4（3× WSE-3 Turbo，750 PFLOPS），需要注意的是 CS-4 并未采用新一代晶圆，硅片与 CS-3 完全相同；SambaNova SN40L 以三层内存架构服务稀疏场景；Graphcore 已被 SoftBank 收购并退出中国市场。

四、关键指标对比（核心）​

方法学：FP16 统一采用稀疏（sparse）口径，与站内科普及首页热门芯片一致；价格为 pricing.json 市场报价（国际 USD、国产 CNY，截至 2026-10）；「未公布」表示官方未披露、本站不作推测填充。

4.1 算力对比（FP16 稀疏）​

读图：单卡 FP16 上，B200/GB300 把国产旗舰甩开约 5~6 倍；但昇腾 910C（800）已接近 H100 的 40%，思元 690（700）紧随，天垓 300（超 1,000）已进入国际旗舰区间。差距从「数量级」收敛到「一代」。

4.2 显存与带宽对比​

读图：国产旗舰在显存容量上已经反超——思元 690 的 196GB、昇腾 960DT 的 288GB、真武 V900 的 216GB 都高于 H100/H200。但带宽上，只有昇腾 960DT（9.6 TB/s）与 B200（8 TB/s）进入同一梯队，HBM3e/HBM4 代差是关键。

4.3 功耗与能效对比​

读图：能效是国产最明显的短板。H100 的 2.83 TFLOPS/W 约为昇腾 910C 的 2.1 倍，B200 更是 3.8 倍。低功耗端 TPU v6e（200W / 4.59）与昆仑芯 R200（150W）代表「每瓦算力」的另一条路线。

4.4 制程对比​

读图：制程代差是结构性差距的根源。国产主力仍停留在 7nm 级，而国际旗舰已进入 2nm 计算芯粒时代。这是单卡算力差距的物理下限。

4.5 价格对比（市场报价，2026-10）​

读图：按汇率约 7.2 折算，昇腾 910C（约 $15.3k）与 H100（$28k）价差显著但算力仅其 40%，单位算力成本仍偏高；思元 690（约 $24.3k）价格接近 H100 但显存翻倍。HBM 短缺推高国产报价，是 2026 下半年的一致趋势。

五、生态对比​

关键判断：生态差距比硬件差距更难追。CUDA 的长期积累使 NVIDIA 在算子覆盖、工具链、开发者社区上仍具压倒性优势；国产路线分两派——华为/寒武纪自建栈，天数智芯/摩尔线程走 CUDA 兼容以降低迁移成本。

六、市场表现​

6.1 出货量（2026 预估）​

6.2 中国市场份额​

6.3 客户与部署​

• 字节跳动 / 阿里 / 百度：寒武纪思元、昇腾 910C 双线采购；
• 腾讯：昇腾 910C 为主，探索其他国产；
• 智算中心：多家国产芯片混合部署，国产化率成硬指标；
• 超大规模云：NVIDIA 仍主导海外训练，但国内云厂商国产占比快速抬升。

七、未来展望（2027）​

差距判断（2027 预期）：

• 算力：从落后 40%~50% 收窄至 30%~40%；
• 显存：从落后 20%~30% 收窄至 10%~20%，部分型号已反超；
• 制程：从落后 1~2 代收窄至约 1 代；
• 生态：从落后 35 年收窄至 23 年。

八、结论与选型建议​

核心观点：

1. 2026 年国产与国际旗舰的差距从「代际」缩小到「一代」，显存容量局部反超；
2. 单卡稠密算力、能效、制程仍是结构性短板，集群扩展与软件生态是最大变量；
3. 国产化率快速攀升（2025 约 41%），采购从「尝鲜」变「刚需」；
4. 出口管制常态化下，国产替代已从政策驱动转为市场驱动。

给不同角色的建议：

• 企业采购：训练为主且合规无碍，选 NVIDIA B200/GB300/Rubin；国产化硬指标，选昇腾 910C/950DT 混合部署；推理高密度，关注昆仑芯 R200 与 TPU v6e。
• 开发者：优先 CUDA 保泛用性；若锁定国产，选 CUDA 兼容栈（天数智芯/摩尔线程）降低迁移成本。
• 投资者：关注 HBM 供给、国产先进制程良率，以及昇腾/寒武纪的客单与份额变化。
• 政策制定者：延续对先进制程、HBM、EDA 的投入，缩短生态差距比单点算力更关键。

数据来源与方法：本文全部性能与价格取自 MirrorFrog 已校验芯片数据库（chips.json，252 款）与价格库（pricing.json，报价截至 2026-10），数据核对日期 2026-10-13。FP16 统一稀疏口径；官方未公开字段以「未公布」标注，不作占位填充。文中 Rubin R200 带宽（19.2 TB/s）与 TDP（1800W）、Gaudi 3 算力（BF16 矩阵 1,835 TFLOPS）、昇腾 950 系列制程与报价等，均为 2026-10 核对后的修正值。

延伸阅读：完整芯片对比表、交互式对比工具、NVIDIA H100 规格卡、华为昇腾 910C 规格卡、寒武纪思元 690 规格卡。

当一家市值不足 NVIDIA 五分之一的公司，面对一个 2200 亿美元的市场机会，它该怎么做？AMD 在 2026 年的答案是：不买对手，买能力。MEXT、Taalas、World Labs 三笔收购，拼出的是一幅关于内存、推理与物理智能的算力版图。

三笔收购，三条战线​

2026 年，AMD 连续完成了三笔方向明确但标的各异的收购：

三笔收购覆盖了三个看似不相关、实则环环相扣的方向。MEXT 解决的是"数据怎么更快喂进计算单元"——在 HBM4 带宽成为推理瓶颈的年代，内存访问效率的提升直接转化为单位 token 成本的下降；Taalas 解决的是"推理硬件怎么更专"——MI455X 是通用型大芯片，但推理市场的长尾需求需要更极致的专用架构；World Labs 解决的则是"下一代计算场景在哪"——当 AI 从理解文本走向理解物理世界，空间智能就是新的算力需求源。

从"跟随 NVIDIA"到"差异化拼图"​

回看 AMD 过去几年的数据中心路线，主旋律是跟随：MI300X 对标 H100，MI355X 对标 B200，Helios 对标 NVL72——用更大的显存和更低的成本切入市场。这条路线有效，但天花板明显：只要产品定义的坐标系由对手划定，就只能做"性价比版本"。

2026 年的收购组合拳标志着路线切换。三线并购不再是补某个单点参数，而是在构建对手没有的差异化栈：

• 内存线：MEXT 的内存访问优化能力，叠加 MI400 系列本就领先的 432GB HBM4 与 23.3TB/s 带宽，把"大显存"从规格优势深化为系统级优势；
• 推理线：Taalas 的快速推理硬件，与 MI455X 的 MXFP4 算力、Wave32 原生执行形成互补，覆盖从旗舰通用到专用推理的完整谱系；
• 物理智能线：World Labs 的空间智能，为 AMD 打开了机器人、自动驾驶、世界模型这些尚未定型的市场。

值得注意的是 World Labs 的背景——这家由李飞飞创立的空间智能公司，代表的是"AI 理解物理世界"的技术路线。当行业热议物理 AI 与世界模型时，拥有空间智能的芯片化能力，意味着 AMD 在下一个计算周期里有了自己的牌。

千亿美元合作的背景板​

收购需要放在更大的商业版图中理解。2025 年 10 月以来，AMD 先后与 OpenAI 达成 6GW 级合作，与 Meta 达成最高 6GW 的部署计划，两者合计 12GW 以上，且均为 1000 亿美元级的合作体量；Anthropic 将部署最高 2GW 的 MI450 系列并获得 AMD 最高 50 亿美元战略投资；微软在 Azure 大规模部署 Helios 机架，Oracle 则是早期采用者。

这些合作定义了 AMD 的基本盘：数据中心训练与推理。而管理层看到的市场远不止于此——AMD 估算推理与数据中心 CPU 合计存在 2200 亿美元的机会。即便如此，AMD 的市值仍不足 NVIDIA 的五分之一，分析师普遍认为这一差距本身就是追赶空间：只要兑现一部分订单，估值就有结构性修复的动力。

三笔收购正是为兑现服务的：OpenAI 与 Meta 的 GW 级部署需要极致的单位 token 成本（Taalas、MEXT），而真正拉开长期差距的，可能是现在还没人给出定价的物理 AI 市场（World Labs）。

多线并进的两端战场​

拼图不只在数据中心。在端侧，AMD 推出了 Gorgon Halo（Ryzen AI Max 400）——面向 AI PC 与边缘场景的 192GB 统一内存方案，让单机跑下超大参数模型成为可能，这是数据中心 HBM4 大显存战略在端侧的镜像。在生态侧，Cerebras 与 AMD 达成合作开发分离式推理系统，声称每瓦 token 吞吐量提升 5 倍——用对手生态里的创新者补自己的推理短板。

于是我们看到一个三端结构：MI455X 与 Helios 守数据中心高端，Gorgon Halo 占端侧大内存位，收购来的能力填充中间的推理与物理智能空隙。

与 NVIDIA 买法的对比：买能力，而非买对手​

把 AMD 的并购路线放进行业坐标系，差异立刻显现。NVIDIA 近年的资本运作以"买竞品、堵路线"为主：收购推理芯片公司 Groq，投资推理芯片新贵 d-Matrix——目标是消灭或收编可能的挑战者，巩固现有垄断。

AMD 的买法几乎相反。MEXT、Taalas、World Labs 没有一家是 NVIDIA 的直接竞品，它们买的是三种能力：内存效率、推理架构、空间智能。这种"买能力而非买对手"的策略，反映的是追赶者的理性：与其在 NVIDIA 已经筑墙的领域正面攻城，不如把资源投到墙还没砌起来的地方。追赶者买未来，领先者买保险——两种策略没有绝对优劣，但后者需要垄断者的现金流，前者是 AMD 这样的市值体量唯一可行的选择。

风险同样要直言：三线并购意味着三线整合。World Labs 的空间智能如何产品化、Taalas 的推理硬件如何与 MI400 平台协同、MEXT 的技术如何下沉到 ROCm 软件栈，每一条线都需要时间验证。并购成功的从来不是买下公司那一刻，而是能力长进产品那一刻。

小结​

MEXT、Taalas、World Labs 三笔收购，配上 OpenAI、Meta 的千亿美元级合作、Gorgon Halo 的端侧战线与 Cerebras 的生态合作，AMD 在 2026 年完成的不是一次采购行为，而是一次战略定位的切换：从跟随 NVIDIA 的性价比挑战者，转向用"内存-推理-物理智能"三线拼图定义自己的差异化玩家。2200 亿美元的市场机会、不足 NVIDIA 五分之一的市值、尚未定型的物理 AI 市场——对追赶者而言，最好的出手时机就是格局未定之时。这三笔收购能否拼出完整版图，2027 年 MI430X 出货与 World Labs 的首个产品化成果，将是两个关键的验收节点。

在英伟达统治AI算力的年代，"第二供应商"不是一个安慰奖，而是一个真实的市场缺口——云厂商们迫切需要一个可以议价的备选项。AMD正在用数据中心业务的增长曲线证明，这个席位它不仅拿到了，而且开始变现。

增长曲线：数据中心收入站稳43亿美元​

2025年第三季度，AMD交出创纪录的92亿美元季度营收，同比增长36%。其中数据中心业务收入43亿美元，同比增长22%，环比增长34%，主要由第五代EPYC处理器和Instinct MI350系列GPU的强劲需求驱动。前三季度数据中心累计收入113亿美元，同比增长29%。

值得注意的一个细节是：AMD数据中心业务的营业利润率在25%左右，明显低于英伟达约七成的整体毛利率。这既是追赶者为撬开市场付出的价格让利，也意味着一旦MI400世代放量、产品组合改善，AMD的利润弹性会比收入弹性更可观。

从卖芯片到卖机架：OpenAI与Oracle的两个订单​

真正改变AMD叙事的是两个大单。其一是与OpenAI达成的多年期战略合作：OpenAI将部署6吉瓦的AMD GPU，首批1吉瓦的Instinct MI450部署计划于2026年下半年启动，公司预计该合作未来几年可产生超过1000亿美元的收入。其二，Oracle云将率先上线基于AMD"Helios"机架设计的公共AI超算集群，搭载MI450 GPU、EPYC "Venice" CPU与Pensando "Vulcano"网络方案，首批5万卡于2026年第三季度部署。

Helios机架级方案的意义在于：AMD第一次以整机架形态、支持Meta主导的开放机架宽版规范参与竞争，把竞争从"单卡性价比"升维到"集群总拥有成本"。美国能源部的Lux AI超算选用MI355X、2028年交付的Discovery超算选用MI430X，则进一步巩固了其在主权与科学计算场景的背书。软件侧，ROCm 7的发布持续填补其与CUDA之间最被诟病的生态差距。

追赶的代价：出口管制的账单​

AMD的增长曲线并非没有断点。由于美国出口管制，Instinct MI308对华出货没有产生任何收入，公司还因此在2025年第二季度计提了约8亿美元的库存及相关减值——这笔账单直接压低了当季毛利率，也解释了为什么AMD财报中对华业务始终保持"零假设"的谨慎口径。

从节奏上看，AMD把宝押在MI400世代：MI450负责2026年下半年起的通用AI算力放量，MI430X主攻主权AI与HPC，两者配合Helios机架形成组合拳。管理层对第四季度约96亿美元的指引（不含对华收入）表明，即便在出口管制阴影下，增长轨道依然陡峭。

研判：第二供应商的席位价值才刚开始定价​

AMD的故事本质上是"结构性看涨期权"：EPYC在服务器CPU市场持续蚕食份额提供基本盘，Instinct则在大客户急于分散供应链的窗口期完成卡位。6吉瓦协议与千亿美元收入预期仍需数年兑现，中间隔着产能、良率、ROCm生态成熟度三道坎；但只要云厂商的"去单一化"诉求存在，AMD的数据中心曲线就有托底。对产业观察者而言，2026年下半年MI450的实际交付节奏，将是检验这份叙事成色的第一个硬指标。

AMD 确认下一代移动端旗舰处理器 Ryzen AI Max 400 系列，代号 Gorgon Halo。这是继 Strix Halo 之后，AMD 在端侧 AI 算力赛道投下的又一枚重锤。然而，这次发布的时间点极其微妙——正值 DRAM 价格创下约15年新高之际，192GB 统一内存的豪华规格能否真正大规模供货，成为业界最大的悬念。