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 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。

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。

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。

「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。"

「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。

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，AMD ROCm 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。