當 NVIDIA 在 AI 晶片市場一路狂奔、市值突破三兆美元之際，很多人開始問一個問題：AMD 還有機會嗎？這個問題並不誇張，畢竟在 GPU 運算市場，NVIDIA 的占有率一度超過 90%，而 AMD 的存在感相對薄弱。但如果我們只看市場份額的數字，反而會錯過更重要的產業脈動——AMD 正在一場截然不同的戰役中布局，而這場戰役的結果，可能比你我想的都更有懸念。
這篇文章要談的不是 AMD 能不能「打敗」NVIDIA，因為在 AI 晶片這個賽道，第一名與第二名的差距有時候不是零和遊戲。我們要談的是：AMD 在這場競爭中的真實定位、技術路線的選擇、財務體質的變化，以及為什麼在 2026 年這個時間點，AMD 仍然值得投資人認真研究。
AMD 是怎樣的一家公司？
在深入談 AI 之前，我們先快速回顧 AMD 的業務版圖。AMD 目前的營收來源主要分為四大區塊：資料中心（Data Center）、客戶端（Client，也就是 PC 市場）、遊戲（Gaming，包括遊戲主機和顯卡）、以及嵌入式（Embedded，來自 2022 年收購 Xilinx）。其中，資料中心業務是近年來成長最快的引擎，也是 AMD 押注 AI 的主戰場。
傳統上，AMD 給人的印象是「窮人版的 Intel」或「遊戲玩家的選擇」。Ryzen 系列 CPU 在 DIY 市場建立了不錯的口碑，而 Radeon 顯卡雖然打不贏 NVIDIA 的頂級產品線，但以性價比定位在市場上保有一席之地。然而，這種「平價替代品」的定位，在 AI 時代反而成為 AMD 的包袱——很多人直覺認為 AMD 就是做不出像 NVIDIA 那樣的高階 AI 晶片。
但這種假設正在被修正。
MI300 系列：AMD 的 AI 豪賭
MI300 是 AMD 迄今為止最大膽的產品賭注，也是 AMD 史上最複雜的晶片設計。這顆晶片採用 chiplet 架構，將 CPU 和 GPU 整合在同一個封裝內，搭配 AMD 拿手的 Infinity Fabric 互連技術，目標是在單一平台上提供運算、記憶體和 I/O 的完整解決方案。
MI300 有兩個主要版本：MI300A 和 MI300X。MI300A 是 CPU+GPU 的整合方案，內建 24 個 Zen4 核心 + CDNA 3 架構 GPU，目標是 HPC（高效能運算）市場，包括超級電腦和科學運算。MI300X 則是純 GPU 版本，專為大模型訓練和推理設計，主打記憶體容量優勢——它配備了 192GB 的 HBM3 記憶體，比 NVIDIA H100 的 80GB 大了超過一倍。這個差異看似只是規格數字，但在實際應用場景中卻相當關鍵。
為什麼記憶體容量這麼重要？因為大模型訓練和推論的瓶頸，往往不在運算單元本身，而在於資料搬移。模型參數越大，需要從記憶體載入的資料量就越大，而 HBM 頻寬和容量的限制，會直接影響整體吞吐量。MI300X 的 192GB 記憶體，意味著某些大型語言模型可以在單一 GPU 上運行，而不需要跨多卡分割模型。這對追求效率和成本的資料中心營運者來說，是有吸引力的賣點。
但 AMD 的挑戰也很明顯：硬體規格再強，如果軟體生態系不健全，客戶還是會猶豫。NVIDIA 的 CUDA 生態系經過十幾年的累積，軟體工具、函式庫、開發者社群都相當成熟，而 AMD 的 ROCm（Radeon Open Compute）平台雖然持續改進，但在穩定性和相容性上仍有落差。這是 AMD 必須面對的現實：在 AI 晶片戰場，軟體和硬體一樣重要。
ROCm：AMD 的軟體戰役
談 AMD 的 AI 戰略，不能不談 ROCm。這是 AMD 對 CUDA 的回應，一個開源的 GPU 運算平台。開源的好處是透明、社群可以貢獻，但缺點是品質控制困難、相容性問題多。AMD 這幾年投入大量資源改善 ROCm，包括更好的 PyTorch 支援、與主流 AI 框架的整合、以及針對 MI300 系列的最佳化。但 NVIDIA 並沒有站在原地，CUDA 的生態優勢持續擴大。
不過，AMD 在這場軟體戰役中有一张可能被低估的牌：客戶對單一供應商的戒心。大型雲服務供應商（AWS、Google、Microsoft Azure）和大型企業，不希望自己的 AI 基礎建設完全依賴 NVIDIA 一家公司。這不只是價格考量，而是供應鏈風險管理。當 NVIDIA 的 GPU 一卡難求、交期延長時，客戶會需要替代方案；當 NVIDIA 持續漲價時，客戶會開始認真考慮其他選項。AMD 的策略不是「打敗」CUDA，而是建立一個「夠好用」的替代生態系，讓客戶有選擇權。
這個策略有沒有效？目前來看，大型雲廠商確實在佈局 AMD 的 AI 晶片。Microsoft 與 AMD 的合作早已不是秘密，AMD 也公開表示與多個大型雲客戶在 MI300 系列上合作。至於合作深度和具體進展，AMD 選擇保持相對低調，這或許是商業談判的考量。
資料中心營收：成長引擎的真相
從財務數字來看，AMD 資料中心業務的成長確實驚人。根據 AMD 公開的財報數據，資料中心營收在過去幾年呈現倍數成長，從 2020 年的營收占比相對邊緣，到今日已經成為 AMD 最重要的營收支柱。這背後的動力有兩個：一是 EPYC 伺服器 CPU 在資料中心市場的滲透率持續提升，二是 AI GPU（Instinct 系列）的開始貢獻營收。
但投資人需要仔細區分這兩個動力。EPYC 的成功相對確定，因為 AMD 在 x86 伺服器 CPU 市場確實從 Intel 手中搶下了顯著的市場份額。AMD 的 EPYC 系列在核心數、能效、總擁有成本（TCO）上都有競爭力，雲服務商和企業用戶確實在採用。這是 AMD 的基本功，也是資料中心業務的「基本盤」。
AI GPU 的營收則是「增量」，也是市場關注的焦點。MI300 系列開始出貨後，AMD 在法說會上提到的資料中心 GPU 營收預期，是投資人評估 AMD AI 故事是否成真的關鍵指標。這裡要注意的是：AMD 的 AI GPU 營收基數相對小，所以成長率數字會很好看，但絕對金額與 NVIDIA 相比仍然有相當大的差距。這不是唱衰 AMD，而是要讓投資人有正確的期待——AMD 的 AI 故事是「成長故事」，不是「取代故事」。
Xilinx 收購：被低估的綜效
2022 年，AMD 完成了對 Xilinx 的收購，這筆交易當時引發了一些討論：AMD 為什麼要花這麼多錢買一家 FPGA 公司？傳統上，FPGA 被視為小眾市場，應用場景多在通訊、工業控制、國防等領域，與 AMD 的核心業務似乎沒有直接交集。但如果我们從 AI 和資料中心的角度重新看待 Xilinx，這筆收購的戰略意義就清晰多了。
首先，FPGA 在資料中心的角色正在改變。FPGA 的可編程特性，讓它可以針對特定工作負載進行硬體加速，這在 AI 推理場景特別有用。相比於 GPU 的通用性，FPGA 可以針對特定模型結構進行最佳化，在某些場景下能達到更高的能效比。Xilinx 的 FPGA 產品線，加上 AMD 的 CPU 和 GPU，可以組成一個完整的運算平台。
其次，Xilinx 在通訊和網路基礎建設有深厚的客戶基礎。隨著 5G 和邊緣運算的發展，通訊設備商需要更靈活的硬體方案，而這正是 FPGA 的強項。AMD 可以透過 Xilinx 打入這些市場，再搭配自己的運算產品，提供更完整的解決方案。
最後，不要忘了 Xilinx 的嵌入式業務本身就有不錯的獲利能力。雖然成長不如 AI 晶片那樣性感，但穩定的現金流對 AMD 的財務健康是有幫助的。AMD 也持續在整合 Xilinx 的技術，包括在晶片設計上採用更先進的封裝技術，這對 MI300 這類複雜晶片的開發是有幫助的。
與 NVIDIA 的差距：真實的數字
如果要把 AMD 和 NVIDIA 做一個誠實的比較，我們必須承認差距是真實的。NVIDIA 在 AI GPU 市場的占有率高得驚人，H100 和 B100 系列產品在效能、軟體生態、客戶信任度上都領先。NVIDIA 的 CUDA 是 AI 開發的事實標準，而 AMD 的 ROCm 還在追趕。
但差距不等於沒有機會。市場不是赢家通吃，而是分成不同層級。在頂層的、最先進的 AI 訓練市場，NVIDIA 確實佔據主導地位。Google、Microsoft、Meta 這些超大規模雲廠商，在最先進的模型訓練上幾乎都依賴 NVIDIA。但 AI 應用市場不只有訓練，還有推理；不只有最先進的模型，還有對參數量要求較低的應用；不只有超大規模雲廠商，還有中小企業、金融機構、政府單位等各種客戶。這些市場區塊，就是 AMD 的機會。
在推理市場，成本效益的考量比訓練更明顯。如果 AMD 的 MI300X 可以在單卡上運行更大的模型，對某些應用場景來說是有吸引力的。而對於那些不想完全依賴 NVIDIA 的客戶，AMD 提供了「第二供應商」的選項，這在企業採購決策中是有價值的。
供應鏈與台積電的關鍵角色
談 AMD，不能不談台積電。AMD 是 fabless 公司，所有晶片都由台積電代工。這意味著 AMD 的產能、成本、技術進度，都與台積電息息相關。好消息是，台積電的先進製程技術領先全球，AMD 可以享受最先進的製程紅利。MI300 採用台積電的 5nm 和 6nm 製程（不同的 chiplet 可能用不同製程），封裝則依賴台積電的 CoWoS 先進封裝技術。
但供應鏈依賴也帶來風險。台積電的產能有限，而且 NVIDIA 也是台積電的大客戶。當 AI 晶片需求爆發時，台積電的 CoWoS 封裝產能成為全產業的瓶頸。AMD 在這個問題上與所有客戶一樣，需要排隊等產能。這是產業結構性的問題，不是 AMD 單方面可以解決的。
另方面，AMD 與台積電的緊密合作也有策略意義。AMD 是台積電先進製程的早期採用者之一，這讓 AMD 在製程技術上保持同步。而台積電為了分散客戶結構，也需要 AMD 這樣的大客戶來平衡對單一客戶的依賴。這種相互依賴的關係，對雙方都有利。
競爭格局：不只是 NVIDIA 的戰爭
AMD 的競爭對手不只是 NVIDIA。在 AI 晶片這個市場，還有各路玩家在布局。Google 的 TPU 已經迭代到第五代以上，雖然主要供內部使用，但 Google 也開始對外提供 TPU 雲服務。Microsoft 則與 AMD 合作開發自己的 AI 晶片（Maia 和 Cobalt），同時也在投資自研晶片。亞馬遜 AWS 則有 Trainium 和 Inferentia 系列，針對訓練和推理分別最佳化。
這些自研晶片的共同特點是：雲服務商不想完全依賴 NVIDIA。這對 AMD 是機會也是威脅。機會是雲服務商可能會採用 AMD 的 GPU 作為第二供應商；威脅是他們最終可能還是會盡量用自研晶片，把第三方 GPU 的採購降到最低。AMD 的策略是在這個複雜的格局中找到自己的定位——提供一個有競爭力的 AI GPU 方案，讓那些不想只用 NVIDIA、也不想完全自研的客戶有選擇。
另外，Intel 也是競爭者之一。雖然 Intel 近年來在 AI 晶片的表現不如預期，Gaudi 系列的市場接受度有限，但 Intel 的資源和客戶基礎仍然不可忽視。AMD 在 x86 伺服器 CPU 市場與 Intel 競爭，在 AI GPU 市場也與 Intel 的 Gaudi 系列競爭。這是一個多戰線的競爭格局。
營運效率與財務指標
除了產品和戰略，投資人也應該關注 AMD 的財務體質。AMD 在蘿麗莎·蘇（Lisa Su）擔任 CEO 後，經歷了顯著的轉型。從 2014 年的瀕臨破產，到今天的千億美元市值公司，AMD 的管理團隊證明了執行能力。財務上，AMD 的毛利率在過去幾年有所改善，這反映了產品組合的最佳化和營運效率的提升。
但也有一些需要留意的地方。收購 Xilinx 帶來了商譽和無形資產，這對資產負債表有影響。AMD 的研發支出持續增加，這在競爭激烈的半導體產業是必要的，但也會影響短期獲利。另外，AMD 的股價估值相對較高，這反映了市場對 AI 故事的期待，但也意味著如果 AI 營收不如預期，股價可能面臨壓力。
從現金流角度，AMD 的經營現金流是正向的，這讓 AMD 有能力持續投資研發。與那些需要持續融資的新創公司不同，AMD 有成熟的財務基礎。這在產業景氣波動時是重要的緩衝。
Lisa Su 的領導：穩健與耐心
談 AMD，不得不提 Lisa Su。她在 2014 年接任 CEO 時，AMD 正處於困境：產品競爭力不足、財務壓力大、市場份額被 Intel 壓著打。十年過去，AMD 成功翻身，成為半導體產業的重要玩家。Lisa Su 的領導風格被描述為務實、專注、不追逐短期噪音。她在公開場合總是強調 AMD 的長期路線圖，而不是對市場傳聞做出情緒化反應。
這種風格在 AI 熱潮中特別重要。當市場瘋狂追逐 AI 概念股、股價大起大落時，管理層的定力就很重要。AMD 沒有在 AI 領域做出過度承諾，而是務實地推進產品線，與客戶合作試點，逐步驗證技術。這種節奏或許不夠「性感」，但對長期發展是健康的。
Lisa Su 也是半導體產業少數的女性 CEO，她的背景是技術出身（MIT 電機博士），不是純財務或行銷背景。這讓她在技術決策上有足夠的判斷力，也能跟工程團隊有效溝通。這在半導體產業是有價值的——畢竟這是一個技術驅動的行業。
地緣政治風險：AMD 的潛在盲點
AMD 作為美國公司，在當前的地緣政治環境下面臨一些風險。美國對中國的半導體出口管制持續升級，限制了高階 AI 晶片對中國的銷售。這對 AMD 是有影響的，因為中國是全球最大的半導體市場之一。AMD 雖然可以銷售符合規範的「降級版」產品，但這些產品的利潤率和市場接受度都不如高階產品。
當然，這不是 AMD 獨有的問題，NVIDIA、Intel 都面臨同樣的限制。但 AMD 的規模比 NVIDIA 小，對單一市場的依賴風險相對更大。這是投資人需要留意的結構性風險，不是 AMD 管理層可以控制的，但會影響 AMD 的市場潛力。
另一方面，AMD 的供應鏈高度依賴台積電，而台積電位於台灣。台海局勢的任何變化都會對 AMD 產生重大影響。這也是整個半導體產業共同面對的風險，AMD 需要思考如何強化供應鏈韌性，但這不是短期能解決的問題。
AI 推理市場：AMD 的突破口
在 AI 訓練市場，NVIDIA 的優勢相對明固，但在推理市場，格局尚未完全定型。推理是指模型訓練完成後，實際應用於預測和生成的過程。隨著越來越多企業部署 AI 應用，推理市場的規模正在快速成長，甚至可能超過訓練市場。
推理對硬體的要求與訓練有所不同。訓練需要強大的運算能力和高速互連，而推理更重視延遲、吞吐量和能效。這給了 AMD 一個差異化競爭的機會。MI300 系列的大記憶體容量，讓它適合承載大型模型的推理任務；AMD 的產品組合（CPU + GPU + FPGA）可以提供更靈活的解決方案；而對成本敏感的企業客戶，AMD 的價格可能比 NVIDIA 更有吸引力。
當然，NVIDIA 也不會放棄推理市場，Blackwell 平台就是針對訓練和推理整合設計的。AMD 的挑戰是在這個快速成長的市場中搶到足夠的份額，而不是只是做「第二名也挺好」的配角。
軟體生態系：AMD 的隱形戰線
前面提到 ROCm 是 AMD 對 CUDA 的回應，但 AMD 的軟體策略不只有 ROCm。AMD 持續投資於軟體工具、函式庫和開發者支援。例如，AMD 推出了 HIP（Heterogeneous-Compute Interface for Portability），讓開發者可以更容易地把 CUDA 程式碼移植到 AMD 的 GPU 上運行。這對那些不想被 CUDA 綁定的開發者來說是有價值的。
AMD 也參與開源社群，包括對 TensorFlow、PyTorch 等主流 AI 框架的支援。開源策略的好處是可以借助社群的力量，缺點是品質控制需要更多資源。AMD 需要在這中間取得平衡：既要保持開源的精神，又要確保產品的穩定性。
另外，AMD 也在推動一些標準化工作，包括 ROCm 的開源化。這個策略的邏輯是：如果 AMD 不能建立自己的專有生態系，那就推動開放標準，讓客戶不被單一廠商鎖定。這在理論上是對的，但在執行上需要時間和資源。
競爭對手的 AI 晶片佈局：AMD 的定位
AMD 不是唯一在 AI 晶片市場追趕 NVIDIA 的公司。我們已經提到了 Google 的 TPU、Microsoft 的自研晶片、AWS 的 Trainium/Inferentia。但還有一個值得關注的群體：新創公司。這幾年出現了許多 AI 晶片新創，包括 Graphcore、SambaNova、Cerebras 等，它們各有技術特色，但整體來說還沒有對 NVIDIA 形成實質威脅。
AMD 的定位是「有規模的第二供應商」。與新創公司相比，AMD 有實際的產品、穩定的供應鏈、成熟的客戶支援體系；與 NVIDIA 相比，AMD 提供了替代方案，價格可能更友善，且讓客戶降低單一供應商風險。這個定位聽起來不夠「野心勃勃」，但在實際的 B2B 市場，客戶往往需要這樣的供應商。
AMD 的挑戰是如何強化這個定位，讓客戶不只是「偶爾」考慮 AMD，而是把 AMD 納入長期的 AI 基礎建設規劃。這需要 AMD 持續改進產品、加強軟體生態系、提供更好的技術支援。這是一場長期戰，不是幾個季度可以決定勝負的。
遊戲與 PC 市場：被忽視的基本盤
雖然 AI 是市場焦點，但 AMD 的遊戲和 PC 業務仍然是重要的營收來源。Ryzen 系列 CPU 在 PC 市場的表現稳健，持續從 Intel 手中搶占份額。在遊戲顯卡市場，AMD 的 Radeon 系列雖然打不贏 NVIDIA 的頂級產品線，但在中階和入門市場維持了一定的存在感。
遊戲主機方面，AMD 為 Sony PlayStation 和 Microsoft Xbox 提供客製化 SoC，這塊業務的營收相對穩定，但成長空間有限。主機世代已經進入成熟期，未來的升級可能是漸進式的，不是大幅度的銷量爆發。
值得一提的是「AI PC」概念的興起。隨著 PC 開始搭載 AI 加速功能（例如微軟的 Copilot+），AMD 有機會在這個新賽道取得一些優勢。AMD 的 Ryzen AI 系列 CPU 內建了 NPU（神經處理單元），可以處理本地 AI 任務。這不是那種會讓股價翻倍的「大新聞」，但對 AMD 的整體產品組合是有幫助的。投資人不應完全忽視這塊業務——它提供了穩定的現金流，讓 AMD 有資源投資 AI GPU 的開發。
投資人應該關注的關鍵指標
如果投資人想追蹤 AMD 的 AI 進展，有幾個關鍵指標值得關注：
首先是資料中心 GPU 營收的成長。AMD 在法說會上會提供這塊業務的營收數據，雖然不會非常詳細，但足以判斷趨勢。投資人應該關注的不是絕對數字（因為基數小，成長率自然好看），而是增長的持續性和客戶多樣性。
MI300 系列的出貨量和客戶名單。AMD 不一定會公佈具體客戶，但可以從合作公告、產業新聞中拼湊出資訊。大型雲廠商的採用是重要的驗證信號。
ROCm 的成熟度和軟體合作夥伴。軟體生態系的進展不容易量化，但可以從支援的框架、開發者社群活躍度、主要客戶的公開評論來判斷。
毛利率的變化。AI GPU 的銷售應該會帶動毛利率上升，因為高階晶片的利潤率通常比 PC 和遊戲晶片好。如果毛利率沒有顯著改善，可能表示 AMD 在定價權上還有挑戰。
最後，整體市場情緒和股價估值。AMD 的股價已經反映了相當的 AI 預期，投資人需要判斷這些預期是否合理。市場情緒波動大，短期股價可能與基本面脫鉤，這是投資人需要理解的風險。
結語：AMD 的 AI 故事還在寫作中
AMD 的 AI 之路，不是一個「超越 NVIDIA」的英雄故事，而是一個「在巨人的陰影下找到自己的路」的務實故事。AMD 有技術實力、有管理層的執行力、有穩定的財務基礎，但也面臨軟體生態系落後、市場份額差距、供應鏈依賴等挑戰。
對投資人來說，AMD 的價值不在於「打敗 NVIDIA」，而在於提供了一個多元化投資的選項。如果你相信 AI 市場會持續成長，如果你認為市場需要第二供應商，如果你押注 AMD 的管理團隊能夠持續執行，那麼 AMD 是值得研究的標的。但如果你期待 AMD 短期內在 AI GPU 市場取得主導地位，那可能是過度樂觀了。
AI 晶片市場的故事還在發展中，AMD 是其中一個重要的角色，但不是唯一的主角。投資人應該用開放但審慎的態度看待 AMD，關注其實際進展，而不是市場炒作。在這個充滿不確定性的產業，保持清醒的判斷力，或許比擁抱任何單一故事更重要。
