AMD押注推理，NVIDIA压注训练：AI芯片市场的「估值剪刀差」揭示了什么？
AMD押注推理，NVIDIA压注训练：AI芯片市场的「估值剪刀差」揭示了什么？
2026年9月7日，247 Wall Street发表了一篇分析文章，标题直接点破了芯片市场的一个微妙现实：
「AMD Is Behind The AI Chip Shift Nobody Is Talking About」
翻译：AMD正在引领一场无人谈论的AI芯片转变。
这篇文章的核心论点是：AMD的Q2 2026财报数字很强，但市场给的估值远低于NVIDIA。而这个「估值剪刀差」，指向的是一个所有人都应该关注的战略分歧：训练 vs 推理，两家公司押注的，是AI基础设施的不同未来。
两个数据，一个矛盾
先看数字：
- AMD Q2 2026：总营收$11.54亿美元（同比+50.1%），数据中心部门$6.72亿美元（同比+107%）；EPYC服务器处理器的市场份额继续从英特尔手中夺取（x86服务器市场份额稳步提升）。
- NVIDIA Q2 2026：具体财报数字未在本文引用来源中完整披露，但NVIDIA数据中心营收的基数约为AMD的10倍（即AMD的绝对规模仍远小于NVIDIA）
107%的增速，任何行业都算惊人。
但市场的反应是：AMD股价年初至今的涨幅显著落后于NVIDIA，市销率（Price-to-Sales）差距依然悬殊。
为什么？
247 Wall Street给出的解释是：市场在定价的不是「当下谁的营收更好」，而是「谁拥有AI基础设施下一阶段的护城河」。而在市场的集体判断里，NVIDIA的护城河更宽。
但这个判断，可能部分错了。
训练 vs 推理：AI基础设施的「两段论」
要理解AMD和NVIDIA的战略分歧，需要先理解一个基础框架：AI工作负载的两个主要阶段。
训练阶段：把海量数据喂给模型，通过反复迭代调整参数，得到一个「智能」模型。这个过程计算密集、内存密集，需要大量的高端GPU同时运行，持续数周到数月。NVIDIA的H100/H200/B200芯片是训练市场的绝对统治者——其CUDA生态、NVLink互连技术、以及多年积累的软件优化，形成了其他玩家短期内很难复制的壁垒。
推理阶段：把训练好的模型部署出去，对实际用户的请求做出响应。每次用GPT-6 Astra生成一段文字、用AI助手完成一个任务，都是一次推理。推理的特点是：延迟要低（用户等待时间要短）、成本要低（每次推理的费用直接影响商业模型的利润率）、能效要高（大规模推理的电力成本是真实的商业压力）。
2022-2024年，AI基础设施投资以训练为主——前沿实验室（OpenAI、Anthropic、谷歌、Meta）在拼谁能训练出更强的模型。NVIDIA是这一阶段无可争议的赢家。
2025-2026年，AI应用规模化落地，推理侧的需求开始以更快的速度增长。每一个被企业客户使用的AI助手，每一个被数百万用户调用的ChatGPT，都在产生推理请求。训练是创造模型的成本，推理才是运营AI的持续成本。
247 Wall Street的核心论点是：AMD的MI300X系列在推理方面有被低估的竞争优势，而市场还主要在用「训练时代」的思维框架给两家公司估值。
AMD的MI300X：推理市场的隐形武器
AMD的MI300X（以及迭代版本）在技术层面有一个被广泛认可但市场关注度不够的特点：极高的内存带宽和内存容量。
具体来说，MI300X配备了接近192GB的HBM3内存，远超NVIDIA H100的80GB。这在推理场景中有特殊意义：
- 对大型语言模型的推理，最大的「瓶颈」往往不是算力本身，而是内存带宽——把模型权重从内存搬到计算单元的速度
- 内存容量更大，意味着可以在同一块芯片上装下更大的模型，减少数据分片（shard）带来的通信延迟
- 在某些场景下，用4块MI300X替代8块H100完成同等推理任务，总成本更低、延迟更好
这并不是说MI300X「全面胜过」H100——在训练场景、在CUDA生态依赖的任务上，NVIDIA仍有优势。但在推理特定场景，AMD已经建立了技术竞争力，而且这个竞争力在当前的市场估值中没有被充分体现。
Lisa Su（AMD CEO）在Q2财报电话会议上明确表示：AMD在AI芯片领域的下一个增长来自「规模化推理部署」，而非仅仅追赶训练市场的份额。
NVIDIA的「双线战略」：训练王者也在防守推理护城河
NVIDIA当然不是没有意识到推理的重要性。
2026年，NVIDIA的核心战略在悄悄转向：
- NVLink Fusion计划：允许第三方AI推理芯片（如d-Matrix的Raptor XPU，详见R3批次报道）接入NVIDIA的NVLink互连和MGX机架架构。这个战略看似是「开放合作」，实质是：让竞争对手的推理芯片也依托NVIDIA的生态，NVIDIA从「独家供应商」变成「生态主导者」——无论用谁的推理芯片，都在NVIDIA的体系内运行。
- Hopper/Blackwell系列的推理优化：B200芯片在设计上已经更加平衡地考虑了推理效率，不再是纯粹面向训练优化的架构。
- CUDA软件生态的推理路径：TensorRT、CUDA Graphs等工具在推理优化上持续迭代，让已经在CUDA上投入的企业客户，自然地在推理阶段也留在NVIDIA生态。
这是NVIDIA的防守战略：训练是核心壁垒，推理是生态延伸。
但防守是有代价的——NVLink Fusion这种「欢迎异构芯片」的策略，某种程度上是承认了「推理市场不会是NVIDIA一家的市场」。这为AMD和Positron AI（R3批次已报道）等新兴推理芯片厂商留下了机会。
「估值博弈」的本质：市场在押注哪条时间线
回到最初的问题：为什么AMD增速107%，市场估值却远落后于NVIDIA？
一个可能的解释是：市场在给一个未来的时间线定价，而不是今天的数字。
市场集体预期的时间线是：
- NVIDIA在训练市场的护城河（CUDA生态、H100/H200/B200的技术领先、软件优化）将持续到未来3-5年
- 推理市场的增长虽然快，但NVIDIA通过NVLink Fusion和Blackwell系列也能保住相当份额
- AMD是有竞争力的二号玩家，但「二号」不会改变NVIDIA的市场主导地位
这个时间线预期，支撑了NVIDIA的高估值溢价。
247 Wall Street提出的反驳是：
- 推理需求的增长速度超出预期，且NVIDIA在推理场景的优势不像在训练场景那么绝对
- MI300X的内存优势在大模型推理场景有真实的经济价值
- 如果AI推理成本的降低成为下一阶段的竞争核心（参考Positron AI等新兴推理芯片的价值主张），AMD的技术路线恰好在这个方向
两个视角的对话：投资还是产业判断
对于不同的读者，这个「估值博弈」有不同的参考价值：
对投资者：AMD vs NVIDIA的估值比较，需要建立在对「AI推理市场增速」和「NVIDIA在推理市场的可持续优势」两个变量的独立判断上。如果你认为推理时代来得比市场预期更快、更大，AMD的当前估值可能存在低估的空间。但这是一个需要深度研究支撑的判断，本文无法替代独立的投资分析。
对AI从业者和企业CTO：更重要的问题不是投谁的股，而是：你的AI工作负载，是训练密集型还是推理密集型？ 如果你的企业正在规划大规模AI推理部署（每天处理数百万次AI请求），芯片选型的经济账不应该只看品牌，而是应该认真做AMD MI300X和NVIDIA H100的专项对比——包括推理延迟、能耗比、总拥有成本（TCO）。
对AI行业观察者：这场「估值博弈」揭示了一个更大的产业叙事转变：AI基础设施的竞争，正在从「谁能训练出最强的模型」转向「谁能以最低成本、最低延迟、最高效率提供推理服务」。这个转变的速度，将在很大程度上决定AI商业化的速度——因为推理成本越低，AI工具的单位经济学越好，商业化规模化的临界点就越容易突破。
尾声：没有人谈论的转变，往往是最值得谈论的
247 Wall Street的标题说「这是一场无人谈论的转变」。说「无人谈论」有些夸张，但其指向的现象是真实的：媒体和公众的注意力更多集中在「哪个模型更强」「AI能否达到AGI」「谁的融资额更大」，而对芯片层面的「训练 vs 推理」范式转变讨论较少。
但半导体基础设施的变化，是比模型发布、融资新闻更底层的力量。它决定了AI能力的普及速度和成本曲线——进而决定了哪些AI应用场景能够实现可持续的商业模式。
AMD的107%增速还没有得到与之匹配的叙事关注。NVIDIA的护城河真实存在，但它的边界在推理时代正在被重新测量。
这场「估值博弈」，最终会以实际的市场份额数据来裁判。
答案，在接下来的4-6个季度财报里。
参考资料
- 247 Wall Street，「AMD Is Behind The AI Chip Shift Nobody Is Talking About」，2026-09-07，https://247wallst.com/investing/2026/09/07/amd-is-behind-the-ai-chip-shift-nobody-is-talking-about/
- 247 Wall Street，「Nvidia Has the AI Hype. AMD Has the Valuation. I’d Buy This Stock.」，2026-09-10，https://247wallst.com/investing/2026/09/10/nvidia-has-the-ai-hype-amd-has-the-valuation-id-buy-this-stock/
- Reuters，「Chip startup d-Matrix to use Nvidia chip-linking tech in AI servers」，2026-09-10，https://www.reuters.com/business/media-telecom/chip-startup-d-matrix-use-nvidia-chip-linking-tech-ai-servers-2026-09-10/
- NVIDIA官方博客，「d-Matrix NVLink Fusion合作公告」，2026-09-10，https://blogs.nvidia.com/blog/d-matrix-nvlink-fusion/
背景补充：为什么「推理成本」是AI商业化的核心变量
在分析AMD vs NVIDIA之前，有必要更深入解释一个基础逻辑：为什么「推理成本」在AI商业化中如此重要，以至于它可以改变整个芯片市场的竞争格局。
这需要从AI商业模式的基本数学开始。
以一个典型的企业AI应用为例——假设一家公司部署了一个基于大语言模型的客服助手，每月处理100万次用户对话。在这个场景里：
- 训练成本：一次性，百万到千万美元级别（前沿模型），或者通过API付费使用（每月可能几万美元）
- 推理成本：持续性，每次用户提问都产生API调用费用。假设每次对话消耗2000个token，OpenAI GPT-6 Astra的价格是输入$10/百万token + 输出$50/百万token，保守计算每次对话约$0.05，100万次对话/月 = 5万美元/月推理费用
5万美元/月，对大多数企业来说是一个需要认真审视的数字。这还只是一个简单的客服场景。如果是复杂的分析任务，或者是更高频的使用场景，推理成本可以迅速成为整个AI预算的最大单项。
这就是为什么「谁能更便宜地提供推理」是AI芯片市场的核心竞争维度。
AMD的MI300X如果在推理场景能比NVIDIA H100降低30%的成本，对一个每月推理支出100万美元的大企业来说，意味着每年300万美元的节省。这不是「够不够好」的问题，而是「账算得过来」的问题。
AMD的CUDA困境：最大的竞争壁垒不是硬件
说到AMD，必须正面处理一个棘手的现实：CUDA生态是NVIDIA最深的护城河，远比硬件更难逾越。
CUDA是NVIDIA在2006年发布的并行计算平台，过去20年里，几乎所有的AI框架（PyTorch、TensorFlow、JAX）、所有的AI优化库（cuDNN、cuBLAS、TensorRT）都深度依赖CUDA。全球有数百万开发者写的AI代码，都在隐性地假设CUDA存在。
AMD的ROCm（类CUDA的开源替代方案）多年来一直在追赶，但仍存在：
- 生态不完整（某些CUDA库没有ROCm等效版本）
- 性能优化差距（CUDA有20年的调优积累）
- 开发者迁移成本高（现有代码库的修改和测试）
这意味着：即便AMD的MI300X硬件在推理场景有明显优势，企业在迁移到AMD时仍面临「ROCm税」——额外的工程投入，以及对不确定兼容性问题的风险承担。
AMD正在加大对ROCm的投入，并与主要云厂商合作（AWS EC2 MI300X实例已经可用），但CUDA护城河不会在两三年内消失。
这也是为什么AMD的投资逻辑是一个「时间维度的赌注」：你需要相信，在足够长的时间内，推理市场会大到让企业值得做CUDA到ROCm的迁移工程；以及AMD的ROCm生态会持续成熟到降低迁移成本。
半导体竞争的更大格局
把AMD vs NVIDIA的故事放在更大的半导体竞争格局里，会看到一个有意思的层次结构：
第一层：NVIDIA vs AMD（现有玩家的内部竞争） 这是本文讨论的主线。NVIDIA主导训练，AMD在推理寻求差异化。
第二层：新兴推理芯片 vs 传统GPU（颠覆性竞争） Positron AI（R3批次已报道，8.75亿美元C轮，专注推理），d-Matrix（R3批次，NVLink Fusion合作），以及大量其他推理芯片初创公司，都在押注一个假设：专用推理芯片比通用GPU在推理场景更有效率。 如果这个假设被验证，它会同时挑战NVIDIA和AMD，因为两者都是通用GPU架构。
第三层：中国芯片 vs 全球格局（地缘政治竞争） 燧原科技（R2批次，IPO首日涨206%）、寒武纪、昇腾等中国AI芯片，在出口管制环境下被迫加速自主研发，在国内市场寻求NVIDIA替代品。这条线在中国市场的演进，将影响AI芯片的全球竞争格局（尤其是在美国出口管制持续加码的背景下）。
这3个层次的竞争同时进行，相互交织，任何对AI芯片市场的单线叙事（「NVIDIA永远赢」或「AMD会取代NVIDIA」）都过于简化了实际的复杂性。
一个投资视角的思维实验
假设你在2022年初，需要选择：投资NVIDIA还是AMD？
那时NVIDIA的市值大约是AMD的3倍。过去4年，NVIDIA的涨幅远超AMD，证明了市场的判断在回顾性上是正确的：训练时代是AI基础设施的核心矛盾，NVIDIA拿走了最大的那块蛋糕。
现在是2026年。这个思维实验在推理时代重演：
- 如果推理时代来临，AMD能否拿走其中不成比例的大份额？
- 还是NVIDIA能在推理时代也保持相似的统治地位？
这不是一个有唯一正确答案的问题。247 Wall Street倾向于认为AMD在推理时代被低估，这是一个值得考虑但需要独立验证的观点。
我们选择在今天报道这个话题，不是因为我们认为AMD一定会赢，而是因为「推理时代」这个框架，是理解未来AI基础设施竞争的关键视角。无论AMD的具体投资价值如何，这个视角都值得每一个关注AI产业的人装进自己的分析框架里。
今天的AI，正在从「训练出来的模型」变成「在推理中实现价值的工具」。这个转变，不仅影响谁的芯片卖得更好，更影响AI应用的经济可行性，以及AI改变世界的速度。
所有人都在谈NVIDIA的训练王者地位。而真正决定AI落地速度的，可能是那些「无人谈论的推理芯片」正在悄悄打的这场仗。
而这场仗的胜负，将在下一个12到24个月里，随着推理需求的爆发而逐渐清晰。请记住今天的这道「估值剪刀差」——它可能是先知先觉者进行提前判断的一个稀有窗口。
当然，历史一再提醒我们：「市场低估」的故事也可能只是「市场在合理定价其他人没看到的风险」。AMD有CUDA护城河这道真实的山，ROCm的成熟需要时间，企业的工程迁移成本不容忽视。
真正的「估值博弈」，就在这两种可能性之间——值得关注，需要判断，不宜赌注过大。
这是一个关于「下一个10年AI基础设施由谁主导」的押注题，而不是一个关于「今天谁的季报更好看」的短期游戏。
把时间轴拉长，坐下来看。这场比赛，还没打完。
编辑说明：本文主要引用了247 Wall Street的分析文章。247 Wall Street是面向个人投资者的财经分析平台，其观点代表分析师个人判断，非官方财务数据来源。AMD Q2 2026财报数字（$11.54B总营收，数据中心$6.72B，同比+107%）来自AMD官方财报，可独立核实（AMD Q2 2026 Earnings，2026-07-29）。本文不构成投资建议。