发生了什么
2026年7月，AMD在追踪30家最大美国上市芯片公司的SOXX ETF（价值约450亿美元）中，第一次超过了Nvidia，成为这支基金最大的单一持仓。紧随AMD之后的是Micron，同样在快速追近Nvidia。
Nvidia仍然是全球最有价值的AI基础设施公司，市值依然远超AMD。但ETF的权重变化，是机构投资者集体判断的结晶，它们反映的不是昨天的业绩，而是对明天走势的押注。
这个变化，值得认真解读。
同一周，另一件事发生了：Nvidia、AMD和Intel的股票在周五同时大幅下跌，然后部分反弹。Nvidia跌3%，Intel跌4%，AMD跌5%。分析师的解释是”持仓调整”——投资者在重新平衡AI基础设施的布局，而不是在逃离这个赛道。
这两件事放在一起，讲述的是同一个故事：AI芯片市场的结构，正在从Nvidia独大的单极格局，向更复杂的多极格局演进。这个演变，对整个AI行业的技术方向、成本结构，以及谁将获得下一个十年的竞争优势，都有深远的含义。
数字背后的故事
在分析这次权重变化时，有一个细节值得特别关注：SOXX ETF追踪的是市值加权的指数，但通常有单一股票持仓上限的限制（避免头号持仓过度集中）。Nvidia的绝对市值仍然远高于AMD。AMD能够”超越”Nvidia成为最大持仓，部分反映的是ETF的规则设计，而不是纯粹的市场市值排名。
但这恰恰说明了这件事的象征意义大于字面意义：机构投资者在ETF的框架内，选择了最大化AMD的配置比例，而不是Nvidia的。这是一个集体方向性信号。
与此同时，过去两年半导体行业整体的估值扩张创造了一个令人目眩的背景。SOXX ETF在过去12个月里的表现远超纳斯达克综合指数，某些时段的涨幅接近100%。AI基础设施需求拉动的芯片板块，是这轮科技股上涨最重要的引擎之一。在这个背景下，即使是”持仓调整”，规模也依然庞大。
值得一提的是，这次权重变化发生在一个更大的半导体板块轮动背景下。2026年上半年，AI芯片股整体涨幅达到历史同期最高——SOXX上涨超过100%，SK Hynix上涨约250%，AMD上涨约130%。经历了这么大幅度的集体涨幅后，机构投资者的持仓再平衡是正常的市场行为。AMD超越Nvidia，部分原因是Nvidia的上涨已经提前反映了太多预期，AMD相对而言还有更多”追涨空间”。
为什么是现在：AMD崛起的结构性原因
Nvidia在AI芯片市场的主导地位，建立在几个相互强化的基础上：H100/H200系列GPU在AI训练和推理性能上的领先；CUDA生态系统十多年积累的软件护城河；以及对台积电先进封装产能、HBM内存的优先锁定。
这些优势在短期内不会消失。那么，AMD为什么会在这个时候超越Nvidia登顶ETF？
有几个结构性因素正在同时发挥作用：
AI推理需求的崛起。2023-2024年，市场的焦点是AI训练——谁能最快训练出最大的模型，谁就赢了。训练超大规模模型，需要极端算力，H100/H200是唯一合理的选择。但随着越来越多的模型进入部署阶段，推理需求开始超过训练需求，且差距还在快速扩大。推理对芯片的要求不同——性价比、能效、可扩展性变得比峰值算力更重要。在这个维度上，AMD的MI300X系列正在赢得真实的市场份额。微软Azure已经部署了AMD MI300X作为部分AI推理工作负载的首选，Meta也在测试AMD芯片作为Llama模型推理的补充算力。
价格压力与采购多元化。Nvidia的GPU单价极高，一张H200的服务器价格可以高达数万美元。在企业AI基础设施成本里，芯片占据了最大比例。随着AI投入的回报率开始受到董事会和财务部门的更严格审视，采购部门开始寻找性能足够好但价格更合理的替代选项。AMD MI300X在推理性能上约为H100的70-80%，但价格可能只有40-50%。对于不需要极端算力的工作负载，这个权衡越来越有吸引力。
Micron的HBM叙事。Micron在这次ETF权重变动中的快速追近，反映了市场对HBM（高带宽内存）需求的重新定价。随着AI模型越来越大，内存带宽瓶颈变得越来越重要。Micron作为HBM3E的主要供应商之一，在Nvidia、AMD和其他AI芯片之外，找到了独特的价值定位。无论谁赢了AI芯片大战，都需要大量HBM内存，Micron是那个”谁赢了我都赢”的标的。
估值修正的预期。Nvidia的市盈率在过去两年里长期处于极高位置，已经Price in了对AI增长的极度乐观预期。随着AI商业化进入更加务实的阶段，估值修正的压力在积累。相比之下，AMD的相对估值更加温和，同样的AI敞口，被认为风险收益比更合理。这不是说AMD会超越Nvidia，而是说在机构投资组合管理的框架里，增加AMD、减少Nvidia是一个合理的风险管理动作。
这不是Nvidia的终结
需要明确说明的是：Nvidia的基本面没有发生根本性的变化，ETF权重的转移不代表Nvidia走到了下坡路。
H200和即将发布的Blackwell架构芯片，在计算密度上仍然领先于任何竞争对手。Blackwell B100的性能被认为在AI训练任务上比H100提升了2-4倍，这是巨大的代际进步。CUDA的生态护城河依然深厚——全球数以百万计的AI工程师的工作流程建立在CUDA上，大多数主流AI框架（PyTorch、TensorFlow、JAX）的底层优化默认CUDA，迁移到ROCm（AMD的GPU计算框架）需要实质性的工程投入，这个成本在短期内不会大幅降低。
更重要的是，全球主要云服务商——AWS、Azure、Google Cloud——的AI算力底层，仍然大量依赖Nvidia的GPU。微软在Azure上承诺的大规模Nvidia采购合同，涉及金额超过千亿美元。这种规模的迁移，以年为单位，而不是以月为单位。
ETF权重的变化，是机构投资者在做投资组合的动态调整，而不是在做战略性的清空。它反映的是”Nvidia当前估值的溢价是否值得”这个问题的答案在改变，而不是”Nvidia的技术优势是否还存在”这个问题的答案在改变。
这两个问题，有时候有不同的答案。最好的公司，不总是最好的投资。最有技术优势的芯片，不总是每个使用场景的最优选择。
第三层洞察：AI芯片叙事的根本性转变
超出这些表面现象，AMD超越Nvidia登顶ETF这件事，指向了一个更深层、也更重要的变化。
在AI发展的第一阶段（2020-2024年），市场的核心逻辑是：规模定律（Scaling Law）决定一切。更多的算力 = 更大的模型 = 更好的结果 = 更高的竞争力。Nvidia的H100是这个逻辑的完美受益者——它就是那个”更多算力”的实体化象征。在这个叙事里，算力是AI竞争的唯一护城河。
在AI发展的第二阶段（2025年至今），这个逻辑正在面临系统性的挑战。
但真正值得注意的，是这个转变的速度比大多数人预期的快。
两年前，Nvidia的竞争优势被认为是”十年之内不会被动摇的”。CUDA生态系统的壁垒，如同摩根大通的金库。规模定律的持续有效性，被当作公理而非假设。但是：
DeepSeek用H800级别的受限芯片，训练出了在多项指标上接近GPT-4的模型，研发成本仅是传统路径的极小比例。这不是一个统计噪声，而是对”算力=能力”等式的根本性挑战。Kimi K3的2.8万亿参数，在有限算力条件下完成，再次验证了这个挑战。
这意味着什么？AI竞争的主战场，正在从”谁能买到最多H100”转移到”谁能用最少的算力实现最好的结果”。这是一个不同的竞争维度，而AMD在这个维度上更具竞争力——不是因为AMD比Nvidia更强，而是因为在性价比维度上，AMD更接近最优解。
第三层洞察更深一步：ETF权重变化背后，实际上是机构投资者在做一个关于”AI能力上限由谁决定”的判断。如果算法创新是AI能力进步的主要驱动力，那么算力的绝对量就变得次要——任何能提供”足够好”算力的供应商都值得投资。如果规模定律的边际效用持续递减，那么Nvidia的定价能力将受到结构性压力，而AMD的市场空间将自然扩大。
这不是一个”Nvidia输了”的故事。这是一个”AI竞争的评分规则正在改变”的故事，而AMD正好处于这个规则变化的受益侧。
机构投资者投票给了AMD的ETF最大持仓，本质上是在投票给一个新的AI竞争逻辑。这个逻辑值得认真对待，无论你是做投资决策、技术选型，还是只是想理解AI行业在2026年到底发生了什么。
回到最初的问题：为什么是现在？因为市场需要这么长时间，才能把”DeepSeek的成功”这个外部冲击，消化成一个系统性的判断修正。这个修正，从Nvidia估值的相对压缩开始，经过资金向AMD的转移，最终会体现在客户采购的实际行为变化上。我们现在看到的ETF权重变化，只是这个更大的信号链的起点。
对中国AI的隐性关联
这里有一个有意思的连接，值得单独提出来。
AMD的崛起，与中国AI模型的全球成功之间，存在一种间接的逻辑关联。
中国AI企业（DeepSeek、Moonshot等）在受限芯片条件下的成功，某种程度上为整个市场提供了一个关键的概念验证：在没有最好的Nvidia GPU的情况下，同样可以做出世界级的AI。这个证明，反过来给了所有AI基础设施的买家一个新的参考点：AI模型的质量天花板，可能比”购买的H100数量”更取决于算法架构的创新。
如果这个逻辑成立，那么AMD——以其更高的性价比和越来越成熟的软件支持——就自然成为了”够好的算力”的代名词。不是用来训练万亿参数级别最新旗舰模型的顶配选项，但对于推理、微调、检索增强，以及大多数企业AI工作负载，AMD正在越来越成为一个严肃的备选方案。
中国AI的成功，无意中为AMD的市场扩张提供了论据。这是地缘AI博弈中一个有趣的间接效应。
对使用者的实际含义
对于正在规划AI基础设施的企业，这场芯片市场的结构性变化，带来了一些值得关注的实际影响：
不要只锁定一个供应商的单一产品线。即使今天Nvidia的GPU是你的唯一选项，也值得保持对AMD MI300、Intel Gaudi、以及Google TPU等替代方案的了解和持续评估。市场竞争通常会带来价格和性能的双重改善，保持灵活性和学习意愿有其价值。
推理优化是当前最值得投入的方向。如果你已经有了训练好的模型，投入到推理效率优化上的回报——无论是模型量化、推理框架选择还是批处理策略——通常比采购更多算力的边际回报更高。这个方向上，AMD和专门的推理加速芯片（包括AWS Inferentia）正在变得越来越有竞争力。
关注能效指标。在选择AI芯片时，把每瓦性能（FLOPS/W）和每美元性能（FLOPS/$）与绝对性能一起纳入评估框架。随着电力成本在数据中心总成本中的占比持续上升，这个指标的重要性只会增加。
CUDA不是永远的护城河，但也不会在短期内消失。这不是说要立刻迁移走，而是在设计新的AI系统时，考虑在计算后端保持适当的抽象层——例如使用框架无关的高层API，而不是直接调用底层CUDA特定功能。这样当切换成本足够低时，可以更灵活地做出选择。
一个还未完成的故事
AMD超越Nvidia登顶半导体ETF，是一个有趣的数据点，但它不是结论。它是一个问题的开头。
这个问题是：当AI从”烧钱换规模”进入”商业化换回报”的阶段，当AI模型的质量差距开始缩小到”够用就好”的区间，当推理成本成为企业AI预算的主要考量，当能效约束开始限制数据中心的扩张，当开放生态系统的成熟度持续提升，谁会是这场长跑里最终的受益者？这是一个没有简单答案的问题，也是接下来几年整个行业最值得深思的核心命题之一。
Nvidia可能仍然是最大的赢家。它的护城河真实存在，CUDA的迁移成本会在相当长的时间里保持高企，而且Nvidia本身也在通过NIM（Nvidia Inference Microservices）等产品线向推理市场延伸，试图把自己的优势从训练端扩展到部署端和推理端。Nvidia的CEO黄仁勋已经清楚地看到了这个转型的必要性，正在主动重构Nvidia的定位，从”GPU卖家”向”AI基础设施平台”演进。这种转型如果成功，Nvidia将在下一个AI竞争阶段依然保持领导地位，尽管领先幅度可能不如训练时代那么悬殊。
但历史上，每一个技术周期都会产生一个在早期主导、然后面临竞争强化的领导者。IBM在PC时代主导但最终让出了硬件利润给微软和Intel。Intel在x86时代几乎无可撼动，但在移动芯片战争中完败给ARM生态。这不意味着这些公司消失，而是意味着市场格局从单极变得更加多元和复杂。AI芯片是否正在经历类似的转型？我们还没有确定的答案，但迹象正在积累。
但历史上，每一个技术周期都会产生一个在早期主导、然后面临竞争强化的领导者。这不意味着它们消失，而是意味着市场格局从单极变得更加多元和复杂。AI芯片是否正在经历类似的转型？我们还没有确定的答案。
最后值得提醒的是，ETF权重只是一面镜子，它反映投资者当下的集体判断，而集体判断经常是错的——无论是过度乐观还是过度悲观。真正重要的，是AI芯片市场底层的技术和需求格局是否正在发生根本性的转变。这次，越来越多的证据表明：是的，它确实在变，而且变化的速度正在加快。Nvidia的领导地位依然稳固，但单极垄断的时代正在慢慢过去。整个生态，正在走向一个更健康的多元竞争格局，这对最终用户来说是好消息——竞争会带来更好的性能、更低的价格、和更多的选择。对于所有押注AI基础设施的人来说，这是一个值得持续关注和深入分析的方向，而AMD超越Nvidia登顶ETF，只是这个故事里一个值得记录的章节标题。
参考资料
- AMD just passed Nvidia at the top of a $45 billion semiconductor ETF. Micron is closing in（MSN，2026年7月19日）：MSN
- AMD Falls 5%, Intel Drops 4%, NVIDIA Slides 3% Before Recovering as Rotation Hits Semiconductor Stocks（247wallst，2026年7月17日）
- Record chip rally adds $2 trillion in combined value to Micron, Intel and AMD in second quarter（CNBC，2026年6月30日）
- AI Chip Stocks Just Had Their Best Half-Year Ever（Memeburn，2026年6月30日）