AMD在AI市场的布局 - 公司通过MI300系列加速器强化在生成式AI和数据中心应用领域的竞争力，该系列基于CDNA 3架构，支持192GB HBM3内存，可高效运行800亿参数的大语言模型训练和推理[1][2] - 2025年Q1数据中心收入同比激增57.2%至36.74亿美元，占总收入49.4%，Q2预期收入33.1亿美元(同比增长16.7%)[3][10] - Meta Platforms已大规模部署MI300X用于Llama 3/4推理，并计划合作开发MI350/MI400平台[4] 行业竞争格局 - 英特尔推出Core Ultra芯片，NPU能效比前代提升2.5倍，覆盖云服务器到边缘计算场景[6] - 英伟达数据中心Q1 FY2026收入同比暴涨73.3%至391亿美元，受Hopper/Blackwell架构GPU需求驱动[7] - AMD面临英伟达和英特尔在数据中心AI芯片市场的双重压力[5][10] 财务与估值表现 - 公司股价年初至今上涨28.8%，超越计算机技术板块(8.3%)和集成系统行业(26.6%)[8] - 远期市销率达7.29倍，显著高于行业平均3.92倍，价值评分D级[11] - 2025年Q2每股收益预期0.47美元(同比降31.88%)，全年预期3.82美元(同比增15.41%)[14][17]

DeepSeek-R1模型技术突破 - 模型性能指标与OpenAI等领军企业产品相当甚至超越 计算资源需求较同类减少30% [1] - 独创分布式训练框架和动态量化技术使单位算力推理效能提升40% [1] - 多头潜注意力机制(MLA)实现内存占用降低50% 但开发复杂度显著增加 [2] MLA技术创新与挑战 - 键值矩阵存储密度提升18-23倍 4096 tokens上下文窗口内存占用量从96GB降至7.2GB(降幅92.5%) [4][5] - 非英伟达GPU部署需手动实现37%算子级优化 工程周期平均延长2.8周 [5] - RISC-V架构处理器运行MLA时推理延迟激增300% [6] 全球AI算力发展格局 - 全球AI算力支出占比从2016年9%升至2022年18% 预计2025年达25% [9] - 2022年全球智能算力规模451EFlops首次超越基础算力(440EFlops) 同比增速94.4% [10] - GPT-4单次训练消耗超2.5万块A100 GPU 相当于1200个美国家庭年用电量 [10] 算力市场竞争态势 - 美国科技巨头2023年AI算力投入占资本开支超60% 中国2022年AI算力支出增速38% [11] - 中美欧形成三足鼎立格局(美34% 中33% 欧17%) 竞争转向生态控制 [12] - 中国国产AI芯片良率仅达国际水平60% 先进制程代工依赖构成隐忧 [13] 新一代计算基础设施需求 - 需实现即插即用式替换 开发者仅需最小化修改即可部署各类系统 [15] - 要求自适应实时性能优化 硬件能动态调整资源配置维持峰值利用率 [16] - 必须突破传统架构桎梏 构建多层次算力矩阵应对指数级增长需求 [18] 中国算力产业发展 - 2024年全国算力总规模突破280EFLOPS 智能算力占比超30% [18] - 2025年中国智能算力预计突破千亿EFLOPS 2026年实现两年翻番 [19] - 推理算力年复合增速将达训练算力四倍 推动形成三位一体算力生态 [20]

文章核心观点 - AMD在Lisa Su的带领下从濒临破产实现逆袭，市值超越英特尔，但在人工智能GPU市场仍落后英伟达，公司正通过技术创新和软件建设争取更大市场份额 [2][4][5] AMD发展历程与现状 - 2014年末Lisa Su接任CEO时，公司核心市场缺乏竞争力、背负巨额债务、市值仅20亿美元，远低于英特尔的180亿美元 [2] - 2022年AMD市值超越英特尔，如今市值达1720亿美元，是Su上任时的约85倍 [4] - 2024年公司营收增长14%至约260亿美元，近五倍于Su刚接任时；研发投入65亿美元，超2014年六倍 [24] - 2024年AI芯片销售额从2023年的1亿美元增至50亿美元，但远低于英伟达最新财年的1150亿美元 [25] 公司战略与技术决策 - Su认为行业成功源于做出正确技术决策以制造高性能芯片，决策影响需3 - 5年显现 [6][7] - 公司采取削减7%员工、为索尼和微软制造游戏主机芯片等措施改善现金流 [17] - 停止销售服务器芯片，直至产品能在性能上与英特尔竞争 [18] - 采用“白纸”方法重新设计计算核心，2017年开始销售基于“Zen”核心的产品，该技术已发展到第五代 [19] - 率先采用“小芯片”技术，使制造更灵活高效，降低风险，该技术被广泛应用，助力推出首款大型GPU Instinct MI300X [20][23] 面临挑战与应对措施 - 在人工智能领域落后英伟达，最大挑战在于软件，多数AI开发者习惯使用英伟达的CUDA软件 [5][26] - 推出免费的ROCm软件，重组软件团队成立新的AI软件部门，开源重要组件和硬件细节 [26][27] - Su需带领团队拓展AI开发者市场，改变公司仅专注硬件的形象 [28] Lisa Su个人情况 - 半导体行业前十公司中唯一女性CEO，连续五年成为薪酬最高的女性CEO [8] - 1969年出生于台湾，童年赴美，毕业于麻省理工学院，获电气工程博士学位 [12][13] - 曾就职于德州仪器、IBM等公司，2012年加入AMD，2014年担任CEO [14][15]