配资正规网上炒股配资
本文来自微信公众号：王智远，作者：王智远，题图来自：视觉中国
昨天晚上，AMD CEO 苏姿丰，又在华尔街掀起了一阵风；她说：到 2030 年，AI 数据中心市场将突破 1 万亿美元。
这句话听起来像在吹牛，但，如果你了解过去 10 年她如何让 AMD 起死回生，就知道，这个人从来不是说空话的人。
首先，为了降低认识门槛，快速过下她是谁？
很多人知道英伟达的黄仁勋，因为他特别会造梦；但不少人对苏姿丰这个名字有点陌生。她的英文名叫 Lisa Su，是 AMD 现任的 CEO 兼董事长。
2014 年，她从一个纯技术背景的工程师，一步步走到这家老牌芯片公司的最高位。
要说履历，她堪称"理工界的女天花板"：
麻省理工学院（MIT）电气工程博士，先后在 IBM 和 Freescale 半导体担任高管；她的专长不是营销、演讲，是让晶体管如何变得更聪明。
接手 AMD 那一年，公司基本快要崩盘，市场份额被英特尔吊打，市值不到 30 亿美元，连员工都在担心明天还有没有班上。
结果不到 10 年，她硬是把 AMD 拉回了牌桌。CPU 端推出的 Ryzen 系列，一口气击穿了 Intel 的防线；GPU 端的 Instinct 系列，对标的正是 NVIDIA。
如果你对这些产品不太熟，也没关系。
把 Ryzen 想象成电脑里的"大脑核心"，决定一台机器算得快不快、聪不聪明；Instinct 系列，像是"超级大脑里的神经网"，专门处理 AI 计算、模型训练这种超重任务的东西。
换句话说，AMD 现在做的，是整个算力系统的心脏。
所以，当苏姿丰在台上说出" 1 万亿美元"时，反而大家觉得，这事，真有可能发生。
那么，她昨晚的发言，到底说了什么呢？
地点在纽约，AMD 三年来第一次召开分析师日。苏姿丰上台，先说结论：到 2030 年，AI 数据中心市场规模将突破 1 万亿美元。
为什么是一万亿？
AMD 官方口径更接近"计算市场"（compute market），不过，外媒把它解读成：AI 数据中心市场。
本质是说，围绕 AI 的算力基础设施这盘大棋（芯片、服务器、互联、内存 / 存储、系统集成等）都会在十年内膨胀到万亿美金级。
所以，是"系统级盘子变大了"。
推理加训练这种全面扩张，带动了整机、网络互联、内存、存储、机房与供电、能效系统、软件和集成的服务等链条的全面投资。
这个量级，等于给所有算力相关的公司定了一个共同的天花板。有了天花板，就看谁吃的快了。
所以， AI 的生意是看这 10，000 亿美元里，各家到底占哪一块？到底只卖零件，还是卖整套系统、还卖"可交付的算力能力"？
而 AMD 在恰恰是后者，它卖一整套"可部署的算力系统"。然后，她开始进一步加深分量：
We have never been better positioned（我们从未处在比现在更有利的位置）。
这两句话，被现场解读为整场演讲的"信号弹"。为什么呢？因为她放了几组数据：一个是 35%，一个是 60%。
先看那个 35%。AMD 说，公司整体营收未来 3 到 5 年，要保持 35% 的年复合增长（CAGR）。听上去挺平常，但你要知道，这个数字很猛的。
我算了一下，35% 连续五年是什么概念？意味着营收要翻大约 4.5 倍。
我们可以简单算一笔账：假设 AMD 现在一年营收 250 亿美元，那五年后，她要做到 1000 亿美元以上。
这在半导体行业是非常激进的目标，除非你有新赛道，否则根本不可能；所以，这个数字背后真正的意思是：整个产业结构要换挡了。
过去，AMD 靠单芯片赚钱；现在有 CPU、有 GPU，还有服务器系统、网络互联、AI 平台。
它正在尝试构建一个"持续滚动的算力复合体"，一次销售之后，能带来服务、推理、升级、迭代的长期赚钱方法。
所以，复利带来增长，增长再喂回复利，这才支撑得起 35% 的节奏。
不过，从另一个角度看，这种节奏也非常脆；只要任何一个环节掉链子，整个节奏都会崩。比如：产能、良品率、AI 行业周期等等，毕竟复合增长越高，兑现压力就越大。
再来说说 60%。这个更夸张。五年数据中心业务涨这么多，基本 10 倍数了。她的意思是：AI 数据中心正在进入第二个阶段。
过去几年，AI 的算力主要集中在"训练"，就是巨头公司在堆 GPU、堆模型，而接下来，进入"推理"阶段，模型要真正跑到应用、跑到企业里，这每一次调用、每一次响应，都要重新消耗算力。
所以，推理的需求，是连锁式爆发，就像当年智能手机刚普及那几年，一旦生态铺开，增长曲线是蹭蹭地往上"蹿"。
她相信，AI 数据中心也会迎来同样的爆发，区别只是，这次要卖基础设施了。
我觉得这样理解， AI 时代，数据中心是新"工厂"，芯片是机器，电力是燃料，算法是工艺，而苏姿丰要让 AMD 从"机器供应商"，变成"整座工厂的建造者"。
这也是为什么她在演讲中反复强调"系统级能力"。
她想比谁能把整套系统的效率做到极致，因为未来的竞争，是谁能算得又快又省电。所以，这个 60% 是一种"结构性增长"。
她想在这场爆发式扩张里，重新定义蛋糕的形状。
讲完"市场有多大、增长有多猛"之后，接下来关键问题是：怎么落实？我发现，国外大佬演讲逻辑非常自洽：先描述机会，再给出路径。
那她的路径是什么？发布了什么产品？
总的来看，主要讲了两条产品线，一个是已经在铺货的 Instinct MI350 系列，另一个是正在研发、将在 2026 年推出的 Helios 系统。
她的原话：
The Instinct MI350 series represents the fastest ramping product in AMD ’ s history（这是 AMD 历史上铺货速度最快的一款 GPU）。
我查了一下资料，MI350 系列主要用于" AI 训练 + 推理"场景，相比上一代 MI300，AI 性能提升了 35 倍。
我不是技术人员，不清楚具体参数，但能看出来，AMD 已经走出了一条自己的技术曲线。
她还提到，这款 GPU 已经开始向主要云厂商出货，包括 微软、亚马逊、Meta 等，预计 2025 年上半年能形成完整部署。
讲完 MI350，她把 PPT 翻到下一页：Helios。她说：
Helios will bring together CPU， GPU and interconnect in a single unified system（Helios 会把 CPU、GPU 和 网络互联，整合进一个统一系统。）
简单讲，这是一整套"可部署的 AI 工厂"，从服务器主机到冷却系统，从计算核心到互联架构，都做了系统级整合。
按照路线图，Helios 会搭载下一代 MI450 GPU，基于 CDNA 5 架构，计划 2026 年第三季度发布。
这意味着什么？AMD 要像 NVIDIA 那样，把软硬件、互联、功耗、系统优化，全打包成一整套算力平台。
讲完产品，她补了一小段，我觉得挺有意思的。有四个关键词：
Compute， Memory， Interconnect， Efficiency（算力、内存 / 带宽、互联网络、能效）
她指出，在 AI 下一轮扩张里，算力就像发动机；内存、带宽是真正的瓶颈，因为大模型、推理场景对数据移动要求极高。
互联，是管路，它决定节点到节点。
比如，你家网速再快，路由器一塞车，全屋都得卡；AI 世界也一样，GPU 再多、性能再强，中间那根管子不通，数据堵在半路上，整个系统就白搭。
至于能效，则决定谁先能大规模部署、谁能在成本爆炸中活下来的关键。
就像造车一样，同样一箱油，有人能跑一千公里，有人跑两百就趴窝；AI 数据中心竞争，本质是看谁能在功耗不爆炸的前提下，把算力榨到极致。
这也是为什么，她反复强调"系统级能力"，因为这四个要素能打通，1 万亿美元、35%、60%，才有实现的可能。
到这里，她这场演讲基本讲完了。信息量不算多，但每一句都很重。
我赶紧去查了一下 AMD 股价走势，截稿日前（11 月 12 日）收盘时，股价约为 US$237.52；然后，发布会前，股就有动静，到了演讲当天盘前、盘后都冲了一波。
明显，市场在为她那套" 1 万亿美元、35%、60% "的叙事下注。
不过，也有人在打冷水：虽然目标挺漂亮，但兑现难度不小。有分析师说，市场对 AMD 的估值压力大、执行链条复杂。
我继续查了下，看看投行怎么说。大家都知道高盛（Goldman Sachs），那个华尔街最老牌、最会定价的投行之一，几乎每次大公司发业绩，都是他们先出来定调。
他们的结论大概是：
嗯，AMD 是 AI 赛道上值得关注的选手，但，嫁接所有目标后，你从这里往上跑的空间其实没那么大。
具体来说，他们把目标价从原来的大概一百五十美元，上调到了两百出头，但评级依然是"中性"，意思是，这公司挺稳，但别指望它一口气起飞。
这就像你看到场子里有热门票，大家都在看好，但他们说：好戏开头了，但能不能演到最后还是未知数。
换句话说：股价已经反映出一部分" 1 万亿美元、35%、60% "的预期；市场先喝了一口了，但要喝满还得看后续交付、产品、客户、执行。
写到这，我想到一个这两天朋友圈里的段子：
存储涨价，导致深圳卖内存条的感觉赚得比黄金猛。老板说：本来是做生意的，结果内存条一天一个价，搞得跟炒股票一样。
你看，这不一样的道理吗？
如果说 AMD 讲" AI 算力系统的大盘子"，那接下来我们要看，这个盘子背后，能不能跑出"能量加供给"这条路径。
毕竟，AI 的尽头，的确是 水、电、储能、散热、土地、资源配置。
听起来挺抽象，但你仔细想想，所有的模型训练都要电，所有的电都要被稳定存下来，而这一切的根，最终都连在"储能"上了。
那问题来了：储能相关股票、基金配资正规网上炒股配资，能重仓吗？
长富资本提示：文章来自网络，不代表本站观点。
