AMD MI400X重磅发布：性能超越H100，剑指英伟达算力王座
2026年7月29日，AMD在圣何塞数据中心大会上正式发布了其新一代AI加速器——MI400X。据官方数据，MI400X采用先进的3纳米制程和Chiplet架构，集成了超过2000亿个晶体管，FP8算力达到5.6 PFLOPS，是英伟达H100（1.0 PFLOPS）的5倍以上。AMD CEO苏姿丰在发布会上表示，MI400X将于2027年第一季度量产，首批客户包括微软、Meta和甲骨文。
消息发布后，AMD股价盘后大涨8.2%，而英伟达股价则下跌3.5%，市场担忧英伟达在AI算力芯片领域的垄断地位受到冲击。英伟达此前规划的Blackwell B200芯片预计2025年推出，但面临散热和良率挑战，量产时间可能延迟。AMD的MI400X直接对标B200，且在性能指标上更胜一筹，这无疑将加剧AI芯片市场的竞争格局。
科技巨头资本开支飙升：微软计划2027年投入800亿美元
同日，微软在财报电话会议上宣布，将于2027年将AI相关资本开支增加至800亿美元，较此前规划的450亿美元接近翻倍。这一数字远超市场预期，主要用于建设新的AI数据中心、采购GPU和服务器。微软CEO萨提亚·纳德拉表示：“AI的普及速度远超我们预期，必须大幅增加算力基础设施投资以支持下一代大模型和云服务。”
此外，亚马逊AWS和谷歌云也在近期上调了2027年的资本开支计划，分别达到600亿美元和500亿美元。Meta则计划投入400亿美元用于AI研究和新一代数据中心。这意味着，未来两年全球科技巨头在AI算力上的总投入将超过2300亿美元，是2025年的两倍以上。
资本开支的激增直接利好整个算力产业链。服务器代工龙头超微电脑（Super Micro）和戴尔科技（Dell）已宣布扩建产能，以满足数据中心订单。光模块供应商中际旭创（海外子公司）和Coherent也接到大量800G和1.6T光模块订单。此外，电力基础设施和液冷散热方案提供商也迎来爆发式增长。
大模型算力需求井喷：万亿参数模型训练成本降至千万美元
AMD MI400X的发布和科技巨头资本开支的扩张，背后是大模型训练的算力需求指数级增长。OpenAI、谷歌DeepMind和Anthropic等公司正在开发参数超过10万亿的大模型，当前使用的H100集群训练一次需耗费数亿美元。AMD宣称MI400X能将训练成本降低80%以上，结合更高效的互连架构，有望将超大规模模型训练成本降至千万美元级别。
这一趋势将加速AI应用的普及。推理端同样受益，MI400X的能效比达到5 TFLOPS/W，远超H100的3 TFLOPS/W，可大幅降低数据中心电力消耗。据IDC预测，到2028年全球AI服务器市场规模将超过2000亿美元，其中推理服务器占比将从2025年的35%提升至50%以上。
竞争格局重塑：英伟达的护城河还能守多久？
长期以来，英伟达凭借CUDA生态和坚实的硬件性能占据AI芯片市场80%以上的份额。AMD的MI400X虽然在算力指标上领先，但软件生态仍是其最大短板。AMD正加速推广ROCm开源平台，并推动与PyTorch、TensorFlow等主流框架的原生适配。此外，微软Azure已宣布对MI400X提供全面支持，将帮助其快速进入企业市场。
另一方面，英伟达也在积极反击。据传英伟达将于2027年推出B300芯片，采用3纳米制程和全新架构，性能预计比B200提升3倍。但分析师指出，英伟达面临的最大挑战并非单一产品，而是客户对单一供应商依赖的担忧。包括微软、谷歌和Meta都在自研AI芯片，长期来看，算力市场的竞争将更加多元。
投资启示：把握算力产业链的结构性机会
对于美股投资者而言，AMD的MI400X和科技巨头资本开支的加速提供了明确的投资逻辑。首先，AI芯片领域将从“英伟达独大”转向“双雄争霸”甚至“多极并立”，AMD和英伟达都将受益于市场总量的快速增长。其次，数据中心基建链条（服务器、光模块、液冷、电力）确定性更强，订单可见度高。最后，算力芯片的持续迭代将推动AI应用公司的成本下降，如AI SaaS、自动驾驶和机器人等板块有望迎来盈利拐点。
值得注意的是，当前AI算力板块估值已处于历史高分位，投资者需警惕资本开支不及预期或产品延迟的风险。但长期来看，AI革命仍处于早期阶段，算力作为核心基础设施，其投资价值不容忽视。
