AMD 的 2,200 億美元伺服器 CPU 豪賭：代理式 AI 與 Helios 機架如何重塑其 2030 年藍圖

AMD 正處於其史上最大膽的戰略轉折點。在 2026 年 8 月的技術領袖論壇上，該公司將 2030 年伺服器 CPU 市場總體預估 (TAM) 大幅上修至 2,200 億美元——遠高於 2026 年 3 月預測的 1,200 億美元，以及更早預測的 18% 年複合成長率 。執行長蘇姿丰的團隊現在將目標設定為在該擴張後的市場中，取得超過 50% 的營收佔有率 。

這個戲劇性升級背後的核心論點很單純：AI 革命正從訓練階段轉向推論階段，而未來的運算工作負載——自主、多步驟的代理式 AI 系統——所需的 CPU 效能遠超過業界先前的預期 。

驅動需求的兩大結構性轉變

代理式 AI 工作負載預計將佔 2030 年 2,200 億美元伺服器 CPU 市場的約三分之二 。這些系統能自主協調複雜任務，在 GPU 執行模型之餘，高度仰賴 CPU 進行資料處理與協調工作 。

推論已成為 AI 運算的主要用途。 2026 年，推論工作負載首次消耗了全球約 60% 的 AI 運算容量，超越了訓練 。此一轉變有利於以 CPU 為核心的架構，因為大規模提供模型服務需要大量的主機 CPU、推論伺服器及周邊基礎設施 。

AMD 也預估，到 2030 年，更廣泛的高效能與適應性運算市場將達到 2 兆美元，高於 2025 年的 3,650 億美元 。其中，資料中心晶片市場預估將超過 1 兆美元 。

硬體軍火庫：Helios 與 Venice

Helios AI 機架級系統

Helios 於 2026 年 7 月 23 日的「Advancing AI 2026」大會上發布，是 AMD 首款完全整合的液冷機架級 AI 系統，結合了 72 個 Instinct MI455X GPU、EPYC Venice CPU 以及 Pensando 網路元件 。該系統已於 2026 年 7 月全面量產，合作夥伴出貨將在 2026 年第三季末（2026 年 9 月）開始，並於第四季放量 。

此機架可提供高達 2.9 exaflops 的 FP4 推論吞吐量，以及 1.4 exaflops 的 FP8 訓練吞吐量，並具備 260 TB/s 的橫向擴展互連頻寬 。一組滿載的 Helios 機架定價估計約為 525 萬美元 。

第六代 EPYC「Venice」伺服器 CPU

Venice 處理器採用台積電 N2（2奈米）製程，透過在 8 個小晶片（chiplet）上各配置 32 個 Zen 6c 核心，實現了每個插槽最高 256 核心 。該晶片已於 2026 年 5 月在台積電台灣廠區開始投產，未來也計劃在台積電亞利桑那州廠區生產（但預計 2028 年前無法達到規模量產）。

Venice 目前正提供給客戶樣品，並將隨 Helios 機架以及獨立伺服器在 2026 年底至 2027 年初出貨 。專為高密度代理沙盒執行設計的 EPYC 9006 SP7 版本，預計於 2026 年第四季出貨 。

客戶承諾：OpenAI、Meta 與 Anthropic

AMD 已鎖定三家頂尖 AI 公司的鉅額承諾，總計約 14 gigawatts 的運算容量 ：

客戶	承諾容量	細節
OpenAI	~6 GW	2025 年 10 月宣布合作。AMD 發行約 10% 股權作為績效認股權。OpenAI 預計從 2026 年第四季開始上線 Helios 系統 。
Meta	~6 GW	2026 年 2 月宣布合作。包括客製化 MI450 系列晶片，並透過開放運算計畫共同開發 Helios 機架架構。Meta 仍在驗證 EPYC 平台與測試 Helios 系統 。
Anthropic	最高 2 GW	2026 年 7 月宣布合作。AMD 承諾最高 50 億美元的戰略股權投資。預計於 2027 年上半年出貨第一批 MI450 系列 GPU 容量 。

其他客戶還包括 Microsoft（在其 Azure 資料中心內部署 Helios 機架）以及 Oracle（正在打造一個 50,000 顆 GPU 的 Helios 超級叢集）。

ROCm 對決 CUDA：2026 年的軟體差距

AMD 的 ROCm 軟體堆疊已取得長足進步，但在關鍵領域仍落後於 NVIDIA 的 CUDA：

已達成的進展：

• ROCm 7.x 現已原生支援 PyTorch 2.9、vLLM 和 llama.cpp，適用於 Instinct 及特定消費級 GPU 。
• AMD 在「Advancing AI 2026」大會上推出了 ROCm.ai，用於 AI 輔助的 GPU 開發 。
• HIP（異質運算介面可攜性）能將大多數 CUDA 程式碼轉譯，只需極少修改即可在 AMD 硬體上運行 。
• PyTorch 和 JAX 現在提供原生的 ROCm 支援 。

仍存在的差距：

• 效能差距： 在同等級硬體上，ROCm 在推論工作負載中比 CUDA 慢約 10–25%，且在訓練和微調方面的差距更大 。
• 生態系統成熟度： CUDA 仍是大多數框架、教學和故障排除的預設後端。ROCm 在非標準運算子、舊款 GPU 世代以及某些推論引擎上仍存在粗糙的邊緣情況 。
• 前沿研究： 每週都有僅支援 CUDA 的新程式碼發布；ROCm 的支援通常會落後數週到數月 。
• 僅限 Linux： ROCm 主要基於 Linux，對 Windows 的支援有限 。

總結： ROCm 目前已達到適合推論生產環境的水準，並在每個 token 的價格上具有競爭力（據報導，在同等硬體上進行推論工作負載時，比 NVIDIA 便宜 25–40%），但 CUDA 在工具、訓練流程和框架支援廣度方面仍保持著顯著的領先優勢 。

創紀錄的 2026 年第二季財報驗證策略

AMD 的 2026 年第二季財報強力支持其戰略方向：

指標	2026 年第二季	年增率
總營收	115 億美元	創歷史新高
資料中心營收	67 億美元	超過翻倍
資料中心佔比	~58%	高於一年前的 42%
伺服器 CPU 營收成長	>70%	由推論與代理式 AI 驅動

管理層在財報電話會議中指出，「推論和代理式 AI 正增加對伺服器 CPU 運算的需求」，這是調高 TAM 預估的結構性驅動力 。AMD 預估，到 2027 年，其資料中心 AI 營收將達到「數百億美元」，而僅伺服器 CPU 營收一項在 2027 年就將成長超過 70% 。

主要風險：毛利率與對台積電的集中依賴

毛利率走勢： 隨著 AMD 從銷售單一晶片轉向銷售如 Helios 這類整合式機架系統——將 GPU、CPU 和網路元件綑綁在一個方案中——其混合毛利率可能面臨相較於純晶片銷售更大的壓力。市場正密切關注 AMD 在轉型為系統供應商（類似 NVIDIA）的過程中，能否維持其毛利率的擴張。

台積電供應鏈集中風險： AMD 在先進 CPU（N2 製程）和 GPU（N3/N4 製程）的生產上皆高度依賴台積電 。Venice 在台積電台灣廠區生產，雖然 AMD 已計劃未來在台積電亞利桑那州廠區生產，但該廠區的先進製程產能尚未上線 。台灣相關的地緣政治緊張局勢，以及來自蘋果、NVIDIA 等公司對台積電晶圓產能的競爭，仍然是重大的近期風險，尤其是在 AMD 計劃於 2026 年底開始以 GW 規模出貨 Helios 的背景下。

結論

AMD 正在執行一項清晰且雄心勃勃的策略，該策略建立在 AI 工作負載的關鍵轉折點上——從訓練轉向推論，從孤立模型轉向自主代理。該公司的硬體產品藍圖（Helios 與 Venice）已進入量產，其最大客戶已以前所未有的規模做出承諾，而其財務業績也反映了此一轉變。關鍵的未解問題在於：ROCm 能否足夠快地縮小與 CUDA 之間尚存的差距？以及供應鏈限制是否會讓 AMD 難以達成其積極的量產時程？