回复@娴熟: 有启发性的回复，顺着你的看法做些补充，留个记号，未来回头看。
首先是关于AMD的：
1、PC/笔记本这一块没能如预期抢到英特尔的份额，本质上也并非AMD的产品不给力了。其实在数据中心那一块，也是CSP增长快于企业。这两点可以混在一起谈，就是AMD已经拿出了足够好的产品，其实也幸运的赶上了云计算时代，这样其TCO才更能成为一个采购关键考虑因素。即便如企业端，都没有多考虑TCO，更不用想个人用户能多在意能耗比这种东西了。因此越是大单AMD越有市场，越是小单越难啃英特尔多年的品牌残值。所以，同理，AMD目前能在MI300上有订单，先打通CSP也是一个思路。AMD能在非常早期挤进Gen-AI产业链条的逻辑，也正是由于这一轮浪潮的需求是自上而下的。
2、关于赛灵思的一点小小想法。如果Gen-AI问世早于现实中AMD收购赛灵思，AMD还会不会收购赛灵思呢？我觉得AMD收购赛灵思时的想法和chatgpt之后all in AI的战略思路还是不一样的，虽然可以肯定收购赛灵思确实获得了研发团队和不少IP，但其中AI相关的个人觉得还是比较有限，只能庆幸没花现金比当年吞ati好太多。但这里也不是说赛灵思没有协同效应（单指AI），只是这个大发力可能得等一阵子，比如算力下沉阶段，但那时的局面啥样现在也不一定能准确判断。
再就是AI需求的，这将是未来关注的重点。因为这个问题确实非常非常重要，但也因为当期分歧较大，在标的股的估值上存在预期的巨大争议。举一个近年类似行业的需求演进，EV渗透率早期快速增长时，也受最上游锂矿等关键产能约束，表现为锂矿价格牛市，后来产能约束逐渐缓解，待到材料出清时，下游需求增长就缓下来了，全球渗透率的增长假设也证伪，锂矿价格于是尘归尘土归土。类比到AI，当下需求快速增长，但产能卡在先进封装，造成AI关键算力设备GPU牛市。那么等到TSMC那边产能逐渐增加到一定程度，是否能供应足够的GPU呢？需求届时还在不在呢？
老黄在微软发布会曾提到过三波浪潮带来的需求，创业公司的早期Gen-AI，CSP引领的软件重塑各行业和重工业重塑。近日老黄提到的主权AI实际上融合了他自己第二波和第三波浪潮的概念，他提到加拿大、日本、新加坡等国都有意建设国家主导的AI数据中心，来为本国工业提供基础支持，老黄认为除了互联网软件业巨头外，这一块每个民族国家或文化实体的需求也非常大。吴恩达也曾将此轮AI对工业的重塑类比成曾经电力对各行各业的改造。除了老黄提到的三波，其实还有一波老黄没提，但苏妈总提，就是算力下沉，市场当下比较易懂的是AI PC，远期的比如元宇宙/机器人的AI应用。综上，这四个层面的需求发展节奏最终决定了市场TAM能不能一步步被证实。而供给的节奏能匹配到什么程度，也就最终决定了英伟达/AMD的产品什么时候出清，什么时候会降利提量，从而诱发下一轮次标的公司收入以另一种斜率增长的曲线。//@娴熟:回复@NeoKJ:楼上是大佬，我是韭菜
这几天跟朋友聊天，他也关注到最近AMD的股价飙涨。之前18年我跟他也聊过AMD的投资逻辑，目前看来这些逻辑都是逐渐验证的（还差一条VR相关的）。当时聊的逻辑，按照价值，分别是：
1 在PC市场（台式机和笔记本）完成对英特尔的替代
2 在服务器市场完成对英特尔的替代
3 在AI市场成为英伟达之外的第二选择
目前完成的最好的其实是2，在服务器市场英特尔过于拉胯了。目标1我觉得也就达成一个及格分。总体上，1和2的目标都是一个循序渐进的过程，并没有看到一个季度或者一年就获得一个大幅度的提升。总结起来，有几个原因。苏妈似乎是这么个性格，做事情偏长期目标一步一个坑，不急于迅速打败对手；英特尔虽然技术上进展不大，但百足之虫死而不僵，在当前体量下把手上的资金拿来玩别的，投入了大量的营销宣传。同时用之前跟合作伙伴的关系来进行威慑和利诱。每次英特尔的新品上市，你都能看到大量的宣发，自媒体统一口径在吹。不少厂商也被强迫将销售产品中英特尔的占比跟返利绑定起来。不过，这个技术产品的市场终究是技术说话，制程架构双落后的英特尔在那个除了玩盘外招和嘴炮啥都不会的CEO领导下只能一步步往死路走，等下一个大牛力挽狂澜。
说到3，从去年下半年开始的这一波涨幅都是由AI大模型引起的。本次财报，苏妈也把今年MI300系列的销售额预测从20亿提高到了35亿。如果AI这波热潮不退，那AMD在目标3上市具备确定性的。最近跟前同事聊天也确认了这一点（我以前在国内某大厂做AI工程相关工作，后来转行了，只保持关注）。
行业的发展需要第二供应商。如果这个行业只有英伟达一个供应商，那么所有AI应用厂商赚的钱都会被英伟达以硬件税的方式收走。实际上当前的状态也是所有AI厂商亏钱，微软赚个吆喝，只有英伟达赚大钱。目前能承担第二供应商角色的只有AMD（CPU第一，GPU第二，FPGA第一）
我之前担心对AMD硬件的底层软件支持不够，现在看来没必要。LLM相比于CV，对各种layer算子的要求要低的多，transformer基本都是简单的暴力浮点运算。而且，目前投身AI的大公司都有无数的资深码农，软件根本不是瓶颈，只要你硬件牛逼。
AMD在chiplet技术上沉淀的足够久，更易于堆硬件。LLM对存储容量和带宽的需求甚至高于算力，MI300X于是堆了最高规模的HBM显存。看了知乎上一个帖子，甚至当前MI300X还有继续堆HBM的空间。单卡高存储甚至弥补了AMD卡间互连技术的弱势，当我把一个大模型要的存储容量堆在一张卡上，就不需要考虑卡间互连带宽。当然，training还是需要多卡的，不过inference不需要。能在inference场合代替英伟达，这个市场已经足够大了。
按照朋友的话，MI300X是当前inference最强卡，可惜买不到。
风险反而来自AI行业本身，大模型热潮炒的高，但是实际产生的业务价值也就那样。当务之急是当前做AI的公司能赚到钱，有现金流持续投入AI的研发，购买AI硬件，这个行业才能健康发展。否则，像当前这样，靠大公司持续投入大量资金赔本赚吆喝，哪天经济危机一来股市不再认公司画的远期大饼，紧接着来的就是各家砍AI投入，英伟达和AMD现在吃的有多爽到时候就有多惨（可怜AMD肉还没吃到嘴）。