纳斯达克又创历史新高了。

当地时间 9 月 22 日，纳指上涨 0.45%，收在 27,244.28 点，连续第二个交易日刷新收盘纪录。前一天它刚大涨 2.26%，首次站上 27,000 点。不过这次和之前不太一样——上一天是 Meta、AMD、Arm 这些 AI 股集体狂欢，周二的市场明显分化了。

标普 500 几乎原地踏步，微跌 0.06 点；道指跌了 0.36%；罗素 2000 小盘股反倒涨了约 0.5%。说白了，不是所有股票都在涨，而是科技股、芯片股和部分小盘股撑住了场面，抵消了银行、能源等传统板块的下滑。

钱在往哪里流

科技板块内部，资金继续往半导体、芯片设计工具和 AI 基础设施集中。高通涨 9.3%，Cadence 涨 6.4%，英特尔涨 6.3%，Synopsys 涨 5.8%，泛林集团涨 5.7%。Meta 在前一天大涨 11.4% 后继续涨 5.3%，苹果和微软分别涨约 1.9% 和 1.1%。

这背后是几条不同的产业逻辑在同时推进：

  • 阿里想同时握住芯片、云、模型和应用四个环节

  • AMD正从单一芯片供应商转向完整的 AI 系统平台

  • Meta一边建算力，一边用 Muse 抢占消费者 AI 入口

  • 高通试图把低功耗计算和连接能力从手机搬进数据中心


一句话总结：AI 投资正在从单点竞争变成全栈竞争。

阿里在下一盘什么棋

9 月 22 日云栖大会上，阿里公布了新一轮 AI 路线图：推出自研真武 V900 训练与推理芯片，宣布 Qwen 4 正在训练，后续 Qwen 4.5 和 Qwen 5 的规划规模将达到 5 万亿到 10 万亿参数。公司还提出到 2032 年把阿里云全球数据中心容量提高到 20GW 以上。

这些数字很抓眼球，但真正重要的不是参数规模，而是阿里正在把芯片、服务器、网络、存储、模型和智能体平台串成一条线。

这和 Meta、谷歌、亚马逊、微软搞自研芯片的逻辑一样：AI 计算规模越来越大，云厂商不能只靠买外部 GPU，还得通过自研芯片压低单位计算成本、掌控产品节奏、减少对单一供应商的依赖。

AMD 的万亿时刻

AMD 市值首次突破 1 万亿美元。推动这轮重估的，已经从 AI 概念变成了数据中心业务的实打实收入。

第二季度 AMD 营收 115.36 亿美元，同比增长 50%；数据中心收入达到 67 亿美元，同比增长 107%，占总营收约 58%。这个增速主要由 EPYC 服务器 CPU 和 Instinct GPU 需求拉动。

AMD 还和 Meta 签了多年期合作协议，规划部署最高 6GW 的 AMD Instinct GPU，首批 1GW 预计由定制 MI450 架构 GPU 和第六代 EPYC 处理器支持。注意，这是分阶段部署目标，不等于 6GW 已经交付。

几个关键数据

  • 截至突破万亿美元时，AMD 2026 年累计涨幅约 185%，明显跑赢纳指

  • 阿里真武 V900 配备 216GB 内存和 1,200GB/s 芯片间带宽，性能约为前代 M890 的三倍，计划 2027 年第一季度量产

  • 采用真武系列芯片的客户已超过 650 家，新一代服务器架构最高支持 50 万卡集群（系统设计上限，不是已落地规模）

  • 阿里最新季度 AI 云与计算服务收入约 71 亿美元，同比增长 45%；云业务调整后 EBITA 增长 133% 至 8.3 亿美元，利润率约 12%

  • 阿里当季资本支出接近 100 亿美元，同比增长 75%

  • Apptopia 估计 Meta 的 Muse 上线前 12 天累计安装约 280 万次，美国和加拿大 iOS 市场前 12 天下载约 180 万次，高于 ChatGPT 移动端推出同期约 130 万次

  • 高通、Lumentum 与康宁展示面向 AI 服务器的光学芯片间连接方案，原型使用 32Gb/s NRZ 通道，当前设计带宽密度约 1Tb/s/mm，长期目标约 4Tb/s/mm


瓶颈正在从芯片扩散到整个数据中心

AI 系统的瓶颈不再只是单颗芯片。模型需要 GPU 做训练和推理，需要 CPU 做数据处理和任务调度，需要高速网络在成千上万颗芯片之间传数据，还需要存储、电力、散热和软件平台让资源保持高利用率。

当 AI 从聊天机器人转向能连续执行任务的智能体时，这个变化会更明显。智能体要不断调用模型、浏览器、数据库和外部软件，同一个任务可能触发多轮推理。计算需求不只取决于用户数量，还取决于每个用户完成一个任务要消耗多少 Token。

这正是 Meta 推 Muse 的意义。早期下载数据说明 Meta 可能利用 Facebook、Instagram 和 WhatsApp 的分发能力快速建立消费者 AI 入口。但下载量不等于收入，也不等于长期留存。Muse 接下来要证明的是：用户会不会持续用、愿不愿意付费、每个用户产生的计算成本能不能低于订阅和其他收入。

如果 Muse 能形成高频使用，Meta 对 GPU、CPU 和数据中心容量的需求还会继续涨。这也解释了为什么 Meta 同时和 AMD、高通等多家供应商合作——不是简单"放弃英伟达"，而是想在 GPU、服务器 CPU、自研芯片和网络设备之间建立更有议价能力的供应体系。

三家公司，三种兑现程度

AMD 是目前商业兑现程度较高的。67 亿美元的季度数据中心收入已经落袋，和 Meta 的 6GW 部署协议也签了。EPYC 和 Instinct 同时增长，让 AMD 能从一套 AI 系统里赚两份钱。但市值破万亿后，市场要求也提高了：光证明产品能和英伟达竞争不够，还得按计划交付 MI450 和 Helios 系统、扩大软件生态、把大单真正变成收入、利润和现金流。

阿里的逻辑不太一样。它最大的潜在优势不是单独拥有一款 AI 芯片，而是同时拥有芯片、阿里云、Qwen 模型、企业客户以及淘宝天猫等应用场景。自研芯片即使不对外卖，只要能降低阿里云推理成本、提高供应稳定性，就能创造经济价值。而且 AI 投入已经开始反映在财务数据上：最新季度云计算收入增长 45%，调整后 EBITA 增长 133%，说明 AI 需求既推动了收入，也没有阻止云业务利润率改善。

但这套战略非常烧钱。单季度资本支出已接近 100 亿美元，2032 年 20GW 数据中心容量只是长期目标，不是现在已经运营的规模。参数规模也不能直接等同于模型质量——5 万亿到 10 万亿参数描述的是未来路线图，最终能力还取决于架构、训练数据、推理效率和后训练方法。模型越大，训练和运行成本可能越高。

高通与 Lumentum 代表另一条支线：芯片之间的连接正在从电互连向光互连延伸。当单个 AI 机架和集群塞进越来越多加速器，数据能不能低延迟、高带宽地在芯片间移动，会直接影响 GPU 利用率。高通、Lumentum 和康宁展示的光学芯片间连接方案，说明光通信的应用范围可能从数据中心之间、机架之间，继续向机架内部甚至芯片附近扩展。

这可能扩大 Lumentum、康宁等光器件公司的长期市场空间，但目前还是要谨慎。技术展示证明的是可行性，不是客户订单；带宽目标证明的是设计潜力，不是已经实现的收入。高通数据中心 CPU 的商业化时间也主要集中在未来几年，现在还不能把手机芯片之外的新市场直接算进业绩。

这轮行情的核心

AI 基础设施的价值量正在扩大。英伟达仍然拥有成熟的软件生态、系统能力和客户基础。阿里自研芯片、AMD 加速器以及高通数据中心产品的增长，更可能首先做大 AI 计算市场的总盘子，帮大型云厂商建立多供应商体系，而不是立刻形成零和替代。

接下来看这些公司，需要把消息分成三个层次：

1. 已经形成收入的业务——比如 AMD 数据中心收入、阿里云 AI 收入
2. 已签署但仍需交付的合同——比如 AMD 与 Meta 最高 6GW 的部署协议
3. 尚未商业化的路线图——比如阿里 20GW 容量目标、未来 10 万亿参数模型、高通与 Lumentum 的光互连方案

三者的确定性完全不同，不应该获得相同的估值。这轮 AI 交易正在从"买 GPU"升级为"争夺整套 AI 系统的控制权"。未来真正能持续跑赢的公司，不只是拥有更大的模型或更快的芯片，而是能把技术路线图转化为产品交付、高利用率、持续收入和自由现金流的企业。