在当下炙手可热的 AI 算力芯片市场，英伟达的统治地位依旧难以撼动，凭借近 90% 的市场占有率牢牢把控着先进 AI 算力芯片领域，而 AMD 虽长期被视作仅次于英伟达的第二供应商，二者之间的差距却依旧悬殊。
不可否认的是，AMD 在 AI 赛道的追赶速度不容小觑。去年推出的 MI350X 系列算力芯片，已被业内认为实现了对英伟达 Blackwell 系列的追赶；而即将登场的 MI450X 系列，更是传出在算力、带宽等核心参数上有望反超英伟达同类型产品的消息，让市场对 AMD 的 AI 布局多了几分期待。
但看似向好的发展态势下，AMD 的 AI 业务却暗藏关键短板。D.A. Davidson 分析师吉尔・卢里亚近日发布的报告直指核心问题：AMD 在 AI 领域的落后，并非单纯的 GPU 算力问题，其过度依赖第三方网络芯片供应商的弊端，正成为制约发展的致命因素。
AI 数据中心的高效运行，从来不是单靠 GPU 算力就能实现，而是需要 GPU、软件、网络、内存等多个环节的无缝协同，其中网络传输的流畅性尤为关键。对于动辄部署数万甚至数十万颗 GPU 的大型 AI 数据中心而言，哪怕是细微的数据传输延迟，都可能引发连锁反应，造成整体运算效率的大幅损耗。而 AMD 在网络芯片层面的 “外包” 模式，使其设备的实际算力使用率远低于理论数值，最终导致单位算力成本反而高于竞争对手，在追求性价比的企业级市场中失去优势。苹果首席执行官蒂姆·库克不会在2026年退休
除了网络芯片的短板，AMD 还面临着软件生态和产能供应的双重考验。在软件层面，英伟达的 CUDA 生态经过多年沉淀，早已形成完善的体系，深得全球各大 AI 企业和开发者的认可，而 AMD 的相关软件生态仍处于发展阶段，难以形成同等的吸引力；在产能层面，AMD 在台积电的供应优先级远不及英伟达，产能分配上的劣势，不仅会导致其芯片供应存在不确定性，还会让潜在客户在选择时产生顾虑，进一步影响市场拓展。
在分析师看来，即便 AMD 的 GPU 拥有亮眼的理论算力，但其实际落地表现却充满变数。单是网络芯片依赖第三方这一点，就足以让其落在英伟达之后，甚至在这一环节，博通、亚马逊以及谷歌 TPU 都拥有更优的自主化解决方案和采购优势。
当然，这并不意味着 AMD 在 AI 市场已无翻身之机，其在 AI 领域的发展潜力仍被业内看好，而今年下半年即将发布的 MI450 系列，将成为 AMD 扭转局势的关键一战。目前 OpenAI 已明确表示将采购并部署该系列芯片，这款产品的实际表现，将直接检验 AMD 的 AI 技术实力，也决定了其能否真正缩小与英伟达的差距，在 AI 算力芯片市场实现真正的突围。
微软确认“2026年重大更新”将取消多个Planner功能，同时新增若干功能。