AMD 財報：遊戲沒人要，資料中心爆量 — 這是一個產業在轉型
AMD 靠 AI 賺爆，但遊戲那塊快不行了
> Meta Shift
AMD Q2 2026 財報一出來，有一個數字我看了兩遍：資料中心營收 $6.7 billion，年成長 107%。
翻倍。整整翻倍。
這不是什麼「穩健成長」的語言，這是一家公司正在換身份的訊號。
AMD 這間公司過去在大眾印象裡是什麼？便宜好用的 CPU，對抗 Intel 的平價選擇，還有 Radeon 系列顯卡 — 給那些不想花大錢買 Nvidia 的玩家。這個形象在遊戲社群裡很穩固，但現在的財報數字在說一件不一樣的事：遊戲已經從核心業務變成邊緣業務了。
同一季，AMD 的 gaming 營收掉了 31%，只剩 $779 million。和資料中心那個 $6.7 billion 放在一起，比例大概是 1:8.6。換個角度說：AMD 每從遊戲賺 1 塊錢，從資料中心賺將近 9 塊。
這個分化不是偶發，是結構性的。CEO Lisa Su 在財報電話會議上說，預計 2027 年資料中心業務會再次「年成長翻倍」（來源：AMD Q2 2026 earnings call）。一間公司的 CEO 願意在法說會上講這麼強的 guidance，代表他們對手上的 pipeline 有相當程度的信心。
故事是這樣的：AI 訓練和推理需要大量算力，Nvidia 一家根本接不完所有訂單，AMD 成了最自然的第二選擇。但「第二選擇」這個詞現在已經有點失準了 — $6.7 billion 一季，這不是備胎的量。
商業模式拆解：AMD 現在靠什麼賺錢
AMD 的收入現在大致分四塊：資料中心、客戶端（PC）、嵌入式、遊戲。這季資料中心佔整體營收 58%，整體總營收創下紀錄的 $11.5 billion，年成長 50%（來源：AMD CFO Jean Hu 財報聲明）。
資料中心的核心產品是 Instinct 系列 GPU，主要競爭對象就是 Nvidia 的 H100/H200/B100 系列。AMD 的定價策略歷來是「同規格打折」，但 AI 算力需求現在大到供不應求，這個策略的意義已經在改變 — 不是靠便宜搶市場，而是靠「有貨」搶市場。Nvidia 自己交貨時程都排得很長，AMD 的 MI300X 系列在這個缺口裡找到了真實的需求。
客戶是誰？主要是雲端服務商（CSP）— Microsoft Azure、Google Cloud、Meta 等大型超大規模客戶，以及想自建 AI 算力的企業。這些客戶的採購量大、黏性高、但議價能力也強。所以 AMD 雖然營收數字漂亮，毛利率的表現就需要另外評估（目前沒有公開的具體分段毛利數字）。
PC 和遊戲這塊，Q2 整體成長了 6%，但主要是 PC 端撐起來的，gaming 直接被拖下水。Steam Deck、PS5、Xbox Series X/S 的半導體需求因為漲價和零件短缺而走弱 — AMD 是這些主機的 APU 供應商，所以主機銷售放緩直接反映到他們的數字上（來源：AMD CEO Lisa Su 財報電話會議）。
護城河在哪？老實說 AMD 目前的護城河比 Nvidia 薄。Nvidia 有 CUDA 這個生態系鎖死開發者，AMD 的 ROCm 雖然在追，但差距還是在的。AMD 真正的優勢是：他們是唯一能在 x86 CPU + 高效能 GPU 兩條線同時打的公司，Intel 在 GPU 那塊還在掙扎，Nvidia 雖然有 Grace CPU 但市場滲透率有限。
競爭格局：這場 AI 算力戰誰在贏
現在 AI 加速晶片市場的格局大概是這樣：
Nvidia — 現在的 meta king。CUDA 生態系、H100/H200/B200 的市場主導地位、Blackwell 架構持續推進。估計市佔率在 AI 訓練 GPU 這塊超過 70%。問題是交貨時間長、價格高，一張 H100 當年黃牛喊到 $40,000 以上。
AMD — 目前最有機會的挑戰者。MI300X 在推理效能上表現不錯，部分 benchmark 甚至超過 H100。但 ROCm 軟體生態還是最大痛點，企業導入需要額外工程成本。
Intel — Gaudi 系列的 AI 加速器在市場上幾乎沒什麼聲音。Intel 現在連自己的製造問題都還沒解決乾淨，AI GPU 這條線的競爭力目前看起來很弱。
自研晶片陣營 — Google TPU、AWS Trainium/Inferentia、Meta 的 MTIA，這些公司選擇自己做晶片來降低對 Nvidia/AMD 的依賴。但自研晶片的開發成本高、彈性低，短期內不會完全取代外購。
整體來說，這個市場現在的狀態是：Nvidia 是 tier 1，AMD 是距離最近的 tier 2，其他人還在更後面。但 AI 需求大到連 tier 2 都能吃到巨大成長，所以 AMD 的 107% 年成長不意外。
Meta 判讀：這是 identity swap，不是 seasonal patch
用遊戲術語來說，AMD 現在經歷的是 class reroll，不是加點調整。
最接近的歷史案例是 Nvidia 在 2016–2020 年之間的轉型。當年的 Nvidia 也是一間被定義為「遊戲顯卡公司」的廠商，但 Jensen Huang 開始把 CUDA 和 Tesla 系列 GPU 推向資料中心和科學計算，幾年下來，遊戲部門從核心業務變成收入的一部分，而不是全部。
AMD 現在走的路徑高度相似，只是晚了大概六到八年，而且是在 AI 浪潮已經確定起飛之後才真正加速。這讓 AMD 省掉了「說服市場」的教育成本，但也代表他們在生態系建設上已經輸了一段時間差。
這是 Meta Shift 等級的事件，因為它重新定義了「AMD 是什麼公司」這個問題的答案。
遊戲那塊短期內不會消失 — PS6、下一代 Steam Deck 還是會用他們的方案 — 但那已經是公司的副業了。主業是 AI 算力，這個重心轉移在這份財報裡算是正式確認。
投資者的角度來看：AMD 現在的故事比兩年前清晰很多，成長動能有數字支撐，但你需要問的是 — ROCm 生態什麼時候能追到讓企業不需要猶豫的程度？那才是決定 AMD 能不能吃掉更多 Nvidia 市場份額的關鍵變數。如果 ROCm 追不上，AMD 的成長天花板就是「Nvidia 的溢出需求」，這個故事說起來沒那麼性感。
工程師該怎麼看
如果你是在做 AI infra 或 ML engineering 相關的工作，AMD 的崛起對你有一個實際意義：ROCm 值得你開始認真評估了。
過去幾年，預設選擇是 CUDA，不需要想太多。但隨著企業開始把 AMD GPU 放進 training cluster 和 inference endpoint，你遲早會碰到需要跑 ROCm 的環境。現在提前熟悉 HIP（AMD 的 CUDA 相容層）和 ROCm 的 ecosystem，在一年後可能是個差異化的技能點。
對前端工程師或一般應用層開發者來說，這件事比較間接 — 你用的 cloud GPU instance 背後跑什麼晶片通常不關你的事。但如果你在做 AI agent 或在評估要用哪個雲端的 GPU 資源跑推理，知道各家 CSP 上有哪些 AMD instance 的選項，有時候可以在成本上找到差異。
這個趨勢最直接的職涯訊號是：AI 算力基礎設施工程師、ML Ops、還有懂多種 GPU 架構的人，在未來幾年的需求只會更高。AMD 能撐起這個市場份額，代表這個市場本身的盤子在持續擴大。
延伸閱讀
Waiting7777
WoW Arena 冠軍轉前端，用電競 meta 思維拆解技術趨勢。
相關文章
AISEO+3Shopify 說 AI 搜尋反而帶來更多流量 — SEO 真的死了嗎
用 Shopify 的真實數據反駁「AI 搜尋會殺死 SEO」這個說法，討論 AI search 對電商和內容站的真實影響。
2026年8月6日 · Waiting7777 · 7 分鐘閱讀
繼續閱讀 →
GitHub CopilotAI+5GitHub Copilot 支援 stacked sessions 了 — AI coding 正式進入 agentic 時代
從「AI coding assistant 進化成 agentic」這個方向切入，分析 stacked sessions 這個功能設計背後的意圖，以及 GitHub 在 Cursor、Windsurf 競爭壓力下的策略選擇。
2026年8月2日 · Waiting7777 · 8 分鐘閱讀
繼續閱讀 →
GoogleAI+2Google Earth 的 AI 工具撐了不到一天就被砍 — 大公司發 AI 功能到底有沒有在想清楚
一個功能上線不到 24 小時就被砍掉，這背後是產品審查流程的失敗，還是 Google 現在發布 AI 功能太急？用這個案例討論大公司的 AI 產品決策品質。
2026年8月1日 · Waiting7777 · 7 分鐘閱讀
繼續閱讀 →這篇文章對你有幫助嗎？
每週一篇 — 技術趨勢背後的商業邏輯
AI 產業在變什麼、工程師該注意什麼——拆清楚寄到你的信箱。