🚀Lisa Su点明方向：推理市场将反超训练，$AMD 的机会真的来了，还是市场过度乐观？
“推理（inference）会比训练（training）大得多。”
这是 Lisa Su 的判断。
更关键的是下一步判断：
明年，超过一半的 AI 工作负载，将来自推理。
这不是边际变化，而是结构性转移。
过去两年，市场几乎完全围绕训练展开。
大模型规模不断扩大，训练算力成为核心瓶颈，这也是 $NVDA 被持续重估的基础。
但现在，叙事开始发生变化。
从“训练模型”，转向“运行模型”。
这意味着算力需求的本质发生改变：
从一次性消耗，转向持续、高频、实时调用。
推理需求，本质上更像“基础设施使用”，而不是“项目投资”。
产业链已经开始提前布局。
NVIDIA 收购 Groq，强化推理能力
Google 联合 Marvell Technology 开发定制 ASIC
目标非常清晰：在推理阶段争夺效率优势。
这背后的变化是：
竞争不再只是算力规模，而是算力效率与成本。
在这个框架下，$AMD 被认为可能受益，主要基于两个逻辑。
第一，硬件结构差异。
$AMD 的 GPU 设计更强调：
更高的内存带宽
更大的显存容量
而推理的核心瓶颈往往在数据搬运和延迟，而不是纯算力峰值。
这使得其架构在特定推理场景中具备潜在优势。
第二，CPU 与 GPU 的协同能力。
推理阶段，尤其是 Agentic AI（代理式AI）开始兴起之后，计算结构发生变化。
任务不再是单次调用，而是多步骤流程：
规划
调度
多轮执行
这些环节对 CPU 的依赖显著提升。
而 $AMD 同时拥有 CPU（EPYC）和 GPU（MI 系列），具备打包销售整套算力方案的能力。
这也是市场讨论的一个重要方向：
是否可以通过 CPU + GPU 组合，争夺部分原本属于 $NVDA 的市场份额。
逻辑上成立，但现实中存在一个关键约束：
软件生态。
$NVDA 的核心优势不仅在硬件，而在于 CUDA 及其开发者生态。
这决定了：
即使推理需求增长，也不意味着份额会快速迁移。
因此，真正的关键不在于谁“更强”，而在于结构是否改变竞争规则。
如果推理成为主导：
GPU 的相对重要性会下降
CPU 的角色会提升
ASIC 会分流部分需求
这为 $AMD 打开空间，但并不自动削弱 $NVDA。
当前市场实际上在提前交易一个命题：
AI 正从训练阶段，进入推理阶段。
问题在于，这个转变是渐进的，还是会加速发生。
如果是渐进变化，竞争格局将缓慢调整。
如果是加速切换，估值体系可能会快速重构。
更关键的问题是：
当推理成为主战场，你更倾向于认为
生态壁垒更重要，还是系统级协同能力更重要？
免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。
