AMD ROCm 软件栈被重新放到聚光灯下，原因不只是“又一家芯片厂商想挑战英伟达”。更关键的是，AI 算力竞争正在从单纯购买 GPU，转向芯片、软件、互联、云平台、客户绑定和开发者生态的综合较量。SemiAnalysis 将 AMD ROCm 成功概率从接近零上调到“很大机会”，OpenAI、Meta、Anthropic 也与 AMD 签署最高 14GW 的合作协议，微软 Azure 计划部署 Helios 机架，这些信号叠加在一起，说明大模型公司和云厂商已经不愿把未来完全压在单一 CUDA 生态上。
这条主线也把多条 AI 资讯串了起来：英伟达推动开源倡议，获得 OpenAI、微软等七十多家公司支持，却被 Anthropic 拒绝签署；OpenAI 发布企业 Agent 部署产品 Presence，直接进入客服和企业流程市场；专注电脑操控 Agent 的 Prentis 试图用更低成本模型切入应用层；千问办公、Marvy 2.0 等产品则继续把 AI 从模型能力推向真实业务入口。它们看似分散，背后其实都是同一件事：AI 行业正在重新分配控制权，谁掌握基础设施、软件栈和落地入口，谁才更可能留下长期利润。
ROCm的窗口
CUDA 长期是英伟达最强的护城河。很多企业买英伟达 GPU，不只是因为硬件性能高，更因为训练框架、推理引擎、算子库、开发工具、文档、社区经验和工程排障路径都围绕 CUDA 成熟起来。换句话说，开发者选择英伟达，买到的是一整套“少踩坑”的确定性。AMD 想撬动这个格局，难点从来不只是推出更强芯片，而是让客户相信 ROCm 能在真实生产环境里跑得稳、调得动、排得清、迁得过去。
这次市场重新评估 ROCm，首先来自需求侧压力。大模型训练和推理消耗持续上涨，单一供应链既贵又紧，一旦算力采购、交付节奏或软件授权出现变化，模型公司和云厂商都会被动。MI455X 配备 432GB HBM4，Helios 机架含 72 颗 GPU，提供 31TB 内存和 1.4 EFLOPS 算力，这些参数给了 AMD 重新进入高端 AI 集群的硬件筹码。更重要的是，OpenAI、Meta、Anthropic 这类客户愿意签下大规模合作，本身就会反过来推动 ROCm 补齐工程短板。
生态不只靠开源
黄仁勋推动开源倡议，OpenAI、微软等公司迅速站队，表面上是在讨论模型开放，实质上也关系到算力生态。开源模型越普及，部署地点越分散，推理需求越广泛，GPU、加速卡、云服务和推理优化工具就越重要。对英伟达来说，开放模型未必削弱它，反而可能扩大整个算力需求池，让更多企业在本地、私有云和边缘环境部署模型，从而继续拉动硬件和 CUDA 生态。
Anthropic 拒绝签署则让争议变得更有意思。其员工讽刺英伟达也应该开源 CUDA 和 GPU 驱动，点到了行业真正的敏感处：模型是否开源是一层，底层算力和软件栈是否可替代又是另一层。企业如果只拿到开放模型，却仍然必须围绕某个封闭硬件生态优化部署，控制权并没有真正转移。AMD 的机会也在这里——只要 ROCm 能提供足够可用的替代路径，客户就能在采购谈判、云资源调度和长期成本控制上获得更多主动权。
云厂商重新算账
微软 Azure 决定部署 Helios 机架，并不是一次普通硬件上架。对云平台来说，AI 算力已经不是“多卖几张卡”的生意，而是决定未来云收入结构和客户绑定关系的核心资产。企业客户训练模型、部署 Agent、做 RAG、跑多模态推理，都需要稳定、可计费、可扩展的算力底座。云厂商如果只依赖单一 GPU 供应，不仅成本议价空间受限，也很难根据不同客户负载灵活设计产品。
AMD 向 OpenAI、Meta 发放低价认股权证，也说明算力竞争进入了更复杂的商业绑定阶段。芯片公司不再只是卖硬件，而是在用股权、长期协议和联合部署争夺头部客户。对大模型公司而言，这不是简单“换卡”，而是用供应链多元化换取成本弹性和战略安全。只要上层模型和推理框架能逐步适配，未来训练集群、推理集群、办公 Agent、客服 Agent、代码 Agent 很可能会根据任务类型被分配到不同硬件生态上。
应用层也在抢入口
基础设施变化会传导到应用层。OpenAI 发布企业 Agent 部署产品 Presence，覆盖语音和文字渠道，提供策略定制、安全护栏、效果评估和持续改进机制，并已经在自家客服热线中运行。它的意义不只是 OpenAI 又做了一个客服产品，而是模型厂商开始直接切入企业流程，把“模型能力”包装成可部署、可验收、可持续优化的业务系统。这会让 Salesforce、Zendesk 等传统企业软件厂商面临更直接的竞争。
Prentis 专注电脑操控 Agent，声称 Hive-32B 在基准测试中超越部分前沿模型，成本仅为前沿 API 的十分之一；飞书深诺 Marvy 2.0 把市场洞察、媒体策略、智能创意、智能投放和数据分析五大 Agent 组织成 AgentOS；千问办公则把消息、日程、文档和多模态生成接入办公入口。这些产品共同说明，应用层竞争已经从“聊天窗口更聪明”转向“谁能接住真实任务”。底层算力越便宜、越多元，上层 Agent 才越有空间把高频业务跑成可持续服务。
成本战进入系统阶段
AI 行业过去常把成本战理解为 API 单价下降，但真正的成本并不只在模型调用。企业部署 AI 时，还要承担算力采购、延迟、稳定性、数据安全、权限管理、评估验收、人工复核和系统集成成本。AMD ROCm 如果能在高端集群中站稳脚跟，影响的也不只是 GPU 市占率，而是整个模型训练和推理成本曲线。更多可选硬件意味着更强议价能力，也意味着模型厂商可以为不同产品线设计更细的成本结构。
这也是为什么 Prentis 强调低成本电脑操控模型、OpenAI Presence 强调持续改进机制、Marvy 2.0 强调任务处理时间减少。企业最终不会为“模型很强”长期买单，而会为“同样预算下能稳定省多少人力、缩短多少流程、提升多少转化”买单。硬件生态、云平台、模型服务和 Agent 产品都要围绕这一点重新组合。AI 的下一轮竞争，不会只看谁发布了更大的模型，而会看谁能把算力成本、软件生态和业务结果连成闭环。
接下来谁更主动
AMD 面前的挑战仍然很现实。ROCm 需要证明 Helios 量产稳定性，需要更大的内部测试集群，需要更多框架、算子和工程工具适配，也需要让开发者相信迁移成本可控。英伟达的优势不会因为几份合作协议就消失，CUDA 的惯性、供应链能力、开发者心智和系统级优化仍然强大。对客户来说，短期更可能是“多供应商并行”，而不是突然完成生态切换。
但只要头部模型公司和云厂商继续推动多元化，CUDA 的绝对垄断感就会被削弱。英伟达仍会是核心玩家，AMD 也未必立刻改写格局，可行业已经开始把问题从“有没有 GPU”升级为“谁控制软件栈、谁控制部署入口、谁控制长期成本”。这对所有 AI 公司都是提醒：未来的赢家不一定是单点性能最亮眼的一方，而是能把芯片、云、模型、工具和业务场景持续打通的一方。
暂无评论内容