AMD Helios 硬件参数再强，真正难翻越的是英伟达的软件护城河。CUDA 诞生于 2007 年，至今全球超过 600 万开发者，90% 的 AI 模型基于其工具链开发。迁移到其他平台重构代码可能耗时数月，性能损失 15%-20%。更关键的是，NVIDIA 正从芯片商转型为「AI 工厂」建造者，Vera Rubin 平台将 7 种专用芯片、5 套机架系统协同设计，把竞争维度从单卡性能拉到整个系统的运营效率。AMD 的 ROCm 开源堆栈虽在追赶，但生态成熟度和开发者粘性仍是硬伤。

文章说微软是 Helios 客户，但微软同时也在用自己的 Maia200 芯片拆英伟达的台。Maia200 专为推理设计，FP4 下 10 PFlops 算力是亚马逊 Trainium3 的 3 倍，每美元性能比上一代提升 30%，已部署在 Azure 数据中心为 GPT-5.2 提供算力。大批云巨头正通过自研芯片降低对单一供应商的依赖——亚马逊 Trainium 年化业务已达 200 亿美元，谷歌 TPU 在台积电 CoWoS 产能占比 2027 年将升至 26%。Helios 的客户名单背后，是「去英伟达化」的集体行动。

苏姿丰预测 2030 年 AI 加速器市场达 1.4 万亿美元，接近整个半导体市场今天的规模。但美银更激进，2026 年 7 月将预测上调至 1.7 万亿美元（含加速器 1.2 万亿）。质疑者指出，2023 年全球 AI 加速器市场仅 92 亿美元，按 27% 年复合增速到 2032 年也才 804 亿，1.4 万亿隐含超过 60% 的年增速——只有 Agentic AI 推理需求爆发式增长才能撑起这个数字。真实拐点取决于两个可观察信号：前沿模型推理 token 消耗量是否在 2027 年前翻 10 倍，以及超大规模客户的实际资本开支计划是否持续超预期。