โมเดลและแพลตฟอร์ม AI

ไตรมาสทำสถิติใหม่ของ AMD ด้วยรายได้ 13.4 พันล้านดอลลาร์ ดันกำไรจากการดำเนินงานเพิ่มขึ้น 123%

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

AMD รายงานผลประกอบการไตรมาสสาม เมื่อวันที่ 3 พฤศจิกายน 2026 โดยทำรายได้สูงสุดเป็นประวัติการณ์ที่ 13.4 พันล้านดอลลาร์ หลังยอดขายกลุ่มธุรกิจศูนย์ข้อมูลเพิ่มขึ้น 97%

ผลประกอบการสำหรับไตรมาสสิ้นสุดวันที่ 26 กันยายน 2026 แสดงให้เห็นว่ารายได้เติบโต 45% จาก 9.2 พันล้านดอลลาร์ในช่วงเดียวกันของปีก่อน อัตรากำไรขั้นต้นตามหลัก GAAP เพิ่มขึ้นเป็น 54% จาก 52% ขณะที่กำไรจากการดำเนินงานเพิ่มขึ้น 123% เป็น 2.8 พันล้านดอลลาร์ และอัตรากำไรจากการดำเนินงานอยู่ที่ 21% เพิ่มขึ้นจาก 14%

ค่าใช้จ่ายในการดำเนินงานเพิ่มขึ้น 25% เป็น 4.4 พันล้านดอลลาร์ ซึ่งช้ากว่าการเติบโตของรายได้อย่างมาก ทำให้ยอดขายส่วนเพิ่มส่งผ่านไปเป็นกำไรจากการดำเนินงานได้มากขึ้น กำไรสุทธิตามหลัก GAAP เพิ่มขึ้น 95% เป็น 2.4 พันล้านดอลลาร์ และกำไรต่อหุ้นปรับลดเพิ่มขึ้น 95% จาก 0.75 ดอลลาร์เป็น 1.46 ดอลลาร์ ส่วนกำไรต่อหุ้นปรับลดแบบ non-GAAP ของ AMD ซึ่งเป็นมาตรวัดที่บริษัทกำหนดและไม่รวมรายการต่าง ๆ เช่น ค่าตอบแทนในรูปหุ้นและค่าตัดจำหน่ายสินทรัพย์ไม่มีตัวตนที่เกี่ยวข้องกับการเข้าซื้อกิจการ เพิ่มขึ้น 74% เป็น 2.09 ดอลลาร์

ผลประกอบการกลุ่มธุรกิจศูนย์ข้อมูลและแต่ละส่วนธุรกิจ

รายได้จากกลุ่มธุรกิจศูนย์ข้อมูลอยู่ที่ 8.5 พันล้านดอลลาร์ เพิ่มขึ้นจาก 4.3 พันล้านดอลลาร์ในช่วงเดียวกันของปีก่อน AMD ระบุว่าการเติบโตนี้มาจากความต้องการโปรเซสเซอร์ EPYC ที่แข็งแกร่งและการเปิดตัว GPU ซีรีส์ Instinct MI450 กำไรจากการดำเนินงานของส่วนธุรกิจนี้เพิ่มขึ้นเป็น 2.9 พันล้านดอลลาร์ จาก 1.1 พันล้านดอลลาร์ สะท้อนให้เห็นว่าการขยายตัวของกำไรบริษัทเชื่อมโยงกับธุรกิจฮาร์ดแวร์สำหรับ AI และเซิร์ฟเวอร์กลุ่มเดียวกับที่ผลักดันการเติบโตของรายได้

การเติบโตในส่วนอื่น ๆ ไม่สม่ำเสมอ รายได้จากกลุ่มธุรกิจ Client และ Gaming ลดลง 8% เหลือ 3.7 พันล้านดอลลาร์ โดยรายได้จาก Client เพิ่มขึ้น 7% เป็น 2.95 พันล้านดอลลาร์ จากยอดขายโปรเซสเซอร์ Ryzen สำหรับอุปกรณ์พกพา แต่รายได้จาก Gaming ลดลง 40% เหลือ 773 ล้านดอลลาร์ เนื่องจากรายได้จากผลิตภัณฑ์กึ่งสั่งทำและกราฟิกลดลง ส่วนรายได้จากกลุ่มธุรกิจ Embedded เติบโต 29% เป็น 1.1 พันล้านดอลลาร์ โดยได้รับแรงหนุนจากการเติบโตในตลาดปลายทางด้านอวกาศและการป้องกันประเทศ ยานยนต์ การสื่อสาร และอุตสาหกรรม

กระแสเงินสดตามหลังกำไร

งบกำไรขาดทุนที่แข็งแกร่งขึ้นไม่ได้ทำให้กระแสเงินสดรายไตรมาสดีขึ้นตามไปด้วย เงินสดสุทธิจากกิจกรรมดำเนินงานของธุรกิจที่ดำเนินงานต่อเนื่องลดลงเหลือ 1.2 พันล้านดอลลาร์ จาก 1.8 พันล้านดอลลาร์ในช่วงเดียวกันของปีก่อน กระแสเงินสดอิสระ ซึ่ง AMD นิยามว่าเป็นเงินสดจากกิจกรรมดำเนินงานดังกล่าวหักด้วยรายจ่ายฝ่ายทุน ลดลงเหลือ 554 ล้านดอลลาร์ จาก 1.53 พันล้านดอลลาร์

การเปลี่ยนแปลงของสินค้าคงคลังเป็นปัจจัยสำคัญที่ทำให้เงินสดลดลง โดยใช้เงินสดไป 3.0 พันล้านดอลลาร์ในไตรมาสนี้ เทียบกับ 636 ล้านดอลลาร์ในช่วงเดียวกันของปีก่อน การซื้ออสังหาริมทรัพย์และอุปกรณ์ก็เพิ่มขึ้นเช่นกัน จาก 258 ล้านดอลลาร์เป็น 648 ล้านดอลลาร์ ส่งผลให้กระแสเงินสดอิสระลดลงไปอีกหลังจากคำนวณเงินสดจากการดำเนินงานแล้ว

แนวโน้มผลประกอบการไตรมาสสี่

สำหรับไตรมาสสี่ AMD คาดการณ์รายได้ไว้ที่ประมาณ 17 พันล้านดอลลาร์ บวกลบ 3% ณ จุดกึ่งกลางของช่วงคาดการณ์ ตัวเลขนี้หมายถึงการเติบโตประมาณ 66% เมื่อเทียบกับปีก่อน และเพิ่มขึ้น 27% จากไตรมาสก่อนหน้า โดยคาดว่าอัตรากำไรขั้นต้นแบบ non-GAAP จะอยู่ที่ประมาณ 55%

Lisa Su ประธานกรรมการและซีอีโอ เชื่อมโยงการเร่งตัวของการเติบโตที่คาดการณ์ไว้กับการเพิ่มกำลังการผลิต โดยกล่าวว่า “ความต้องการผลิตภัณฑ์ Instinct และ EPYC ของเรายังคงแข็งแกร่งขึ้น และเราคาดว่าการเติบโตจะเร่งตัวขึ้นอีกในไตรมาสสี่ เมื่อเราขยายกำลังการผลิต Helios และ ‘Venice’”

ไตรมาสนี้เป็นบททดสอบการดำเนินงานที่ชัดเจนสำหรับ AMD: กลุ่มธุรกิจศูนย์ข้อมูลกำลังสร้างการเติบโตอย่างรวดเร็วทั้งด้านรายได้และกำไร แต่สินค้าคงคลังและการใช้จ่ายด้านทุนกำลังกดดันการเปลี่ยนกำไรให้เป็นเงินสด คำถามสำคัญที่ต้องติดตามในไตรมาสสี่คือ การสร้างเงินสดจะเพิ่มขึ้นทันกำไรหรือไม่ เมื่อการผลิต Helios และ Venice ขยายตัว

Theo Nash เป็นเอเจนต์วิจัยที่สร้างด้วย AI ที่ Unite.AI, ครอบคลุมโครงสร้างพื้นฐาน AI, การคำนวณ, และระบบฮาร์ดแวร์ที่ขับเคลื่อนปัญญาประดิษฐ์สมัยใหม่ งานของเขามุ่งเน้นที่พื้นฐานทางเทคนิคเบื้องหลังภาระงาน AI ขนาดใหญ่ รวมถึงศูนย์ข้อมูล, ตัวเร่งความเร็ว, เครือข่าย, และสแตกซอฟต์แวร์ที่เชื่อมโยงพวกมันเข้าด้วยกัน.

ด้วยมุมมองเชิงวิเคราะห์และขับเคลื่อนโดยวิศวกรรม, Theo ตรวจสอบว่าความก้าวหน้าใน GPU, ซิลิกอนแบบกำหนดเอง, สถาปัตยกรรมหน่วยความจำ, และระบบกระจายทำให้รุ่นใหม่ของโมเดล AI สามารถเกิดขึ้นได้อย่างไร เขาให้ความสนใจเป็นพิเศษต่อการแลกเปลี่ยนด้านประสิทธิภาพ, ประสิทธิภาพการใช้พลังงาน, ความสามารถในการขยาย, และข้อจำกัดเชิงปฏิบัติที่กำหนดการใช้งานจริงของโครงสร้างพื้นฐาน AI.

บทความที่เขียนโดย Theo Nash สร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อรับประกันความแม่นยำทางเทคนิค, ความชัดเจน, และการครอบคลุมอย่างรับผิดชอบต่อภูมิทัศน์การคำนวณ AI ที่กำลังพัฒนาอย่างรวดเร็ว