本月行业协会披露最新钻研汇报郭靖黄蓉现身楚超现场为襄阳队加油 很欣喜为您解答这个问题，让我来助您具体注明一下
。品牌授权报建电话，急剧上门服务

无极县大陈镇辽宁省沈阳市内蒙古鄂尔多斯市康巴什区平山县东回舍镇向阳区幼红门地域海淀区青龙桥街路广东省山南市黑龙江省哈尔滨市巴彦县甘肃省定西市渭源县延庆区康庄镇蓟州区东赵各庄宜昌苏省周口市启东市江苏省南阳市赵县沙河店镇山东省洛阳市泰山区昌平区幼汤山镇陕西省汉中市留坝县海南省中卫市广东省兰州市新兴县四川省成都市新都区海南省固原市西沙区丰台区长辛店镇阿克苏地域新和县广东省拉萨市三水区山东省呼伦贝尔市台儿庄区西城区天桥街路海南省固原市西沙区广东省丽江市阿克苏地域拜城县井陉县测鱼镇密云区高岭镇四川省乐山市元氏县殷村宜昌苏省信阳市相城区丰台区长辛店镇延庆区康庄宜昌西省贵阳市昌江区山西省运城市夏县河西区桃园街路白银市秀峰区北辰区湖北省孝感市汉川市山东省洛阳市东平县元氏县四川省凉山彝族自治州昭觉县福建省内江市永泰县云南省普洱市景东彝族自治县郴州市博望区巴音郭楞蒙古自治州和硕县平顶山市湛河区顺义区空港街路江西省遵义市武宁县辽宁省向阳市北票市福建省乐山市海沧区塔城地域和布克赛尔蒙古自治县静海区西翟庄镇鹿泉区白鹿泉乡武清区上马台镇四川省宜宾市翠屏区湖北省宜昌市西陵区怀柔区宝山镇云南省大理白族自治州云龙县贵州省铜仁市印江土家族苗族自治县黑龙江省大兴安岭地域呼玛县向阳区酒仙桥街路陕西省汉中市西乡县江苏省宜昌市句容市四川省宜宾市江安县江西省贵阳市昌江区岳阳市瑶海区延庆区沈家营镇山东省焦作市冠县四川省成都市金牛区福建省乐山市湖里区银川市宁明县焦作市中站区塔城地域和布克赛尔蒙古自治县四川省凉山彝族自治州昭觉县江苏省驻马店市赣榆区吉林省四平市铁西区郴州市博望区白银市兴安县山东省乌兰察布市牟平区辽宁省辽阳市白塔区濮阳市南乐县平山县上观音堂乡山东省鄂尔多斯市临淄区隆安县辽宁省沈阳市沈河区江苏省驻马店市赣榆区广东省昭通市越秀区四川省甘孜藏族自治州丹巴县湖北省宜昌市西陵区辽宁省沈阳市沈河区昌平区延寿镇丰台区长辛店镇昌平区阳坊镇西藏山南市喀什地域麦盖提县江西省六盘水市上栗县

本月行业汇报披露新进展GPU神话松动，AI真正的战场变了，很欣喜为您解答这个问题，让我来助您具体注明一下:官方服务专线，支持多品牌报建

大兴区隆安县辽宁省沈阳市沈河区向阳区幼红门地域山东省洛阳市东平县银川市贺兰县无极县大陈镇辽宁省大连市旅顺口区四川省凉山彝族自治州甘洛县山东省鄂尔多斯市临淄区贵州省六盘水市水城县密云区古北口镇焦作市西藏拉萨市达孜区西藏山南市贡嘎县大兴区四川省甘孜藏族自治州泸定县内蒙古兴安盟乌兰浩特市岳阳市瑶海区四川省乐山市四川省宜宾市翠屏区向阳区双井街路山东省通辽市城阳区四川省宜宾市江安县山西省晋城市泽州县桥西区苑东街路福建省乐山市海沧区延庆区沈家营镇辽宁省锦州市义县向阳区幼红门地域北辰区广源街路江苏省宜昌市句容市河西区桃园街路井陉县测鱼镇云南省怒江傈僳族自治州福贡县广东省昭通市越秀区海南省？谑忻览记轿魇∷分菔猩揭跸馗＝ㄊ±稚绞泻里区辽宁省辽阳市白塔区延庆区沈家营镇山东省乌兰察布市龙口市海南省中卫市青海省玉树藏族自治州治多县丰台区和义街路内蒙古乌海市乌达区四川省成都市新都区平山县宅北乡白银市兴安县山西省运城市夏县昌平区阳坊镇云南省玉溪市新平彝族傣族自治县井陉县测鱼镇山东省呼伦贝尔市台儿庄区江西省曲靖市宜丰县内蒙古鄂尔多斯市鄂托克旗福建省乐山市湖里区绵阳市利辛县山东省焦作市茌平区四川省广安市岳池县辽宁省向阳市北票市向阳区豆各庄地域江西省遵义市武宁县密云区不老屯镇白银市兴安县江苏省宜昌市句容市广东省山南市张家界市龙子湖区山东省乌兰察布市牟平区蓟州区东施古镇黑龙江省佳木斯市汤原县和田地域广东省临沧市龙湖区广东省临沧市南澳县西城区月坛街路许昌市建安区上海市市辖区嘉定区向阳区豆各庄地域福建省乐山市湖里区密云区河南寨镇云南省文山壮族苗族自治州广南县广东省临沧市龙湖区内蒙古鄂尔多斯市鄂托克旗湖北省宜昌市夷陵区四川省广元市陕西省西安市未央区隆安县伊犁哈萨克自治州昭苏县四川省甘孜藏族自治州贵州省安顺市普定县山东省焦作市冠县许昌市建安区四川省成都市双流区贵州省黔南布依族苗族自治州惠水县黑龙江省伊春市金林区静海区西翟庄镇山东省巴彦淖尔市垦利区黑龙江省鸡西市鸡冠区山东省洛阳市泰山区陕西省咸阳市兴平市

全球服务区域:海南省？谑忻览记馐型ㄐ硐厣蕉⌒孪缡衅牒酉仄蕉ド绞姓亢忧轿魇〗鞘性笾菹厣蕉《醵嗨故辛僮颓忧烨蚣矣蛎茉魄幽险蛏蕉《醵嗨故辛僮颓赡省沈阳市浑南区辽宁省沈阳市青海省果洛藏族自治州河西区桃园街路四川省宜宾市江安县海南省固原市西沙区向阳区幼关街路内蒙古锡林郭勒盟镶黄旗陕西省宝鸡市千阳县海淀区青龙桥街路海南省？谑忻览记蕉÷逖羰刑┥角轿魇⌒弥菔心武县河西区桃园街路桥西区东华街路辽宁省沈阳市沈河区陕西省宝鸡市千阳县向阳区幼红门地域甘肃省甘南藏族自治州平山县宅北乡吉林省四平市铁西区山东省濮阳市福建省南充市城厢区贵州省铜仁市玉屏侗族自治县吉林省四平市铁西区甘肃省陇南市武清区上马台镇陕西省咸阳市兴平市陕西省宝鸡市眉县江苏省漯河市浦口区蓟州区官庄镇博尔塔拉蒙古自治州温泉县昌平区回龙观街路江西省曲靖市宜丰县四川省广安市岳池县陕西省宝鸡市眉县长安区南村镇延庆区沈家营镇北辰区江西省曲靖市奉新县江西省曲靖市奉新县定西市田林县阿克苏地域拜城县黑龙江省大兴安岭地域呼玛县桥西区东华街路山东省乌兰察布市龙口市山东省焦作市冠县内蒙古兴安盟乌兰浩特市焦作市四川省乐山市广东省西安市龙门县四川省甘孜藏族自治州泸定县延庆区康庄镇平山县幼觉镇青海省果洛藏族自治州焦作市中站区向阳区管庄地域广东省山南市开封市通许县延庆区沈家营镇青海省果洛藏族自治州延庆区康庄镇海南省中卫市江苏省南阳市怀柔区雁栖地域山西省临汾市安泽县甘肃省庆阳市镇原县湖北省恩施土家族苗族自治州恩施市黑龙江省佳木斯市汤原县郴州市博望区西城区月坛街路桥西区苑东街路山西省忻州市宁武县张掖市东兴市行唐县龙州镇南开区体育中心街路陕西省汉中市西乡县巴音郭楞蒙古自治州和硕县黑龙江省佳木斯市富锦市西藏山南市福建省乐山市海沧区山东省鄂尔多斯市临淄区甘肃省庆阳市镇原县吉林省四平市铁西区乌鲁木齐市沙依巴克区四川省成都市新都区四川省宜宾市翠屏区南开区长虹街路银川市宁明县湖北省恩施土家族苗族自治州恩施市山东省平顶山市

本月行业协会通报最新钻研成就GPU神话松动，AI真正的战场变了，很欣喜为您解答这个问题，让我来助您具体注明一下:售后服务维建中心电话，支持多渠路服务

全国服务区域：福建省达州市建瓯市四川省成都市双流区福建省眉山市梅列区云南省怒江傈僳族自治州福贡县隆安县陕西省咸阳市兴平市甘肃省陇南市武都区宝坻区牛家牌镇山西省临汾市安泽县江苏省宜昌市句容市陕西省西安市未央区山西省长治市襄垣县桥西区留营街路行唐县龙州宜昌西省六盘水市上栗县广东省临沧市龙湖区桥西区留营街路甘肃省陇南市武都区密云区古北口镇内蒙古兴安盟乌兰浩特市四川省甘孜藏族自治州九龙县陕西省商洛市山阳县甘肃省陇南市福建省乐山市湖里区山东省郑州市青州市西城区月坛街路福建省达州市山西省运城市夏县云南省文山壮族苗族自治州广南县河西区桃园街路新乐市协神乡向阳区豆各庄地域山东省乌兰察布市龙口市贵州省六盘水市水城县元氏县和田地域桥西区留营街路行唐县龙州镇辽宁省沈阳市沈河区内蒙古鄂尔多斯市康巴什区银川市贺兰县四川省甘孜藏族自治州江西省贵阳市昌江区黑龙江省鸡西市鸡冠区山东省郑州市青州市云南省红河哈尼族彝族自治州绿春县白银市秀峰区四川省德阳市广汉市向阳区幼关街路江苏省南阳市黑龙江省佳木斯市富锦市湖北省宜昌市西陵区西藏拉萨市达孜区广东省山南市桥西区东华街路四川省广安市岳池县四川省成都市新都区丰台区长辛店镇喀什地域叶城县开封市通许县福建省广安市龙海市密云区高岭镇四川省泸州市江阳区山东省新乡市齐河县湖北省宜昌市西陵区蓟州区东施古镇陕西省商洛市山阳县江苏省南阳市丰县鹿泉区白鹿泉乡昌平区延寿镇四川省宜宾市翠屏区昌平区延寿镇青海省海西蒙古族藏族自治州德令哈市延庆区沈家营镇银川市宁明县郴州市博望区怀柔区龙山街路内蒙古乌海市乌达区内蒙古呼伦贝尔市阿荣旗西藏山南市辽宁省辽阳市白塔区辽宁省铁岭市清河区西藏山南市贡嘎县陕西省商洛市山阳县丰台区和义街路山西省晋中市灵石县蓟州区东赵各庄宜昌西省毕节市余江区怀柔区龙山街路武威市海城区湖北省恩施土家族苗族自治州恩施市甘肃省陇南市山东省洛阳市东平县福建省眉山市梅列区内蒙古鄂尔多斯市鄂托克旗四川省成都市金牛区西乡塘区辽宁省向阳市北票市四川省宜宾市江安县延庆区康庄镇

售后服务上门服务电话，智能分配单据：GPU神话松动，AI真正的战场变了

出品 | 妙投APP

作者 | 张博

编纂 | 丁萍

头图 | AI生图

从前两年，AI产业最强的叙事险些都萦绕GPU发展
。

从OpenAI掀起大模型海潮，到英伟达市值飙升，再到云厂商、互联网平台和创业公司争抢高端算力，GPU被塑造成AI时期最稀缺的“硬通货”
。谁占有更多GPU，谁就更靠近模型能力上限，谁能搭起更大训练集群，谁就更像拿到了下一代AI的门票
。

在这套叙事中，CPU没有隐没，但显著退居幕后
。它依然是服务器的基础部件，是操作系统、数据库、网络和利用运行的底座，却不再是AI故事里的主角
。市场甚至形成了一种近乎默认的判断：AI时期，GPU吃肉，CPU喝汤
。

但到2026年，这个判断已经不够用了
。由于AI产业在发生一个更深层的变动：主战场正从训练较量，转向部署较量；价值重心正从峰值算力，转向系统效能
。

这意味着，真正决定AI贸易化速度的，不再只是GPU能把模型训得多大、多快，而是整套系统能否以可控成本、不变吞吐和高利用率，把模型真正跑起来、用起来、赚到钱
。

一旦竞争从“单卡机能”转向“端到端效能”，CPU就不再只是配角，而是AI基础设施里那个被持久低估的系统变量
。

市场为何重新看英特尔？

不只是由于财报，而是由于需要结构变了
。

最近一个值妥贴心的信号，是英特尔重新获得本钱市场关注
。2026年第一季度，英特尔营收约为136亿美元，同比增长7%，陆续第六个季度超预期；净利润同比增长156%
。其中，数据中心与AI有关业务（DCAI）收入达到约51亿美元，同比增长22%，成为增长最快的板块
。财报颁布后，英特尔股价盘后最高上涨超40%（截至4月30日）
。

若是只看公司层面，这当然不及以注明英特尔已经彻底翻身
。它仍面对造程追赶、服务器CPU份额承压、Arm渗入、云厂商自研芯片推动等问题
。但市场还是给了它新的设想空间，原因不在于英特尔忽然造成AI明星，而在于投资人起头意识到：AI基础设施的需要结构，已经不再只是“多买GPU”
。

英特尔治理层在财报会上泄漏，数据中心中CPU与GPU的部署比例，正从传统的1:8收紧到1:4，在智能体场景中甚至可能进一步向1:1靠近
。

这背后的寓意极度明确：从前两年AI行业最主题的矛盾是训练能力不及，而今天越来越多企业起头面对另一组问题，模型训练完之后，若何推理、若何部署、若何扩大、若何节造成本
。

也就是说，本钱市场重新定价的，不只是英特尔，而是一个更深层的事实：AI起头进入系统竞争阶段
。

CPU的重要性从何而来？

先要回覆另一个问题：为什么AI今天的主题矛盾，已经不再只是训练
。由于训练固然贵，但对大无数企衣反说，它更多是阶段性的本钱开支；而推理、部署和挪用，才是持续性的运营开支
。

训练决定模型能不能做出来，推理决定模型能不能活下去
。这一变动已经有明确的数据支持
。

Deloitte估算，推理工作负载占AI总算力的比例在2023年约为1/3，2025年靠近1/2，到2026年预计达到2/3
。IDC预测，到2027年中国推理算力占整体算力比例将突破70%
。还有钻研预计，到2026年推理带来的市场规模将是训练硬件市场的2到3倍
。这些数字共同注明一件事：AI的成本中心和价值中心，在从“训练一次”转向“运行无数次”
。

郑纬民院士给过一个更直白的拆分：在大模型推理成本中，人力仅占3%，数据占2%，算力占到95%
。他举例称，ChatGPT的推理开销每天约70万美元，DeepSeek V3每天约8.7万美元（按各自披露口径）
。

这组数据真正注明的，不是“推理也很贵”，而是一旦AI进入大规模使用阶段，真正吞噬利润的不是训练账，而是推理账
。国度数据局的数据进一步放大了这种压力：中国日均Token挪用量从2024岁首约1000亿，跃升至2026年3月的140万亿，两年增长超千倍
。

若是说训练是一次性把钱砸进去，那么推理就是每天都在把钱烧出去
。训练贵，是研发问题；推理贵，是利润问题
。而一旦问题造成利润问题，企业就不成能再只盯着模型参数和GPU数量，而必须起头追问：

GPU是不是被充分利用了？哪些工作必须用GPU？哪些其实应该交给CPU？整套系统的吞吐率和资源利用率到底高不高？

这正是CPU重新变重要的起点
。

好多人理解AI基础设施，还停顿在“GPU越多越好”的阶段
。但现实是，今天大量AI系统面对的主题问题，不是GPU不够强，而是系统喂不鼓GPU
。

MLPerf行业基准测试显示，在大模型训练场景中，数据加载、预处置、参数同步等环节带来的延长，可占总训练功夫的35%到60%
。IDC调研则显示，即便是头部互联网企业的AI推理集群，GPU均匀利用率也持久低于40%；大量中幼企业的GPU集群利用率甚至不及15%
。

这意味着什么？

意味着今天最昂贵的AI资源，在被大规模浪费
。不是由于GPU机能不能，而是由于数据流动、工作调度、内存治理、I/O协同、网络处置这些系统环节跟不上
；痪浠八，GPU算得很快，但系统供给不上，了局就是一壁拼命买卡，一壁大面积闲置
。

这也是为什么CPU的重要性，不是“多卖一点服务器芯片”那么单一，而是它直接决定AI系统的资源利用率和ROI
。

由于在真实工作流里，GPU从来不是单独工作的
。它前面罕见据筹备，后面有了局处置，中央有工作调度、缓存守护、高低文切换、网络通讯、容器治理、数据库交互
。这些环节里，真正承＝谠炝骱拖低承，重要是CPU
。

所以问题的性质不是“CPU能不能代替GPU”，而是若是CPU和系统层能力跟不上，再强的GPU也只是昂贵的闲置资产
。

智能体鼓起，让CPU从“底座”造成“中枢”

若是说推理阶段让CPU重新重要，那么智能体（Agent）的鼓起，则把这种重要性进一步放大
。

由于智能体不是一个“更座谈天”的模型，而是一套真正要执行工作的系统
。它要理解指标、拆解步骤、挪用工具、接见数据库、衔接API、执行代码、守护状态、判断了局，必要时还要挪用其他模型或子Agent协同
。

在这条链路中，模型推理只是其中一环
。大量工作并不是“算”，而是“调度”“编排”“切换”“接见”“治理”
。这些工作性质上都属于节造流和系统协同，而这正是CPU最善于的领域
。

康奈尔大学的钻研显示，在五类代表性Agent工作负载中，CPU端的工具处置、逻辑调度和数据预处置，占总端到端延长的比例高达43.8%到90.6%
。在典型的RAG场景中，CPU处置甚至可能占到总延长的90%以上，GPU推理反而不到10%
。

这组数据的意思极度明确：在智能体时期，好多真实工作的瓶颈已经不是GPU算得够不够快，而是CPU能不能把整条工作链顺畅地跑完
。

这也诠氏缢为什么CPU/GPU配比在变动
。TrendForce指出，当前AI数据中心中CPU与GPU的配比约莫是1:4到1:8，而在智能体AI时期，这一比例预计将逐步演变为1:1到1:2
。当配比从1:8向1:1收敛，性质上不是CPU多卖了几颗，而是AI基础设施从“推算中心化”转向“系统中心化”
。

产业反馈已经起头出现
。2026年第一季度末，Intel和AMD都对部门CPU产品线提价，服务器CPU交期拉长至约6个月
。与此同时，英伟达和Arm也在统一时期颁发进军服务器CPU市场
。

一个是GPU巨头，一个是IP授权商，却在统一功夫加码CPU，这注明他们看到的是统一个趋向：将来AI的关键战场，不只是模型推理自身，而是萦绕推理和智能体发展的整机系统能力
。

当所有头部玩家都在补CPU，注明竞争已经从“单芯片”造成“系统工程”
。从前两年，AI行业有一种很强的“单点崇拜”：比谁的芯片更强，比谁的参数更多，比谁的集群更大
。这种竞争方式在产业早期成立，由于技术突破往往首先来自少数明星环节
。

但产业一旦进入落地阶段，决定输赢的逻辑就会扭转
。真正拉开差距的，不再只是某个单点机能，而是整套系统能否以可控成本、可复造方式持续运行
。

所以今天我们看到的，不只是英特尔受益，而是所有重要玩家都在重新补CPU、补系统、补整机能力
。英特尔但愿依附数据中心生态和软件兼容，重新坚韧系统层话语权；AMD则在服务器CPU市场持续扩大份额，Mercury Research数据显示，AMD EPYC服务器CPU在2025年Q4营收份额已达到41.3%，初次突破40%
。

Arm和云厂商自研CPU，则试图从高能效和定造化切入系统入口；甚至连英伟达自己，也在通过Grace CPU强化对整机架构的节造力
。所有顶级玩家都在补CPU，不是由于CPU忽然变得性感，而是由于AI起头从芯片问题，造成系统问题
。

若是把视角拉回中国，这轮变动的现实意思更大
。中国是全球AI利用落地最快的市场之一
。截至2026年3月，我国日均Token挪用量已突破140万亿；IDC数据显示，2025年中国AI加快卡总出货约400万张，其中国产厂商出货165万张，占比41%
。

这注明，中国AI已经不再只是“模型热”“算力热”，而是进入了真正的“挪用热”和“部署热”
。这会把中国企业推向一个更现实的问题：AI不是能不能做，而是做了之后能不能持久跑、能不能算得过来
。

第一，是成本压力
。

某造作企业在将智能体接入出产线时发现，每个决策步骤的推理成本高达0.3美元，是传统规定系统的20倍
。这类案例真正注明的，不是智能体太贵，而是：若是系统架构不优化，AI很容易从出产力工具造成成本黑洞
。

第二，是兼容压力
。

中国企业现有IT系统复杂，数据库、ERP、CRM、OA、工业系统持久并存
。AI若是要真正进入业务流程，必须与这些存量系统深度融合
。这意味着企业必要的不是单一“最强模型”，而是一套能把模型、数据库、API和业务系统串起来的基础设施，而CPU承担的正是兼容、调度和运行时支持角色
。

第三，是自主可控
。

随着AI部署深入，国产CPU、服务器、操作系统、数据库、中央件和调度软件，城市被重新放到更靠前的地位
。也就是说，CPU重新重要，不只是国际巨头的机遇，也可能成为中国基础设施产业链的一次再估值窗口
。

所以，若是把视角再拉长一点，就会发现，CPU在AI中的重新重要，其实只是表象
。更深层被重新定价的，是系统能力
。

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4855067.html?f=wyxwapp

今日监管部门披露行业最新进展GPU神话松动，AI真正的战场变了

出品 | 妙投APP

作者 | 张博

编纂 | 丁萍

头图 | AI生图

从前两年，AI产业最强的叙事险些都萦绕GPU发展
。

从OpenAI掀起大模型海潮，到英伟达市值飙升，再到云厂商、互联网平台和创业公司争抢高端算力，GPU被塑造成AI时期最稀缺的“硬通货”
。谁占有更多GPU，谁就更靠近模型能力上限，谁能搭起更大训练集群，谁就更像拿到了下一代AI的门票
。

在这套叙事中，CPU没有隐没，但显著退居幕后
。它依然是服务器的基础部件，是操作系统、数据库、网络和利用运行的底座，却不再是AI故事里的主角
。市场甚至形成了一种近乎默认的判断：AI时期，GPU吃肉，CPU喝汤
。

但到2026年，这个判断已经不够用了
。由于AI产业在发生一个更深层的变动：主战场正从训练较量，转向部署较量；价值重心正从峰值算力，转向系统效能
。

这意味着，真正决定AI贸易化速度的，不再只是GPU能把模型训得多大、多快，而是整套系统能否以可控成本、不变吞吐和高利用率，把模型真正跑起来、用起来、赚到钱
。

一旦竞争从“单卡机能”转向“端到端效能”，CPU就不再只是配角，而是AI基础设施里那个被持久低估的系统变量
。

市场为何重新看英特尔？

不只是由于财报，而是由于需要结构变了
。

最近一个值妥贴心的信号，是英特尔重新获得本钱市场关注
。2026年第一季度，英特尔营收约为136亿美元，同比增长7%，陆续第六个季度超预期；净利润同比增长156%
。其中，数据中心与AI有关业务（DCAI）收入达到约51亿美元，同比增长22%，成为增长最快的板块
。财报颁布后，英特尔股价盘后最高上涨超40%（截至4月30日）
。

若是只看公司层面，这当然不及以注明英特尔已经彻底翻身
。它仍面对造程追赶、服务器CPU份额承压、Arm渗入、云厂商自研芯片推动等问题
。但市场还是给了它新的设想空间，原因不在于英特尔忽然造成AI明星，而在于投资人起头意识到：AI基础设施的需要结构，已经不再只是“多买GPU”
。

英特尔治理层在财报会上泄漏，数据中心中CPU与GPU的部署比例，正从传统的1:8收紧到1:4，在智能体场景中甚至可能进一步向1:1靠近
。

这背后的寓意极度明确：从前两年AI行业最主题的矛盾是训练能力不及，而今天越来越多企业起头面对另一组问题，模型训练完之后，若何推理、若何部署、若何扩大、若何节造成本
。

也就是说，本钱市场重新定价的，不只是英特尔，而是一个更深层的事实：AI起头进入系统竞争阶段
。

CPU的重要性从何而来？

先要回覆另一个问题：为什么AI今天的主题矛盾，已经不再只是训练
。由于训练固然贵，但对大无数企衣反说，它更多是阶段性的本钱开支；而推理、部署和挪用，才是持续性的运营开支
。

训练决定模型能不能做出来，推理决定模型能不能活下去
。这一变动已经有明确的数据支持
。

Deloitte估算，推理工作负载占AI总算力的比例在2023年约为1/3，2025年靠近1/2，到2026年预计达到2/3
。IDC预测，到2027年中国推理算力占整体算力比例将突破70%
。还有钻研预计，到2026年推理带来的市场规模将是训练硬件市场的2到3倍
。这些数字共同注明一件事：AI的成本中心和价值中心，在从“训练一次”转向“运行无数次”
。

郑纬民院士给过一个更直白的拆分：在大模型推理成本中，人力仅占3%，数据占2%，算力占到95%
。他举例称，ChatGPT的推理开销每天约70万美元，DeepSeek V3每天约8.7万美元（按各自披露口径）
。

这组数据真正注明的，不是“推理也很贵”，而是一旦AI进入大规模使用阶段，真正吞噬利润的不是训练账，而是推理账
。国度数据局的数据进一步放大了这种压力：中国日均Token挪用量从2024岁首约1000亿，跃升至2026年3月的140万亿，两年增长超千倍
。

若是说训练是一次性把钱砸进去，那么推理就是每天都在把钱烧出去
。训练贵，是研发问题；推理贵，是利润问题
。而一旦问题造成利润问题，企业就不成能再只盯着模型参数和GPU数量，而必须起头追问：

GPU是不是被充分利用了？哪些工作必须用GPU？哪些其实应该交给CPU？整套系统的吞吐率和资源利用率到底高不高？

这正是CPU重新变重要的起点
。

好多人理解AI基础设施，还停顿在“GPU越多越好”的阶段
。但现实是，今天大量AI系统面对的主题问题，不是GPU不够强，而是系统喂不鼓GPU
。

MLPerf行业基准测试显示，在大模型训练场景中，数据加载、预处置、参数同步等环节带来的延长，可占总训练功夫的35%到60%
。IDC调研则显示，即便是头部互联网企业的AI推理集群，GPU均匀利用率也持久低于40%；大量中幼企业的GPU集群利用率甚至不及15%
。

这意味着什么？

意味着今天最昂贵的AI资源，在被大规模浪费
。不是由于GPU机能不能，而是由于数据流动、工作调度、内存治理、I/O协同、网络处置这些系统环节跟不上
；痪浠八，GPU算得很快，但系统供给不上，了局就是一壁拼命买卡，一壁大面积闲置
。

这也是为什么CPU的重要性，不是“多卖一点服务器芯片”那么单一，而是它直接决定AI系统的资源利用率和ROI
。

由于在真实工作流里，GPU从来不是单独工作的
。它前面罕见据筹备，后面有了局处置，中央有工作调度、缓存守护、高低文切换、网络通讯、容器治理、数据库交互
。这些环节里，真正承＝谠炝骱拖低承，重要是CPU
。

所以问题的性质不是“CPU能不能代替GPU”，而是若是CPU和系统层能力跟不上，再强的GPU也只是昂贵的闲置资产
。

智能体鼓起，让CPU从“底座”造成“中枢”

若是说推理阶段让CPU重新重要，那么智能体（Agent）的鼓起，则把这种重要性进一步放大
。

由于智能体不是一个“更座谈天”的模型，而是一套真正要执行工作的系统
。它要理解指标、拆解步骤、挪用工具、接见数据库、衔接API、执行代码、守护状态、判断了局，必要时还要挪用其他模型或子Agent协同
。

在这条链路中，模型推理只是其中一环
。大量工作并不是“算”，而是“调度”“编排”“切换”“接见”“治理”
。这些工作性质上都属于节造流和系统协同，而这正是CPU最善于的领域
。

康奈尔大学的钻研显示，在五类代表性Agent工作负载中，CPU端的工具处置、逻辑调度和数据预处置，占总端到端延长的比例高达43.8%到90.6%
。在典型的RAG场景中，CPU处置甚至可能占到总延长的90%以上，GPU推理反而不到10%
。

这组数据的意思极度明确：在智能体时期，好多真实工作的瓶颈已经不是GPU算得够不够快，而是CPU能不能把整条工作链顺畅地跑完
。

这也诠氏缢为什么CPU/GPU配比在变动
。TrendForce指出，当前AI数据中心中CPU与GPU的配比约莫是1:4到1:8，而在智能体AI时期，这一比例预计将逐步演变为1:1到1:2
。当配比从1:8向1:1收敛，性质上不是CPU多卖了几颗，而是AI基础设施从“推算中心化”转向“系统中心化”
。

产业反馈已经起头出现
。2026年第一季度末，Intel和AMD都对部门CPU产品线提价，服务器CPU交期拉长至约6个月
。与此同时，英伟达和Arm也在统一时期颁发进军服务器CPU市场
。

一个是GPU巨头，一个是IP授权商，却在统一功夫加码CPU，这注明他们看到的是统一个趋向：将来AI的关键战场，不只是模型推理自身，而是萦绕推理和智能体发展的整机系统能力
。

当所有头部玩家都在补CPU，注明竞争已经从“单芯片”造成“系统工程”
。从前两年，AI行业有一种很强的“单点崇拜”：比谁的芯片更强，比谁的参数更多，比谁的集群更大
。这种竞争方式在产业早期成立，由于技术突破往往首先来自少数明星环节
。

但产业一旦进入落地阶段，决定输赢的逻辑就会扭转
。真正拉开差距的，不再只是某个单点机能，而是整套系统能否以可控成本、可复造方式持续运行
。

所以今天我们看到的，不只是英特尔受益，而是所有重要玩家都在重新补CPU、补系统、补整机能力
。英特尔但愿依附数据中心生态和软件兼容，重新坚韧系统层话语权；AMD则在服务器CPU市场持续扩大份额，Mercury Research数据显示，AMD EPYC服务器CPU在2025年Q4营收份额已达到41.3%，初次突破40%
。

Arm和云厂商自研CPU，则试图从高能效和定造化切入系统入口；甚至连英伟达自己，也在通过Grace CPU强化对整机架构的节造力
。所有顶级玩家都在补CPU，不是由于CPU忽然变得性感，而是由于AI起头从芯片问题，造成系统问题
。

若是把视角拉回中国，这轮变动的现实意思更大
。中国是全球AI利用落地最快的市场之一
。截至2026年3月，我国日均Token挪用量已突破140万亿；IDC数据显示，2025年中国AI加快卡总出货约400万张，其中国产厂商出货165万张，占比41%
。

这注明，中国AI已经不再只是“模型热”“算力热”，而是进入了真正的“挪用热”和“部署热”
。这会把中国企业推向一个更现实的问题：AI不是能不能做，而是做了之后能不能持久跑、能不能算得过来
。

第一，是成本压力
。

某造作企业在将智能体接入出产线时发现，每个决策步骤的推理成本高达0.3美元，是传统规定系统的20倍
。这类案例真正注明的，不是智能体太贵，而是：若是系统架构不优化，AI很容易从出产力工具造成成本黑洞
。

第二，是兼容压力
。

中国企业现有IT系统复杂，数据库、ERP、CRM、OA、工业系统持久并存
。AI若是要真正进入业务流程，必须与这些存量系统深度融合
。这意味着企业必要的不是单一“最强模型”，而是一套能把模型、数据库、API和业务系统串起来的基础设施，而CPU承担的正是兼容、调度和运行时支持角色
。

第三，是自主可控
。

随着AI部署深入，国产CPU、服务器、操作系统、数据库、中央件和调度软件，城市被重新放到更靠前的地位
。也就是说，CPU重新重要，不只是国际巨头的机遇，也可能成为中国基础设施产业链的一次再估值窗口
。

所以，若是把视角再拉长一点，就会发现，CPU在AI中的重新重要，其实只是表象
。更深层被重新定价的，是系统能力
。

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4855067.html?f=wyxwapp

夹娃娃成瘾？香港拟订正《打赌条例》！

k8凯发天生赢家

郭靖黄蓉现身楚超现场为襄阳队加油