“小龙虾”太多了，CPU告急

当地时间4月9日，谷歌与英特尔宣布扩大多年期合作，核心内容并非GPU采购，而是多代至强（Xeon）处理器的部署承诺，以及基于定制ASIC的基础设施处理单元（IPU）联合研发。消息一出，英特尔股价当日上涨4.7%，过去五个交易日累计涨幅约为22.5%。

同一天，SemiAnalysis首席分析师Dylan Patel在一场深度访谈中抛出了一个让业界警醒的数据："过去六个月，整个云市场的CPU都跑光了。"

供给端的情况在恶化。据Omdia报告，全球服务器CPU供应紧张可能导致2026年价格上涨11%至15%。汇丰证券更将2026年全球服务器出货量同比增长预期大幅上调至20%，同时指出受供应链产能限制，真实市场需求可能高达60%。

如果说一年前市场还在争论“AI是否需要CPU”，那么现在的问题已经变成了“CPU不够用怎么办”。这背后，是一场正在发生的结构性变化：AI基础设施的瓶颈，正从GPU向内存和CPU迁移。关于内存对AI基础设施的影响以及市场激烈的反应，大家已经很熟悉了，今天我们来讲讲CPU。

从"问答"到"任务"：CPU工作负载的根本转变

理解这个问题的起点，是AI工作负载性质的改变。

在AI发展的头几年，"发一个字符串，回一个字符串"，简单的文本生成推理，对CPU的负载确实很轻。行业观察者Dylan Patel回忆："在AI的头几年，CPU确实严重滞后。负载很轻。你发一个字符串，它回一个字符串，简单的推理，对CPU需求不大。"

但这一局面在过去几个月被彻底打破。

核心驱动力“智能体（Agent，比如各平台的'小龙虾'）和强化学习（RL）”的爆发。以OpenAI o1为代表的新一代模型，不再是简单的问答输出，而是开始自主执行任务、调用数据库、自我验证。多步推理、多工具调用、多智能体协作，正在成为AI工作的新形态。

Dylan Patel给出了一组极具冲击力的数据：

代码智能体收入：过去6个月，从几十亿美元暴涨至超过100亿美元

单次任务时长：Claude Code等智能体可连续工作6至8个小时，持续调用数据库、触发各类服务——这意味着持续、高强度的CPU占用

强化学习训练循环：模型每生成一步输出，都需要在CPU集群上进行高频验证，循环越来越紧密

"想象一下未来一两年训练的机器人模型——一个视觉语言模型在世界模型中导航，试图拿起东西、放下东西。每一步都需要被验证，而物理模型跑在某个CPU集群上。那需要的CPU量会多得疯狂。"

数据重新佐证CPU的工作价值

GPU是AI的绝对主角——这个认知根深蒂固。但Georgia Tech与Intel联合发布的研究，正在动摇这个认知。

2025年11月，两家机构联合发布了一篇论文，名为《Characterizing CPU-Induced Slowdowns in Multi-GPU LLM Inference》。研究的核心发现是：

在智能体AI工作负载中，CPU瓶颈在多GPU推理系统中普遍存在。

具体来说，当企业部署一个多智能体系统（如AI研究助手，需要同时启动子智能体搜索网页、查询数据库、综合文档、编写代码），CPU不再是旁观者，而是实际承担了状态维护、上下文窗口管理（可延伸至数十万token）、工具调用、检索增强生成（RAG）查询、以及结果汇总协调等工作。

GPU——再强大——也在等待CPU喂给它数据、管理KV缓存、分发下一个任务。

研究还发现，即使在采用进程级分离和CUDA Graphs等现代GPU优化的推理框架中，CPU瓶颈依然顽固存在。

需求在激增，供给却跟不上。

Dylan Patel透露了一个细节：OpenAI为了获得CPU算力，直接向亚马逊提出请求——"把你的CPU给我们"。更值得关注的是，OpenAI的代码栈此前几乎只在x86 CPU上运行，但亚马逊拥有大量ARM CPU。据Dylan Patel透露，OpenAI的回应是："只要能拿到CPU，我愿意把整个栈移植过去。"

工程迁移的代价极高，但算力需求已经紧迫到让企业愿意付出这种代价。

行业数据同样印证了供需紧张：

亚马逊CPU服务器安装量：今年同比增长3倍。

GitHub稳定性：过去数月频繁出现宕机和提交失败。原因是微软将大量闲置CPU分配给了Anthropic和OpenAI。

CPU利润率：正在攀升。Intel和AMD均已发出涨价通知。

芯片交货周期：从正常水平大幅延长，部分型号需要等待数月。

美银（Bank of America）最新预测：全球数据中心CPU市场规模将从2025年的270亿美元，增长至2030年的600亿美元，几乎翻一倍多，且增长几乎全部由智能体AI需求驱动。

Intel CFO David Zinsner在摩根士丹利TMT会议上披露：2025年全年，CPU市场增长20%-30%。

CPU厂商：Intel和AMD的"意外春天"

对Intel而言，这波CPU需求浪潮来得正是时候。

在AI芯片市场，Intel长期处于英伟达的GPU主导格局阴影下。但凭借至强（Xeon）处理器产品线，Intel正在AI推理市场找到新的增长锚点。

2026年3月，Intel发布了至强6处理器（代号Granite Rapids），核心数据亮眼：

核心数最高128个（较上一代翻倍）

L3缓存最高504MB

运行Llama 2 70B大模型，性能提升3.08倍

引入FP16格式的AMX（高级矩阵扩展）加速引擎，专门优化AI推理中最常用的乘累加运算

内存带宽翻倍，支持DDR5 6400MT/s和MRDIMM 8800MT/s

192条PCIe 5.0通道（较上一代提升20%）

每瓦性能提升1.6倍，TCO节省30%

更值得关注的是，英伟达已选定制冷6776P作为DGX B300加速系统的唯一主控CPU——这意味着GPU巨头在自家旗舰系统中，也需要Intel CPU来承担任务调度和数据预处理。

AMD同样受益。EPYC系列处理器在云厂商中的采用率持续提升。但由于台积电产能向AI加速器倾斜，AMD的CPU产能同样面临约束。

Arm也在积极入局。2026年3月，Arm发布了首款面向数据中心的通用处理器AGI CPU，136核，与Meta联合开发。这直接与Intel和AMD的x86架构形成竞争。

云厂商：重新思考"算力配比"

传统的AI集群架构中，CPU与GPU的配比大约是1:100（100兆瓦GPU对应约1兆瓦甚至更少的CPU）。但这个比例正在急剧变化。

Dylan Patel指出："以前，每个CPU服务器对应很多GPU服务器。但现在这个比例正在变得非常接近，无论是对于RL训练还是推理（智能体推理）。"

这意味着云厂商在规划AI基础设施时，不能再只盯着GPU采购——CPU容量同样需要被纳入核心规划。

定制芯片浪潮：IPU成为新战场

在CPU和GPU之外，“基础设施处理单元（IPU）”正在成为云厂商的新焦点。

IPU专门接管网络流量路由、存储管理、安全加密等"后台任务"，将主CPU从这些工作中解放出来，让更多算力留给用户负载。

谷歌与Intel扩大合作的核心内容之一，正是基于定制ASIC的IPU联合研发。谷歌的目标很明确：为自家云数据中心定制专属的IPU，实现更高效的资源调度。

英特尔和谷歌共同宣布扩大多年期的战略合作，对于英特尔来说，在AMD紧逼、ARM渗透的竞争格局下，获得谷歌这样级别的客户背书，无疑是一针强心剂。更重要的是，这份合作向行业释放了一个信号：在AI时代，CPU不是要被替代的旧技术，而是整个基础设施的核心支柱。

当然，这轮价值重估的持续性还取决于几个关键变量。

第一，需求的持续性。 当前CPU需求主要由AI推理和智能体AI驱动。汇丰认为AI驱动的增长红利可能持续至2028年，但推理工作负载能否保持当前增速，将直接影响CPU市场的长期需求曲线。如果智能体AI的普及速度超出预期，CPU需求的增长曲线可能会比当前预测更为陡峭；反之，如果AI推理成本的快速下降导致推理向终端设备迁移，数据中心侧的CPU需求增速也可能放缓。

第二，供应侧的反应速度。 英特尔正在调整产能分配，优先保障数据中心CPU供应，但新产能的释放需要时间。台积电先进制程的产能瓶颈短期内难以缓解，CPU供应紧张的局面可能还会持续一段时间。

第三，竞争格局的演变。 AMD能否在服务器CPU市场进一步扩大份额？ARM阵营的渗透速度是否会超出预期？英特尔能否借助至强6系列扭转份额下滑的趋势？云厂商的自研趋势——谷歌、亚马逊、微软都在积极自研芯片，Counterpoint预测到2029年ARM架构CPU在定制化AI ASIC服务器中的占比至少达90%——会不会削弱传统CPU厂商的市场空间？这些问题的答案将在未来一到两年内逐渐明朗。

从目前的观察来看，英特尔在核心数和制程上的追赶能否转化为市场份额的止跌，是未来两个季度最值得关注的指标。