#今年英特尔股价一路飙升。1月2日(美国东部时间)为39.4美元的股价,到本月23日已升至132.2美元。半年间涨幅超过3倍,而投资界认为英特尔股价仍有上涨空间。美国银行(BofA)本月11日将英特尔投资评级从卖出连跳两级上调至买入。美国银行预计,人工智能(AI)智能体热潮将带动英特尔中央处理器(CPU)业务增长。
#本月1日,英伟达在“GTC台北2026”上表示,用于数据中心服务器的CPU“Vera”正在量产,并将于今年秋季出货。英伟达的蓝图是进一步扩展此前以图形处理器(GPU)为主的产品生态,转型为全栈AI企业。英伟达首席执行官(CEO)黄仁勋预测:“面向AI智能体的CPU市场将比以往增长得大得多。”
CPU正再度崛起。2022年ChatGPT时刻之后,AI基础设施的主角无疑是GPU。无论是基础模型还是服务,要做AI首先得搞到GPU。不仅谷歌、OpenAI等AI模型开发商,想要内化AI技术能力的全球大企业与初创公司也纷纷加入GPU争夺战。GPU需求爆发式增长而供给不足的不对称现象持续了一段时间。
AI时代初期GPU价值凸显的背景,在于AI训练与GPU性能特性之间的相关性。AI开发过程大致分为两个阶段。第一是向AI模型输入大规模数据、反复积累知识的训练阶段;第二是AI模型基于已有知识对新输入数据得出结论的推理阶段。
在需要造出可用AI模型的时期,也就是AI训练重要的时期,GPU备受关注。GPU的设计目的是并行执行复杂运算、提高作业效率。同时执行大量相同指令时,GPU不可或缺。AI模型训练也是如此。由于快速学习大规模数据至关重要,因此需要并行运算,GPU在此大显其用。曾任英伟达韩国代表的Joon AI Consulting代表柳应准表示:“在AI训练阶段,同时处理数亿至数千亿个数据的并行运算十分重要”,“数据中心用GPU搭载数千个运算核心,针对AI训练进行了优化。”
CPU并非没有运算功能。若仅比较直接执行运算的部件——核心的性能,CPU核心性能优于GPU核心。只是CPU专长于串行运算而非并行运算。CPU最初的设计目的,是按顺序处理计算机内部下发的各种指令。它直接处理正确运行服务器所有软件所需的全部工作,也就是所谓“事无巨细亲自过问”的风格。但从必须同时完成大规模数据训练的角度看,这种工作方式效率偏低。AI业界的关注自然转向了GPU。
ChatGPT时刻已过去四年。市场原本聚焦训练的目光逐渐转向推理。AI训练水平走上一定轨道后,作为AI服务执行阶段的推理其重要性开始凸显。尤其是AI智能体热潮成为抬升CPU价值的引爆点。过去的AI就像聊天机器人一样,对一个提问给出一个回答即可。如今则是多个AI智能体各自执行指令,再加以综合完成任务,甚至自行进行事后验证。这是智能体AI的时代。在此过程中,AI智能体往来于线上线下,甚至调用外部工具。这正是CPU真正价值发光的环节。
从事模块化数据中心业务的Elice集团首席技术官(CTO)朴正国分析称:“CPU准备数据、向GPU分配任务,并控制内存、存储、网络及外部程序”,“可以说是一种控制塔,随着AI服务日趋复杂,CPU的重要性正再度上升。”
问题在于控制塔的性能跟不上AI产业的期待。数据中心内布置的GPU资源需尽可能高效运转,但相较于大量作业指令,CPU的控制速度已难以跟上。CPU开始被指为AI瓶颈的原因。AI基础设施平台企业Clush的CTO李容赫指出:“打个比方,AI瓶颈就是GPU拿不到活儿而闲着的状况”,“CPU的数据预处理延迟、GPU任务分配低效、CPU与GPU之间通道(互连)带宽狭窄,都属于AI瓶颈。”
对契合AI时代的高性能CPU的需求,催生了新的产业动向。此前并不开发CPU的科技巨头纷纷宣布要亲自造CPU。最受关注的消息是英伟达发布Vera。李CTO评价称:“英伟达自有CPU品牌‘Vera’具备了AI业界所期望的全部CPU核心改进点”,“可以看出其技术雄心,即与英伟达下一代GPU‘Rubin’通过芯片对芯片连接组合,从根本上消除AI瓶颈。”
除英伟达之外,高通与Arm等也将进入CPU市场。高通此前开发移动设备用及个人电脑(PC)用CPU,近期发布数据中心服务器品牌“Dragonfly”,正准备出货数据中心用CPU。以半导体设计知识产权(IP)授权为主要商业模式的Arm,今年也公开了自有CPU产品“Arm AGI CPU”。该产品旨在与Meta的AI训练及推理加速器联动。
大型科技企业点燃CPU竞争的背后,也藏着对AI数据中心运营成本的顾虑。AI瓶颈现象持续越久,AI企业不仅AI开发速度落后,还要在此期间承担高昂的数据中心电费。成果做不出来,只是白白消耗成本。因此业界普遍认为,一段时间内AI数据中心中英特尔、AMD的通用CPU与大型科技企业的自研CPU将并存。
柳代表强调:“数据中心运营费用中电费占30%~40%”,“英伟达和亚马逊云科技(AWS)开发CPU时采用Arm架构设计,正是因为其压倒性的能效,CPU竞争力直接等同于成本竞争力。”朴CTO表示:“今后全球大型科技企业将聚焦于CPU与GPU、内存、网络相结合的整个系统的性能与电力效率。”






