文章核心观点 - 行业逻辑正在发生转变：AI发展的瓶颈从以GPU为核心的算力，逐渐转向系统级的执行与调度能力，长期被忽视的CPU正成为决定AI系统能否高效运行的关键变量 [6] - CPU在智能体（Agentic AI）时代的工作负载发生根本性变化，承担了大部分任务编排、工具调用和数据处理工作，其性能、内存带宽及与GPU的协同效率成为系统性能的新瓶颈 [17][18][19] - 主要芯片厂商（英特尔、AMD、英伟达）正采取不同的策略应对这一变化，竞争焦点从单纯的CPU参数比拼升级为生态系统和供应链稳定性的博弈 [16][20][21][22] - 产业投资信号明确显示，AI基础设施的扩张重点正从堆叠GPU转向同步构建庞大的“CPU调度基础设施”，以支撑智能体工作负载 [25] 根据相关目录分别进行总结 01 一场"悄无声息"的供应危机 - 服务器CPU价格与交付周期异常：2025年第四季度，服务器CPU的平均售价上涨了约30%，这种涨幅在成熟市场非常罕见 [11] - CPU供应短缺加剧：AMD的交付周期从原来的八周延长至十周以上，部分型号甚至面临长达六个月的延迟 [11] - 短缺根源在于产能挤兑：由于台积电3nm产线紧张，原本分配给CPU的晶圆产能被利润更高的GPU订单挤占，导致出现“有GPU但无足够顶级CPU带动”的讽刺局面 [11] - 大客户深度绑定凸显供应链价值：埃隆·马斯克委托英特尔为其“Terafab”项目设计制造定制芯片，这体现了英特尔在x86生态系统和制造能力方面的筹码，CPU市场竞争升级为生态系统和供应链稳定性的博弈 [12][16] 02 为什么CPU会成为"短板"？ - 智能体工作负载的根本性转变：在智能体模式下，CPU需要负责多步推理、API调用、数据库读写、复杂业务流编排及结果整合等任务，而GPU主要负责token生成（“思考”） [18] - CPU延迟占比显著：学术研究表明，在智能体工作负载中，CPU端工具处理所占用的时间占总延迟的50%至90.6%，CPU已成为主要性能瓶颈 [18] - 大模型上下文窗口扩展带来新压力：2025年主流模型开始支持100万token以上，其KV缓存（约200GB）远超单块H100 GPU的80GB显存，解决方案之一是将部分KV缓存卸载至CPU内存，这对CPU的内存容量、带宽及与GPU的互连速度提出了更高要求 [19] - 新时代CPU需求变化：适合智能体时代的CPU更需要低延迟、一致的内存访问能力以及强大的系统级协同能力，而非单一的核心规模扩张 [19] 03 厂商们都在做什么？有人抢地盘，有人改设计 - 英特尔：双线策略巩固地位 - 市场地位：2025年第四季度在服务器CPU市场占有60%份额 [20] - 策略一：与谷歌等超大规模客户深度绑定，部署至强处理器 [20] - 策略二：与SambaNova合作，推出基于至强处理器与自研RDU加速器的组合方案，主打“不用GPU也能跑智能体推理” [20] - 未来关键：至强6 Granite Rapids和18A工艺路线图将是其翻盘关键 [20] - AMD：需求爆发的显著受益者 - 财务表现：2025年第四季度，AMD数据中心收入达54亿美元，同比增长39% [21] - 产品驱动：第五代EPYC Turin处理器占服务器CPU收入一半以上，运行EPYC的云实例部署同比增长超50% [21] - 市场份额：服务器CPU收入份额首次突破40% [21] - 增长归因：CEO苏姿丰将增长直接归因于智能体发展将任务“推回”到传统CPU上 [21] - 大额订单：2026年2月宣布与Meta的潜在交易，价值超过1000亿美元，供应MI450 GPU和Venice EPYC CPU [21] - 潜在短板：在高速CPU-GPU互连（如NVLink C2C）等系统级协同方面仍有提升空间 [21] - 英伟达：重塑CPU角色，追求极致协同 - 设计哲学：将CPU定位为服务于GPU的“调度中枢”，而非通用计算主力，核心数量（Grace CPU为72核）少于传统服务器CPU（通常128核），旨在避免CPU成为GPU的等待瓶颈 [22] - 技术优势：通过NVLink C2C互连，将CPU与GPU间带宽提升至约1.8TB/s，远高于传统PCIe，并实现CPU直接访问GPU内存，简化KV缓存管理 [22] - 市场进展：已将Grace CPU作为独立产品销售给CoreWeave；与Meta的交易是其第一次大规模“纯Grace部署”（CPU在没有配对GPU的情况下独立部署） [22] - 行业分析师观点 - 系统效率至关重要：CPU处理能力必须匹配加速器迭代速度，数据通道即使出现百分之一的延迟，也会大幅影响整个AI集群的经济效益 [23] - CPU地位愈发核心：在智能体驱动的AI架构中，调用API和业务应用程序的任务最适合由CPU完成 [23][24] - 混合架构成为趋势：关于GPU和CPU谁更适合处理推理尚无定论，但谷歌等公司需要采用混合处理器架构，因此与英特尔合作是合理选择 [24] 04 结语：智能体时代，算力天平回摆 - 产业规划信号明确：在亚马逊AWS与OpenAI高达380亿美元的合作协议中，明确提到了“数千万个CPU”的扩展规模，这改变了以往只聚焦“数十万个GPU”的行业关注点 [25] - 市场规模预测增长：美国银行预测，到2030年，全球CPU市场规模有望从目前的270亿美元翻倍至600亿美元，其中几乎全部新增份额将由AI驱动 [25] - 基础设施扩张新形态：行业正在见证一种新基础设施的扩张——大厂同步扩张一整层“CPU调度基础设施”，专门为AI智能体提供运行支撑 [25] - 竞争制胜点前移：当算力不再稀缺，谁能最先解决系统级的“瓶颈”（如CPU与系统的协同效率），谁就能在AI竞赛中占据优势，英特尔与谷歌的联手、马斯克对定制芯片的投入都印证了这一点 [25]