文章核心观点 - 2026年服务器CPU市场迎来英伟达与Arm两位新竞争者，打破英特尔与AMD长期主导的格局，Agentic AI兴起正推动CPU角色从通用计算性能比拼转向特定工作负载效率比拼，竞争实质是AI数据中心新增CPU预算、Agent执行平台入口及云厂商客户与产业链主导权的三层争夺 [1][3][19] Agent兴起与CPU角色变化 - 传统GPU加速服务器中CPU主要负责数据准备、任务调度、I/O处理及与加速器协同，核心任务是保障GPU高效运转 [2] - Agent执行环境中CPU还需承担大量沙箱运行、代码执行、工具调用和数据处理等工作，成千上万Agent并发运行时单线程性能、内存带宽、任务吞吐量及资源隔离能力的重要性愈发凸显 [2] - Arm将AI计算中的CPU划分为三种角色：服务于模型预填充阶段的主机CPU、服务于解码阶段的主机CPU，以及负责模型调用之间代码执行、工具调用等任务的Agent执行CPU [3] - CPU价值正从单纯比拼通用计算性能转向比拼特定工作负载下的实际效率，过去以通用性能为核心的竞争逐步演变为通用性能与工作负载优化并重的新格局 [3] 英伟达：从GPU向CPU延伸，争夺AI系统控制权 - Vera采用英伟达自主设计的Olympus核心，集成88个核心、176个线程，通过LPDDR5X内存系统提供最高1.2TB/s的内存带宽 [6] - 设计重点并非一味增加核心数量，而是在提高单线程性能的同时改善高并发环境下的资源争用和内存访问效率，与Agent工作负载大量任务并行执行但单个任务需较快响应的特点高度契合 [7] - Vera既可通过NVLink-C2C与英伟达GPU紧密协同，也可独立部署在CPU服务器中 [7] - 根据Modal 10月19日公布的技术报告，Vera并非在所有单任务测试中都领先竞争对手且优势并不明显，但随着并发任务数量不断增加其吞吐量优势开始扩大，在特定测试条件下相比英特尔Granite Rapids平台最高能够实现约两倍的任务吞吐量，关键优势是高负载下的内存带宽与资源争用控制 [7][8] - Modal此前长期采用x86架构，如今开始为Arm架构适配基础设施，意味着英伟达有机会进入原本由英特尔、AMD供应的计算资源池 [9] - 据路透社10月19日报道，英伟达向投资者提出的Vera芯片本财年销售预期已达到至少200亿美元 [9] Arm：从IP授权走向自主芯片，改变产业链角色 - 今年3月Arm推出面向数据中心的AGI CPU，与Meta联合开发，基于Neoverse V3架构，集成最多136个CPU核心，热设计功耗为300W，采用台积电3nm工艺，重点面向Agentic AI基础设施 [10] - Arm并未将全部重点放在单颗CPU性能上，而是强调机架级的计算密度与能效，按照Arm公布的数据，AGI CPU在特定测试及配置条件下能够实现相较x86平台两倍以上的机架级性能 [10] - 这种设计方向反映出Arm对数据中心市场的判断：当Agent数量持续增长，有限电力预算内能够运行多少任务可能比单颗CPU的峰值性能更加重要 [10] - 随着Arm亲自进入芯片市场，它与客户之间的关系开始发生变化，英伟达Vera、AWS Graviton、Google Axion等产品都建立在Arm架构生态之上，Arm不仅是这些公司的技术供应商也开始成为服务器CPU市场上的直接竞争者 [11][12] - 如何在维护开放授权生态的同时发展自有芯片业务，将成为Arm必须处理的新课题 [12] AMD：继续发挥多核心、Chiplet和x86生态优势 - 今年5月AMD宣布代号为Venice的第六代EPYC处理器开始采用台积电2nm工艺量产爬坡，采用Zen 6架构，单颗CPU最多256个核心、512个线程，并支持16通道DDR5内存及PCIe 6.0 [13] - 多核心设计、Chiplet架构以及不断提升的内存和I/O能力仍是AMD争夺服务器市场的重要筹码 [13] - 10月12日AMD发布Helion Agentic AI机架方案，提出两种基础设施形态：一种是纯CPU机架最多支持32,768个CPU核心专门承担Agent执行任务并连接外部模型推理系统；另一种则将EPYC CPU、Instinct GPU及通用计算节点整合在同一机架中 [14] - AMD开始将Agent执行与模型推理视为两类可以独立配置计算资源的工作负载，大规模云服务商可通过高密度CPU集群运行大量Agent，企业客户则可根据需求将CPU和GPU部署在统一平台中 [14] - 按照AMD计划，Helion相关配置将于今年11月开始提供，目前仍处于生态合作伙伴开发阶段 [14] 英特尔：借助新架构与成熟生态守住基本盘 - 根据Mercury Research的数据，2026年第二季度在其广义x86服务器CPU统计口径中，英特尔出货份额为65.5%，AMD为34.5%；如果仅比较核心服务器市场的EPYC与Xeon处理器，AMD的出货份额已经达到46.4% [15] - 已经推出的至强6+（Clearwater Forest）采用Intel 18A工艺，最高集成288个能效核，强调高密度计算、吞吐量与能源效率，适合云原生及大规模并行任务 [17] - 下一代Diamond Rapids更加侧重高性能通用计算，最多256个性能核、1.28GB末级缓存、16通道内存以及PCIe 6.0、CXL 3.0等能力，并进一步强化AMX矩阵加速和APX等架构技术 [17] - 英特尔还将Diamond Rapids与面向AI推理的Crescent Island GPU结合，试图建立覆盖Agent任务编排、模型推理和通用计算的完整平台 [17] - 与英伟达相比英特尔的最大优势在于长期积累的x86软件生态、企业客户关系以及成熟的服务器平台，大量数据库、企业应用、虚拟化平台和开发工具都经过多年x86优化 [17] - 随着竞争对手在能效、内存带宽和系统架构上不断突破，如何让新一代至强真正满足Agent计算需求将直接影响其未来的市场地位 [18] 争夺AI数据中心新增的CPU预算 - 2026年5月Gartner分析师Adrian O'Connell发布的报告指出，生成式AI的繁荣推动了GPU需求，而Agentic AI的增长则重新凸显了CPU的重要性，但Agent驱动的CPU市场增长不会达到此前GPU因生成式AI而爆发的程度，最终受益者也未必是传统CPU厂商 [20] - IDC在今年10月更新的全球服务器市场预测中明确上调了非加速服务器的需求预期，原因之一正是Agentic AI和推理工作负载开始增加对标准机架x86服务器的需求 [20] 争夺Agent执行平台入口 - AI时代不再是单一处理器单打独斗的时代，四家厂商的竞争开始从芯片延伸到整套平台，无论是从CPU向GPU切入还是GPU向CPU领域蔓延，都在争夺Agent执行平台的一个入口 [21] 争夺云厂商客户及产业链主导权 - AWS今年6月正式推出基于Graviton5的云实例，继续围绕Arm架构优化计算性能、能效和成本，亚马逊还明确将持续运行的Agent工作负载列为Graviton的重要应用方向 [22] - Google在今年4月的Google Cloud Next大会上宣布将自研Axion CPU与GKE Agent Sandbox结合为Agent提供安全、可扩展的代码执行环境，按照Google公布的特定测试结果，基于Axion N4A的Agent Sandbox相比另一家主要超大规模云服务商的方案可实现最高约30%的性价比提升 [22] - Google并没有因此放弃外部芯片供应商，而是同时提供英特尔、AMD处理器以及英伟达AI计算平台，大型云厂商正在采取更加灵活的策略：一方面通过自研芯片降低成本、强化差异化能力，另一方面保留外部供应商以适应不同工作负载和客户需求 [23] - 微软已发布自研的首款专门针对AI工作负载与大语言模型训练及推理进行优化的云端专用AI芯片Azure Maia（如Maia 100），基于台积电5nm制程工艺制造，晶体管数量达到1050亿个 [23] - 在这场关乎商业控制权、生态平台入口与产业链主导权的三维战争中，芯片本身的极限性能固然重要，但能够以更低成本、更高吞吐支撑起庞大Agent生态运行的系统级领跑者才将是这场算力终局之战的真正赢家 [23]