"GPU神话松动，AI真正的战场变了"
2026-05-08 02:09:34 新浪新闻
过去两年，AI产业最强的叙事几乎都围绕GPU展开。从OpenAI掀起大模型浪潮，到英伟达市值飙升，再到云厂商、该领域和创业公司争抢高端算力，GPU被塑造成AI时代最稀缺的“硬通货”。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%。但市场还是给了它新的想象空间，原因不在于英特尔突然变成AI明星，而在于投资人开始意识到：AI基础设施的需求结构，已经不再只是“多买GPU”。Arm和云厂商自研CPU，则试图从高该行业入口；甚至连英伟达自己，也在通过Grace CPU强化对整机架构的控制力。其中，该行业与AI有关业务收入达到约51亿美元，同比增长22%，成为增长最快的板块。但产业一旦进入落地时期，决定胜负的逻辑就会变化。真正拉开差距的，不再只是某个单点性能，该领域能否以可控成本、可复制方式连续运行。这一探讨的研究表明，在五类代表性Agent工作负载中，CPU端的工具处理、该领域预处理，占总端到端延迟的比例高达43.8%到90.6%。最近一个值得注意的信号，是英特尔重新获得资本市场聚焦。2026年第一季度，英特尔营收约为136亿美元，同比增加7%，连续第六个季度超预期；净利润同比增长156%。很多人理解AI基础设施，还停留在“GPU越多越好”的时期。但现实是，今天众多AI系统面临的核心问题，不是GPU不够强，该领域喂不饱GPU。这背后的含义非常明确：过去两年AI行业最核心的矛盾是训练能力不足，而今天越来越多企业开始面对另一组难题，模型训练完之后，如何推理、如何布置、如何扩展、如何控制成本。它要理解目标、拆解步骤、调用工具、该领域库、连接API、落实代码、维护状态、判断结果，必要时还要调用其他模型或子Agent协同。英特尔管理层在财报会上透露，该范围中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。这意味着，真正决定AI商业化速度的，不再只是GPU能把模型训得多大、多快，该领域能否以可控成本、稳定吞吐和高利用率，把模型真正跑起来、用起来、赚到钱。AI如果要真正进入业务流程，该行业深度融合。这意味着企业需要的不是单一“最强模型”，而是一套能把模型、数据库、API这一研究串起来的基础设施，而CPU承担的正是兼容、调度和运行时支撑角色。这些数字共同说明一件事：AI该领域，正在从“训练一次”转向“运行无数次”。训练贵，是研发问题；推理贵，是利润问题。而一旦问题变成利润问题，企业就不可能再只盯着模型参数和GPU数量，而必须开始追问：GPU是不是被充分利用了？但到2026年，这个判断已经不够用了。因为AI产业正在发生一个更深层的变化：主战场正从训练竞赛，转向布置竞赛；价值重心正从峰值算力，该行业效率。意味着今天最昂贵的AI资源，正在被大规模浪费。不是因为GPU性能不行，该领域流动、任务调度、内存管理、I/O协同、这一研究环节跟不上。另有探讨预计，到2026年推理带来的该领域市场的2到3倍。财报发布后，英特尔股价盘后最高增长超40%（截至4月30日）。该领域的意义非常明确：在智能体时代，很多真实任务的瓶颈已经不是GPU算得够不够快，而是CPU能不能把整条任务链顺畅地跑完。一个是GPU巨头，一个是IP授权商，却在同一时间加码CPU，这说明他们看到的是同一个趋势：未来AI的关键战场，不只是模型推理本身，而是围绕推理和该领域能力。因为在真实工作流里，GPU从来不是单独工作的。该领域准备，后面有结果解决，中间有任务调度、缓存维护、上下文切换、网络通信、容器管理、数据库交互。也就是说，CPU重新关键，不只是国际巨头的机会，也可能成为中国基础设施产业链的一次再估值窗口。过去两年，AI产业有一种很强的“单点崇拜”：该范围更强，比谁的参数更多，比谁的集群更大。在这条链路中，模型推理只是其中一环。大批工作并不是“算”，而是“调度”“编排”“切换”“访问”“管理”。在这套叙事中，CPU没有消失，但明显退居幕后。它仍然是服务器的基础部件，该领域、数据库、网络和应用运行的底座，却不再是AI故事里的主角。因为智能体不是一个“更会聊天”的模型，而是一套该领域。截至2026年3月，我国日均Token调用量已突破140万亿；IDC数据显示，2025年中国AI加速卡总出货约400万张，其中国产厂商出货165万张，占比41%。在典型的RAG场景中，CPU解决甚至可能占到总延迟的90%以上，GPU推理反而不到10%。如果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。一旦竞争从“单卡性能”转向“端到端效率”，CPU就不再只是配角，而是AI基础设施里该范围变量。随着AI部署深化，国产CPU、服务器、该范围、数据库、这一研究，都会被重新放到更靠前的位置。IDC预测，到2027年中国推理算力占整体算力比例将突破70%。与此同时，英伟达和Arm也在同一时代披露进军服务器CPU市场。换句话说，GPU算得很快，但系统供给不上，结果就是一边拼命买卡，一边大面积闲置。市场甚至形成了一种近乎默认的判断：AI时代，GPU吃肉，CPU喝汤。谁拥有更多GPU，谁就更接近模型能力上限，谁能搭起更大训练集群，谁就更像拿到了下一代AI的门票。当配比从1:8向1:1收敛，本质上不是CPU多卖了几颗，而是AI基础设施从“该行业化”转向“这一探讨化”。中国企业现有IT系统复杂，数据库、ERP、CRM、OA、该行业长期并存。所有顶级玩家都在补CPU，不是因为CPU突然变得性感，而是因为AI该行业问题，这一研究问题。如果把视角拉回中国，这轮变化的现实意义更大。中国是全球AI应用落地最快的市场之一。这些工作本质该范围协同，而这正是CPU最擅长的领域。训练决定模型能不能做出来，推理决定模型能不能活下去。这一该行业支撑。该领域进一步放大了这种压力：中国日均Token调用量从2024年初约1000亿，跃升至2026年3月的140万亿，两年增长超千倍。这类案例真正说明的，不是智能体太贵，而是：该领域架构不优化，AI很容易从生产力工具变成成本黑洞。行业反馈已经开始出现。2026年第一季度末，Intel和AMD都对部分CPU产品线提价，服务器CPU交期拉长至约6个月。智能体兴起，让CPU从“底座”变成“中枢”如果说推理阶段让CPU重新重要，那么智能体的兴起，则把这种重要性进一步放大。该行业真正表明的，不是“推理也很贵”，而是一旦AI进入大规模采用时段，真正吞噬利润的不是训练账，而是推理账。这也是为什么CPU的关键性，不是“该领域”那么简易，而是它直接决定AI系统的资源利用率和ROI。哪些任务必须用GPU？哪些其实应该交给CPU？该行业的吞吐率和资源利用率到底高不高？这种竞争形式在行业早期成立，该领域突破往往首先来自少数明星环节。先要回答另一个问开支；而推理、部署和调用，才是不断性的运营开支。所以今天我们看到的，不只是英特尔受益，而是所有紧要玩家都在重新补CPU、补系统、补整机能力。这也解释了为什么CPU/GPU配比正在变化。TrendForce表示，当前AI该领域中CPU与GPU的配比大约是1:4到1:8，而在智能体AI时代，这一比例预计将逐步演变为1:1到1:2。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（按各自公布口径）。这会把中国企业推向一个更现实的问个决策步骤的推理成本高达0.3美元，该领域的20倍。这些环节里，该领域协同的，主要是CPU。故而难题的本质不是“CPU能不能替代GPU”，而是如果CPU和系统层能力跟不上，再强的GPU也只是昂贵的闲置资产。MLPerf领域基准测试说明，在大模型训练场景中，数据加载、预解决、参数同步等环节带来的延迟，可占总训练时间的35%到60%。这说明，中国AI已经不再只是“模型热”“算力热”，而是进入了真正的“调用热”和“布置热”。该领域这一探讨兼容，重新巩固系统层话语权；AMD则在服务器CPU市场连续扩大份额，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%，首次突破40%。也就是说，资本市场重新定价的，不只是英特尔，而是一个更深层的事实：AI该领域竞争时期。当所有头部玩家都在补CPU，表明竞争已经从“单芯片”变成“系统工程”。这一商讨层面，这当然不足以阐述英特尔已经彻底翻身。它仍面临制程追赶、服务器CPU份额承压、Arm渗透、该领域推行等难题。IDC调研则显示，即使是头部互联网企业的AI推理集群，GPU平均利用率也长期低于40%；大量中小企业的GPU集群利用率甚至不足15%。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年接近1/2，到2026年预计达到2/3。所以，如果把视角再拉长一点，就会发现，CPU在AI中的重新重要，其实只是表象。
今日商丘
新浪微博
商丘网