共计 1390 个字符，预计需要花费 4 分钟才能阅读完成。
导语:GPU 依旧是 AI 算力里最贵的一项,但采购清单正在变长。随着 AI Agent 应用铺开, 服务器 CPU 从整机方案的配套件, 变成需要单独评估、单独排产的采购科目, 一场关于算力预算分配的结构性调整正在发生。
📌 一份预测:CPU 出货增速被重新上调
集邦咨询 (TrendForce) 的 AI 服务器产业研究给出了一个与 GPU 叙事不太一样的判断: 随着各 AI 服务厂商密集推出 Agent 类应用,服务器 CPU 需求自 2025 年下半年起稳步回升, 预估 2026 年出货年增幅达 31%;2027 年, 在 AI 推理需求持续、Agentic AI 服务渗透率提升的带动下, 出货量有望再增逾 40%。与此同时, 长期由 x86 主导的市场格局也可能出现变化。
🔍 从 1:8 到 1:1, 变的是负载结构
Agent 把这道算术题改了。英特尔 CEO 陈立武此前在财报电话会议上提到, 随着 AI 工作负载重心从训练转向推理,CPU 与 GPU 的比例正从 1:8 向 1:1 平衡。行业数据则显示, 智能体时代每吉瓦所需的 CPU 核心数可能从 3000 万级跃升至 1.2 亿, 增长约 4 倍。
这并不意味着 CPU 追上了 GPU 的算力, 而是任务分工在迁移:token 生成这类密集矩阵计算仍交给 GPU; 任务规划、请求路由、工具调用、多智能体之间的协调调度, 这些带大量分支判断与外部交互的工作, 现阶段更多压在 CPU 上。
供给侧已有反应。投行 KeyBanc 称,AMD EPYC 服务器 CPU 2026 年产能近乎售罄, 高端型号交期拉长至 8—10 周。英伟达的整机柜规格同样说明问题:GB200 NVL72 与面向 Agent 场景的 Vera Rubin NVL72, 标准配置均为 36 颗 CPU 对应 72 颗 GPU。
💡 采购清单变长,CPU 成为独立科目
落到云厂商与模型企业的采购环节,变化很直观: 过去搭建训练集群, 核心变量是买多少张 GPU; 而面向 Agent 的推理集群, 清单被拉长为 GPU 算力、CPU 核数、系统内存、KV 缓存 SSD、高速交换机、机柜配电与散热容量, 各环节必须整体匹配、统一规划。
- 单机柜内 CPU 配置规模抬升, 系统 DRAM 随之同步扩容;
- 多节点并发调度与工具调用, 抬高高速网络端口的需求;
- 整机功耗持续走高, 供电容量与液冷方案需重新核算。
📊 增量红利去向:Arm 拿增量,x86 守存量
CPU 增量需求的背后,买家已分化为三类: 云厂商深度绑定自研软件栈的 Arm 算力、面向 AI 原生客户且配比灵活的通用算力, 以及优先考虑生态兼容性的传统企业 x86 算力。
x86 的护城河来自生态租金——数据库、中间件、运维工具链长期以 x86 为默认基准,跨架构迁移的改造与验证成本高昂,Arm 此前的多次尝试大多卡在这道墙上。这一轮路径不同: 从云厂商与 AI 原生客户这类可自主掌控整套软件栈的场景切入, 把适配成本在体系内部消化; 英伟达则把 Grace、Vera 与 GPU 以 Superchip 形式打包交付,Arm CPU 出货量与机柜内 GPU 交付量直接绑定。
🚀 预测能否兑现, 盯住三组前置指标
- 云厂商硬件采购清单中 CPU 与 GPU 的配比变动;
- Agent 产品的真实调用规模与付费转化效率;
- Arm 架构服务器 CPU 在季度出货中的占比变化。
🧭 结语
围绕“Agent 改写算力账本,CPU 不再是 AI 服务器的配角?”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
