当地时间 4 月 9 日，谷歌与英特尔宣布扩大多年期合作，核心内容并非 GPU 采购，而是多代至强（Xeon）处理器的部署承诺，以及基于定制 ASIC 的基础设施处理单元（IPU）联合研发。消息一出，英特尔股价当日上涨 4.7%，过去五个交易日累计涨幅约为 22.5%。

同一天，SemiAnalysis 首席分析师 Dylan Patel 在一场深度访谈中抛出了一个让业界警醒的数据：" 过去六个月，整个云市场的 CPU 都跑光了。"

供给端的情况在恶化。据 Omdia 报告，全球服务器 CPU 供应紧张可能导致 2026 年价格上涨 11% 至 15%。汇丰证券更将 2026 年全球服务器出货量同比增长预期大幅上调至 20%，同时指出受供应链产能限制，真实市场需求可能高达 60%。

如果说一年前市场还在争论 "AI 是否需要 CPU"，那么现在的问题已经变成了 "CPU 不够用怎么办 "。这背后，是一场正在发生的结构性变化：AI 基础设施的瓶颈，正从 GPU 向内存和 CPU 迁移。关于内存对 AI 基础设施的影响以及市场激烈的反应，大家已经很熟悉了，今天我们来讲讲 CPU。

PART 01

为什么 CPU 突然变 " 稀缺 " 了？

从 " 问答 " 到 " 任务 "：CPU 工作负载的根本转变

理解这个问题的起点，是 AI 工作负载性质的改变。

在 AI 发展的头几年，" 发一个字符串，回一个字符串 "，简单的文本生成推理，对 CPU 的负载确实很轻。行业观察者 Dylan Patel 回忆：" 在 AI 的头几年，CPU 确实严重滞后。负载很轻。你发一个字符串，它回一个字符串，简单的推理，对 CPU 需求不大。"

但这一局面在过去几个月被彻底打破。

核心驱动力 " 智能体（Agent，比如各平台的 ' 小龙虾 '）和强化学习（RL）" 的爆发。以 OpenAI o1 为代表的新一代模型，不再是简单的问答输出，而是开始自主执行任务、调用数据库、自我验证。多步推理、多工具调用、多智能体协作，正在成为 AI 工作的新形态。

Dylan Patel 给出了一组极具冲击力的数据：

代码智能体收入：过去 6 个月，从几十亿美元暴涨至超过 100 亿美元

单次任务时长：Claude Code 等智能体可连续工作 6 至 8 个小时，持续调用数据库、触发各类服务——这意味着持续、高强度的 CPU 占用

强化学习训练循环：模型每生成一步输出，都需要在 CPU 集群上进行高频验证，循环越来越紧密

" 想象一下未来一两年训练的机器人模型——一个视觉语言模型在世界模型中导航，试图拿起东西、放下东西。每一步都需要被验证，而物理模型跑在某个 CPU 集群上。那需要的 CPU 量会多得疯狂。"

数据重新佐证 CPU 的工作价值

GPU 是 AI 的绝对主角——这个认知根深蒂固。但 Georgia Tech 与 Intel 联合发布的研究，正在动摇这个认知。

2025 年 11 月，两家机构联合发布了一篇论文，名为《Characterizing CPU-Induced Slowdowns in Multi-GPU LLM Inference》。研究的核心发现是：

在智能体 AI 工作负载中，CPU 瓶颈在多 GPU 推理系统中普遍存在。

具体来说，当企业部署一个多智能体系统（如 AI 研究助手，需要同时启动子智能体搜索网页、查询数据库、综合文档、编写代码），CPU 不再是旁观者，而是实际承担了状态维护、上下文窗口管理（可延伸至数十万 token）、工具调用、检索增强生成（RAG）查询、以及结果汇总协调等工作。

GPU ——再强大——也在等待 CPU 喂给它数据、管理 KV 缓存、分发下一个任务。

研究还发现，即使在采用进程级分离和 CUDA Graphs 等现代 GPU 优化的推理框架中，CPU 瓶颈依然顽固存在。

PART 02

供需失衡：云厂商的 CPU" 库存危机 "

需求在激增，供给却跟不上。

Dylan Patel 透露了一个细节：OpenAI 为了获得 CPU 算力，直接向亚马逊提出请求—— " 把你的 CPU 给我们 "。更值得关注的是，OpenAI 的代码栈此前几乎只在 x86 CPU 上运行，但亚马逊拥有大量 ARM CPU。据 Dylan Patel 透露，OpenAI 的回应是：" 只要能拿到 CPU，我愿意把整个栈移植过去。"

工程迁移的代价极高，但算力需求已经紧迫到让企业愿意付出这种代价。

行业数据同样印证了供需紧张：

亚马逊 CPU 服务器安装量：今年同比增长 3 倍。

GitHub 稳定性：过去数月频繁出现宕机和提交失败。原因是微软将大量闲置 CPU 分配给了 Anthropic 和 OpenAI。

CPU 利润率：正在攀升。Intel 和 AMD 均已发出涨价通知。

芯片交货周期：从正常水平大幅延长，部分型号需要等待数月。

美银（Bank of America）最新预测：全球数据中心 CPU 市场规模将从 2025 年的 270 亿美元，增长至 2030 年的 600 亿美元，几乎翻一倍多，且增长几乎全部由智能体 AI 需求驱动。

Intel CFO David Zinsner 在摩根士丹利 TMT 会议上披露：2025 年全年，CPU 市场增长 20%-30%。

PART 03

产业链的连锁反应

CPU 厂商：Intel 和 AMD 的 " 意外春天 "

对 Intel 而言，这波 CPU 需求浪潮来得正是时候。

在 AI 芯片市场，Intel 长期处于英伟达的 GPU 主导格局阴影下。但凭借至强（Xeon）处理器产品线，Intel 正在 AI 推理市场找到新的增长锚点。

2026 年 3 月，Intel 发布了至强 6 处理器（代号 Granite Rapids），核心数据亮眼：

核心数最高 128 个（较上一代翻倍）

L3 缓存最高 504MB

运行 Llama 2 70B 大模型，性能提升 3.08 倍

引入 FP16 格式的 AMX（高级矩阵扩展）加速引擎，专门优化 AI 推理中最常用的乘累加运算

内存带宽翻倍，支持 DDR5 6400MT/s 和 MRDIMM 8800MT/s

192 条 PCIe 5.0 通道（较上一代提升 20%）

每瓦性能提升 1.6 倍，TCO 节省 30%

更值得关注的是，英伟达已选定制冷 6776P 作为 DGX B300 加速系统的唯一主控 CPU ——这意味着 GPU 巨头在自家旗舰系统中，也需要 Intel CPU 来承担任务调度和数据预处理。

AMD 同样受益。EPYC 系列处理器在云厂商中的采用率持续提升。但由于台积电产能向 AI 加速器倾斜，AMD 的 CPU 产能同样面临约束。

Arm 也在积极入局。2026 年 3 月，Arm 发布了首款面向数据中心的通用处理器 AGI CPU，136 核，与 Meta 联合开发。这直接与 Intel 和 AMD 的 x86 架构形成竞争。

云厂商：重新思考 " 算力配比 "

传统的 AI 集群架构中，CPU 与 GPU 的配比大约是 1:100（100 兆瓦 GPU 对应约 1 兆瓦甚至更少的 CPU）。但这个比例正在急剧变化。

Dylan Patel 指出：" 以前，每个 CPU 服务器对应很多 GPU 服务器。但现在这个比例正在变得非常接近，无论是对于 RL 训练还是推理（智能体推理）。"

这意味着云厂商在规划 AI 基础设施时，不能再只盯着 GPU 采购—— CPU 容量同样需要被纳入核心规划。

定制芯片浪潮：IPU 成为新战场

在 CPU 和 GPU 之外，" 基础设施处理单元（IPU）" 正在成为云厂商的新焦点。

IPU 专门接管网络流量路由、存储管理、安全加密等 " 后台任务 "，将主 CPU 从这些工作中解放出来，让更多算力留给用户负载。

谷歌与 Intel 扩大合作的核心内容之一，正是基于定制 ASIC 的 IPU 联合研发。谷歌的目标很明确：为自家云数据中心定制专属的 IPU，实现更高效的资源调度。

PART 04

写在最后

英特尔和谷歌共同宣布扩大多年期的战略合作，对于英特尔来说，在 AMD 紧逼、ARM 渗透的竞争格局下，获得谷歌这样级别的客户背书，无疑是一针强心剂。更重要的是，这份合作向行业释放了一个信号：在 AI 时代，CPU 不是要被替代的旧技术，而是整个基础设施的核心支柱。

当然，这轮价值重估的持续性还取决于几个关键变量。

第一，需求的持续性。 当前 CPU 需求主要由 AI 推理和智能体 AI 驱动。汇丰认为 AI 驱动的增长红利可能持续至 2028 年，但推理工作负载能否保持当前增速，将直接影响 CPU 市场的长期需求曲线。如果智能体 AI 的普及速度超出预期，CPU 需求的增长曲线可能会比当前预测更为陡峭；反之，如果 AI 推理成本的快速下降导致推理向终端设备迁移，数据中心侧的 CPU 需求增速也可能放缓。

第二，供应侧的反应速度。 英特尔正在调整产能分配，优先保障数据中心 CPU 供应，但新产能的释放需要时间。台积电先进制程的产能瓶颈短期内难以缓解，CPU 供应紧张的局面可能还会持续一段时间。

第三，竞争格局的演变。 AMD 能否在服务器 CPU 市场进一步扩大份额？ARM 阵营的渗透速度是否会超出预期？英特尔能否借助至强 6 系列扭转份额下滑的趋势？云厂商的自研趋势——谷歌、亚马逊、微软都在积极自研芯片，Counterpoint 预测到 2029 年 ARM 架构 CPU 在定制化 AI ASIC 服务器中的占比至少达 90% ——会不会削弱传统 CPU 厂商的市场空间？这些问题的答案将在未来一到两年内逐渐明朗。

从目前的观察来看，英特尔在核心数和制程上的追赶能否转化为市场份额的止跌，是未来两个季度最值得关注的指标。