过去几年，AI算力竞争几乎都围绕GPU展开，市场普遍相信“谁掌握更多GPU，谁就更接近下一代人工智能基础设施的核心”。但进入2026年后，这一逻辑正在发生明显变化。随着大模型应用从单纯训练、推理，进一步转向更复杂的Agent工作流，长期被视为辅助角色的CPU，正在成为限制AI系统效率扩张的关键瓶颈。
最新信号来自谷歌与英特尔。根据披露信息，双方已签署一项多年期合作协议，将在全球AI数据中心更广泛部署英特尔Xeon处理器。英特尔方面强调，AI并非只在加速卡上运行，而是跨越整个系统架构，CPU与IPU在性能、效率和灵活性方面都扮演核心角色。这意味着，AI基础设施的竞争重点，正在从“单点算力”转向“系统级协同”。
CPU为何突然成为AI链条中的短板
在传统聊天机器人架构中，GPU主要负责模型推理，CPU更多承担调度、数据预处理等任务，因此GPU往往决定了整体延迟表现。但Agent时代的工作负载已经不同。一个Agent不仅要生成文本，还要完成API调用、数据库读写、代码执行、文件I/O以及多步骤任务编排。这些任务大多需要CPU与主机系统介入，GPU负责“生成”，CPU负责“执行”。
素材援引的一项研究指出，在Agent型工作负载中，CPU侧工具调用处理可能占到总延迟的50%至90.6%。这意味着，即便GPU已准备好处理下一批任务，系统整体也可能因为CPU尚未完成响应而被迫等待。换句话说，GPU不再是唯一瓶颈，AI系统真正的上限开始越来越多地取决于CPU的调度、访存和协同能力。
另一个加剧CPU压力的重要因素，是大模型上下文窗口持续扩大。到2025年，部分主流模型已支持超过100万Token的上下文。用于加速推理的KV Cache会随着Token规模线性增长，在100万Token场景下，缓存体量可达到约200GB，已明显超出单张H100 GPU约80GB显存的容量。因此，部分KV Cache不得不被转移到CPU内存中，这又进一步抬高了CPU在内存容量、带宽以及CPU-GPU互联速度方面的重要性。
供应链紧张：CPU市场出现“安静的危机”
相比GPU交期被广泛关注，CPU市场的吃紧更像是一场“安静的供应危机”。报道显示，2025年第四季度，服务器CPU平均售价上涨约30%，这在相对成熟的CPU市场中并不常见。AMD数据中心业务负责人透露，过去三个季度CPU需求增长速度前所未有，交付周期已从8周拉长至10周以上，部分型号甚至延迟长达6个月。
造成这一局面的重要原因之一，是先进制程产能被更高利润的GPU订单挤占。台积电3nm产线持续紧张，原本可供CPU使用的晶圆资源正被越来越多地分配给GPU。这也带来了一个颇具讽刺意味的现象：一些AI实验室已经拿到了足够多的GPU，却难以采购到足够的高端CPU去“驱动”这些GPU。
此外，英特尔还获得了来自埃隆·马斯克项目的额外推动。资料显示，马斯克已委托英特尔为其位于得州的Terafab项目设计和制造定制芯片，用于为xAI、SpaceX和特斯拉构建统一计算基础。这显示出，在AI算力之外，大型科技项目正越来越重视底层系统架构与供应链稳定性。
三大厂商策略分化：英特尔守阵地，AMD抢份额，英伟达重协同
面对CPU需求的重新爆发，英特尔、AMD和英伟达正在走出三条不同路径。英特尔仍是服务器CPU市场的重要玩家。根据素材援引数据，2025年第四季度，英特尔在服务器CPU市场仍占据60%份额，AMD为24.3%，英伟达为6.2%。英特尔当前一方面继续依靠Xeon与谷歌等超大规模客户深化合作，另一方面则联合SambaNova推进Xeon加RDU的组合方案，试图强化其在AI基础设施中的系统级存在感。
AMD则是这一轮变化中的直接受益者。其2025年第四季度数据中心收入达到54亿美元，同比增长39%；第五代EPYC Turin贡献了超过一半的服务器CPU收入，服务器CPU收入市场份额首次超过40%。AMD管理层明确将增长归因于Agent应用扩张，认为新一代AI工作负载正把更多任务重新推回传统CPU。
相比之下，英伟达的思路并不是追求更多CPU核心，而是强调CPU与GPU之间的高效率配合。其Grace CPU核心数低于英特尔和AMD部分旗舰产品，但通过NVLink C2C约1.8TB/s的互联带宽，强化CPU对GPU内存的直接访问能力，从而提升KV Cache管理和系统调度效率。对于AI集群来说，这种高协同架构有助于避免昂贵GPU资源因CPU跟不上而空转。
对科技与加密市场意味着什么
从产业趋势看，CPU重新获得关注，反映出AI基础设施建设正在进入更成熟的阶段。资本市场此前高度追逐GPU、HBM和AI训练链条，而如今系统级性能、服务器整机效率、互联带宽与数据中心调度能力的重要性同步上升。美国银行预测，到2030年全球CPU市场规模可能从当前的270亿美元增至600亿美元，而新增需求几乎都与AI相关。
对加密市场而言，这一变化虽然不直接对应某一种代币价格，但会对AI概念币、DePIN、算力网络和链上基础设施叙事产生影响。过去市场更偏好“GPU即算力”的单一逻辑，而随着CPU、内存、互联和调度的重要性提升，投资者可能开始重新评估所谓“分布式AI算力”项目的真实交付能力。仅有GPU资源储备，未必能构成可执行的Agent基础设施；具备完整系统调度能力的平台，反而可能获得更高估值溢价。
整体来看，谷歌与英特尔的合作、AMD的份额提升，以及英伟达持续推进CPU-GPU协同，均说明AI硬件竞赛已从单纯堆砌加速卡，转向比拼全链路效率的新阶段。未来谁能率先解决CPU、GPU、内存与网络之间的系统瓶颈，谁就更有机会在下一轮AI基础设施升级中占据主动。