本文来自微信公众号： APPSO ，作者：发现明日产品的，原文标题：《黄仁勋的下一座金矿，藏在 CPU 里》
过去三年，GPU几乎承包了所有关于AI基础设施的想象。
英伟达的市值、云厂商的资本开支、模型公司的训练节奏，最后都被折算成同一个问题：谁能拿到更多GPU，谁就更接近下一轮AI竞赛的入场券。
但在刚过去不久的2026年COMPUTEX主题演讲的舞台上，英伟达创始人黄仁勋讲出的新故事，已经不只围绕GPU展开。
他一边推出面向个人Agent的RTX Spark处理器，把PC从「打开应用」重新定义成「提出需求、电脑执行」的新设备；另一边，又把英伟达第一颗自研数据中心CPU Vera推到台前，称它将成为新的主要增长动力，并指向一个2000亿美元规模的CPU市场。
究其原因，伴随着Agent浪潮的到来，只堆GPU，已经不够了。GPU仍然负责最核心的模型推理，但每一次推理前后，都需要CPU处理编排、调度、工具调用和数据流动。
CPU，正在变成AI基础设施的新焦点。
CPU，正杀回AI算力的牌桌
CPU需求回升，首先来自AI应用形态的变化。
生成式AI爆发早期，行业重心几乎都在模型训练上。训练要处理海量并行矩阵计算，这是GPU的强项。CPU主要负责系统初始化、数据搬运、任务管理等辅助工作。
于是过去几年，「重GPU、轻CPU」几乎成了行业共识。但随着AI从大模型训练走向大规模推理，再进一步进入智能体时代，工作负载的性质开始变了。
智能体不是「问一句、答一句」的线性系统。它会把一个复杂任务分成多个步骤，调用外部工具，读写数据库，执行搜索，运行代码，处理权限验证，管理上下文缓存，再判断当前结果是否有效，并决定后续动作。
图片由AI生成，仅供参考
一个用户请求，可能同时触发几十个甚至上百个子智能体并行工作。这些编排、工具调用、内存管理，以及子智能体之间的协调，主要不在GPU上完成。
GPU仍然可以负责模型推理，也就是最接近「思考」的那一步。但在两次推理之间，CPU要解析模型输出，判断接下来该调用哪个工具，管理执行计划，处理文件读写，发起网络请求，再把结果重新交给GPU。
英特尔一位副总裁曾用一个比喻解释：智能体工作流本质上是一组独立智能体的协作。几十上百个智能体要互相通信，就需要不同的「位置」来运行，而这些位置指的就是CPU。
研究数据也支持这一判断。佐治亚理工与英特尔在2025年11月的一篇论文中指出，在智能体工作负载中，CPU上的工具处理环节占总延迟的50%到90%。
也就是说，很多时候真正让用户等待的不是GPU本身，而是GPU在等待CPU完成工具调用、数据处理和任务安排，再把下一批输入送过来。
汇丰证券研究报告则给出另一个角度：在现代智能体工作流中，约44%的底层计算任务高度依赖CPU，是传统文本生成模型的三到四倍。
过去，AI服务器通常采用「一两颗CPU搭配八颗顶级GPU」的配置，但随着AI工作负载从训练转向推理，再进一步走向智能体，CPU与GPU配比正从1:8变为1:4，未来可能1:1甚至更高。
AI抢完GPU，还要抢CPU
AMD董事长兼CEO苏姿丰在多个场合强调，业界此前低估了CPU在AI时代的价值。
在她看来，仅数据中心市场，未来三到四年规模就可能超过1万亿美元，而这个市场需要CPU、GPU、ASIC等多种技术并存。
然而，六到十二个月前，市场还很少讨论CPU，也没人认为CPU会紧张。但随着推理需求上升，CPU重新回到舞台中央。在她看来，未来五年，数据中心CPU市场的年复合增长率将超过35%，远高于过去几年个位数的增速。
产品上，AMD把重点放在代号Venice的第六代EPYC处理器上。
这款产品是行业首个在台积电2纳米工艺节点上进入量产爬坡阶段的高性能计算芯片。后续衍生型号Verano还将引入LPDDR内存集成技术，专门应对智能体带来的大容量内存需求。
在第六代EPYC全面铺开前，AMD第五代EPYC已经凭借高核心密度和能效比站稳市场。财报数据显示，2025年第四季度，AMD数据中心业务营收达到创纪录的54亿美元，同比增长39%。
英伟达的逻辑则稍稍不同。
英伟达想的则是让自家最好的GPU不被外部组件拖慢。比起与英特尔、AMD打价格战，真正的算盘是消除外部CPU、PCIe总线和低速网络对GPU效率的拖累，把CPU内化成自家专有AI平台的一块拼图。
顺着这个思路，英伟达拿出了首款定制CPU Vera，专为agentic AI的编排、工具调用和长上下文管理设计，黄仁勋还把它定位成公司下一个数十亿美元级的业务，并预测Vera将让英伟达进入一个2000亿美元的CPU市场。
最近，英伟达超大规模与高性能计算副总裁Ian Buck也将首批英伟达Vera CPU系统交付至Anthropic、OpenAI、Oracle Cloud Infrastructure以及SpaceXAI。
参数显示，Vera搭载88个英伟达自研Olympus核心，兼容Armv9.2指令集，并在CPU层面原生支持FP8精度运算。
为了解决传统超线程可能带来的性能波动，Vera采用空间多线程技术，在物理层面对核心资源做硬分区，提供176个硬件线程，让每个线程在处理复杂逻辑分支时获得更稳定的尾部延迟表现。
而吃到这波CPU红利的，还有昔日霸主英特尔。财报显示，英特尔一季度（Q1 2026）营收为136亿美元，同比增长7%，净利润同比暴增156%。
英特尔CEO陈立武表示，基于Intel 3的至强6产品和基于Intel 18A的酷睿系列3产品已全面进入量产爬坡阶段，但他也表示，英特尔尚未能完全满足市场需求，增长势头预计将持续到明年。
面对CPU市场需求的暴涨，整个AI产业链正在进入一场围绕先进制程产能的争夺。
亚马逊、微软等超大规模云厂商，以及苹果、英伟达、AMD等芯片设计巨头，都在争夺有限的代工窗口。不过，在这场竞争中，利润率更高、芯片面积更大的数据中心GPU订单，依旧在挤压通用CPU的生产配额。
在本就吃紧的CPU产能里，芯片厂会优先满足利润更高的服务器订单，紧张也最先在服务器CPU这一端显现，并传导到价格和交期上。
英特尔已向中国客户预警，部分服务器CPU的交付周期长达六个月；AMD部分产品的交期也延长到八到十周。英特尔在中国市场的服务器芯片价格上涨超过一成，而中国市场占其总营收两成以上。
与此同时，全球内存严重短缺又带来提前囤货效应。客户为了锁定整机系统价格，纷纷提前采购CPU，使原本紧张的供给更加吃紧。
服务器这边吃掉了大部分产能，代价就传递到了消费端。面向个人和普通企业市场的CPU生产线被排到后面，大众市场供应随之趋紧、价格上行，出价更高的大客户优先拿货，普通采购方只能排队。换句话说，AI越火，你的下一部电脑很可能就越贵。
简言之，AI算力扩张带来的压力，正在沿着服务器产业链向外扩散：GPU、CPU、内存、DPU、高带宽网络交换机、先进封装、液冷散热、整机柜供电，任何一个环节跟不上，都会影响最终的算力交付。
AGI无法逃离基础设施的地心引力，它只是绕了一大圈，又回到了最朴素、却最有杀伤力的现实中：先有庞大的能源，再有精密的机器系统，最后，才有可能诞生真正的智能。
