摘要
AI从训练转向推理，CPU在AI时代日益重要且不可或缺。这点从芯片巨头和研调机构对未来市场空间（TAM）的预测和修正就能很直观的感受到： 2026年5月，AMD首席执行官苏姿丰（Dr. Lisa Su）在2026年一季度财报电话会上上调了对全球服务器CPU市场的长期预测：预计到2030年，服务器CPU的TAM将以超过35%的年复合增长率（CAGR）高速飙升，达到1200亿美元以上。而就在数月前，这一数字的预测还仅为600亿美元。 华尔街投行花旗银行（Citi）在2026年5月中旬的客户报告中更加乐观，将2030年全球CPU市场规模锚定在1315亿美元。Arm官方也将其相关的TAM锁定在了千亿美元级别。 英伟达则更为激进，其在2027财年一季度电话会中提到，Vera CPU将为英伟达打开一个“全新的2000亿美元TAM”，并称公司今年已能看到接近200亿美元的CPU收入可见度。 随后路透社的报道称，黄仁勋确认英伟达对CPU市场这2000亿美元的预测包括中国市场，并表示公司正在加速Vera Rubin平台生产。 短短几个月里，数据中心CPU市场的想象空间从600亿美元、1200 亿美元，进一步被推高到2000亿美元级别。CPU确实在加速膨胀，那么问题来了，AI 时代的数据中心，为什么突然需要这么多CPU？ Agentic AI，重新定价CPU 随着AI基础设施正在从训练中心转向推理中心，进一步转向智能体中心。CPU的参与度正在迅速增加。 早期传统大模型推理更像是一次请求、一次响应：用户输入问题，模型生成答案。此时，GPU 负责大部分矩阵计算，CPU 主要承担调度和数据准备。但 Agentic AI 不一样，它要持续规划任务、调用工具、访问数据库、执行代码、检索知识、协调多个子智能体，并在长上下文中保持状态。 AMD CEO Lisa Su 在财报电话会上指出，随着推理和智能体AI负载快速增长，服务器CPU 的计算需求正在被重新放大。原因在于，这类应用并不只依赖GPU和加速器完成模型计算，还需要CPU承担大量系统层面的工作，包括任务编排、数据调度、并行执行、资源协调，以及作为GPU和加速器集群的头节点，对整个AI系统进行统一调度。