摘要
2025年，算力市场被一个问题反复纠缠：GPU何时才能不缺货？到了2026年，答案尚未等到，这个问题又新增了一个主语：CPU。6 月 1 日，英伟达 Vera 处理器重磅登场，将服务器芯片赛道推向新的高潮。 这条长期被GPU阴影遮蔽的赛道，正在经历一场沉默而剧烈的价值重估。 瑞银最新预测令市场侧目：到2030年，服务器CPU潜在市场规模将膨胀至1700亿美元，五年增长近五倍。问题随之而来——这是一轮由AI驱动的黄金周期，还是又一次资本催熟的泡沫？如果浪潮属实，谁又会是最大的受益者？ 01 CPU，价值重估 在 AI 领域，推理（Inference）和训练（Training）是 AI 模型生命周期中的两个核心阶段，训练时，模型借大量数据与算法学习规律，此过程计算资源消耗巨大且耗时漫长，旨在构建精准模型。而推理则是利用已训练好的模型对新数据进行快速判断与处理，资源需求相对较少。 其中GPU专攻“大规模并行计算”——把同一道算术题对成千上万份数据同时做，适合矩阵乘法、卷积等AI核心运算。而CPU则专攻“复杂逻辑调度”——处理分支多、前后依赖强的任务，比如操作系统的指令分发、数据库的事务管理、智能体的决策链条。 如今CPU需求的爆发，有两点主要因素。 第一点，AI正从“训练”转向“推理”。 在训练阶段几乎全是矩阵运算，GPU占据绝对主导。但2026年之后，企业真正大规模落地的是推理服务——每个用户提问、每次智能体调用，背后都是一次推理。推理任务里，除了模型计算，还有大量分词、缓存管理、结果筛选、错误处理等逻辑工作，这些恰恰是CPU所擅长的。 第二点，代理式AI（Agentic AI）普及。 传统大模型“问一句答一句”，计算负担主要在GPU。而智能体会自主规划：先查数据库、再调用API、然后根据返回结果决定下一步动作。一次用户请求，可能触发多个模型调用和数十次逻辑判断。这些串行的、依赖前一步结果的决策流程，CPU便是无可替代的执行核心。 半导体分析机构SemiAnalysis首席分析师Dylan Patel在4月8日的一次深度访谈中直言，AI工作负载的范式正从简单的文本生成向复杂的智能体和强化学习演进，CPU正面临"极其严重的产能短缺"。