Agent改写算力账本，CPU不再是AI服务器的配角？
在GPU叙事霸屏的市场上，TrendForce这份预测没有掀起太大浪花。但站在采购与资本开支的视角重读，它指向另一层变化：AI基础设施的预算结构，正在从只买加速卡转向配齐一整套机柜算力，CPU在这本新账本里的权重正在明显抬升。
从“买GPU”到“配机柜”：AI算力采购清单被拉长
在大模型预训练为主的阶段，采购一台训练服务器，预算与评审的重心几乎都落在GPU上。CPU、内存、存储与网络更多被视作配套底座，按既定拓扑规格配套落地，很少会因为要不要多加几颗CPU单独论证。行业长期通行1颗CPU承载8颗GPU的经典配比，在以浮点算力为标尺的账本里，CPU的计算能力几乎可以忽略。
但Agent负载把这道算术题改了。落到云厂商采购环节，变化已经非常清晰：
- 早年搭建训练集群，采购基本等同于确定采购多少张GPU，属于单一核心变量的单选题。
- 面向Agent的推理集群，采购清单已经拉长为一整套系统方案：GPU算力、CPU核数、系统DRAM、KV缓存SSD、高速交换机、机柜配电与散热容量，所有环节必须整体匹配、统一规划，单一硬件指标已经无法决定集群交付能力。
英伟达自家机架产品的规格，侧面印证算力配比逻辑正在转向：GB200 NVL72以及面向Agent场景的Vera Rubin NVL72，标准配置都是36颗CPU对应72颗GPU。虽然这部分是和GPU深度绑定的Grace/Vera Arm核，与采购清单上独立的x86主机CPU不能直接划等号，但它代表平台设计思路的转向：Agent、长上下文推理场景下，控制与编排资源不再是附带品。
单机柜内CPU配置规模大幅抬升，整机系统内存随之同步扩容；为支撑多节点并发调度与工具调用的网络交互，高速网络端口必须同步增加；整机功耗持续走高，供电容量、液冷散热方案都要重新核算。AI算力的投入逻辑，正在从只采购加速卡，转向搭配一整套均衡的算力机柜。
为什么Agent一来，CPU就成了“大管家”
在很长一段时间内，市场始终将GPU和AI算力划上等号。在大模型问答时代，CPU确实憋屈——它就像GPU的专职秘书：用户发个指令，CPU接过来转手给GPU；GPU算完，CPU再原封不动递回去。但到了AI Agent时代，剧本彻底改写。当AI从“一问一答的聊天机器人”，进化为“能自己动手干活的执行者”，CPU直接升级成了整个系统的“大管家”。
这个转变的核心技术逻辑，藏在Agent的“执行属性”里。东吴证券、国金证券等多个机构总结道，Agent对CPU需求提升主要来自三方面：
- 应用调度压力：当AI智能体层出不穷，服务器端整体调用频次与覆盖面显著升高，带来更多系统请求、数据搬运与控制流开销。
- 高并发工具调用成为瓶颈：大语言模型叠加了决策编排器与多类外部工具，整体计算流程演化为“感知-规划-工具调用-再推理”的闭环结构。工具调用、任务调度、信息检索等关键环节均依赖CPU完成。
- 沙箱隔离抬升刚性开销：每个Agent任务都可能在云端创建数十个沙箱，安全隔离环境需要达到虚拟机级别的隔离效果，这直接抬高了CPU的刚性负载。
为什么CPU负载反而高于GPU？东吴证券指出，Agent时代AI由“纯对话”转向了“执行任务”，因此产生大量if/else判断。这种“分支类任务”倘若由GPU执行，会因控制流发散导致算力利用率急剧下降；相比之下，CPU的微架构却能够适应此类任务。
最新研究给出了一个震撼数据：在完整的Agent执行链路中，工具处理相关环节在CPU上消耗的时间占端到端延迟的比例最高可达90.6%。在高并发场景下，CPU端到端延迟从2.9秒跃升至6.3秒以上。其结果揭示了在大量Agentic场景中，系统吞吐受限的并非GPU计算能力，而是CPU的核心数并发调度问题。
英特尔DCAI暴增80%，产能却只够满足一半客户
当业界目光长期聚焦于GPU时，服务器CPU正以另一种方式重新回到算力舞台的中央。英特尔2026财年第三财季交出了一份超出市场预期的成绩单：营收165亿美元，同比增长21%；其中数据中心与人工智能（DCAI）业务营收73亿美元，同比暴增近80%，创下该板块15年来最强增长，营业利润30亿美元，占板块营收42%。
英特尔CEO陈立武在财报电话会议上给出了关键判断：GPU擅长AI的“思考任务”，而CPU在处理查找类任务时能效更高；即便保守估算，未来五年面向数字智能体的CPU市场规模（TAM）空间巨大。他同时透露，目前CPU需求旺盛到只能满足约50%客户需求。
这个判断并非空穴来风。在COMPUTEX期间，陈立武更直言：近四周有多家CEO打电话给他，希望取得更多CPU。他指出，与许多前沿模型团队交流后发现，在强化学习、编排与代理式应用中，CPU使用效率与需求都相当高。未来CPU与GPU的需求比例可能不再只是1比1，甚至可能更偏向CPU。
市场供需已经出现极端失衡：
- 超大规模云服务商“扫货”之下，英特尔与AMD在2026全年的服务器CPU产能已基本售罄。
- 为应对供需失衡并确保后续供应稳定，两家公司均计划将服务器CPU价格上调10-15%。
- 英特尔甚至紧急将产能转向服务器端，一度导致消费电子端交付受阻。
- 由于ARM CPU瓶颈，英伟达已计划在下一代Rubin架构中大幅提升CPU核心数，并开放NVL72机柜对x86 CPU的支持。
英伟达这个GPU“超级玩家”还主动掏出20亿美元追加认购CoreWeave股票，并声称后者将在其平台上部署Vera CPU——一款专为“代理式推理（Agentic Reasoning）”设计，且在大规模AI工厂最具能效优势的CPU。
需求海啸前夜：CPU与GPU的比例逻辑正在反转
这根本不是周期性问题，而是计算范式变革带来的结构性矛盾：当AI服务器的需求从“大模型训练”转向“Agent推理+执行”，CPU的用量模型被彻底改写——它不再和GPU强绑定，而是直接和Agent的用户数、任务复杂度、并发量挂钩。
有一种观点认为，现在的沙箱执行模式太浪费资源——一个0.5核的沙箱，实际CPU利用率只有5%，通过“线程池化”技术，利用率能提升到70%-80%，理论上有20倍的优化空间。按这个算法，一台16核的服务器就能管理1000个沙箱环境。但问题的关键是：需求端的增速是200倍、甚至2000倍。
- 当Agent从“实验室演示”走向“大规模商用”，用户基数会从百万级直接冲向十亿级。
- 每个用户每天触发几十次任务，每次任务又会创建多个沙箱。
- 这种指数级爆发的需求，软件优化的速度根本追不上。
英特尔管理团队进一步指出，Agentic AI在企业与数据中心端，正好落在英特尔熟悉的领域。Xeon长期深耕企业市场，英特尔对相关工作负载已有多年经验。随着AI agent数量快速增加，服务器与机柜需要在单位空间中运行大量agent，Xeon具备高密度部署优势——已通过Xeon 6 Plus展示在单一机柜中可提供高密度agent运算能力。
这场CPU的逆袭之战，本质上是AI从“思考者”向“执行者”进化过程中，计算范式的一次权力转移。当OpenAI的Operator、Anthropic的Claude Computer Use、智谱的AutoGLM真正走进千万用户的日常，当每个Agent任务都在云端创建数十个沙箱、在端侧驱动无数次交互——CPU就不再是那个被GPU光芒掩盖的配角，而是支撑起整个Agent经济体的分布式神经系统。
回到英特尔这份财报本身，DCAI业务15年来最强增长的意义不在于一个季度的数字高低，而在于它揭示了一个被GPU光环掩盖的趋势：AI算力的下一阶段，CPU将重新获得结构性增量空间。智能体的自主性越强，任务编排、工具调用、数据查找、状态管理的复杂度越高，对高能效CPU的需求就越刚性。
2026年的CPU涨价缺货，不是终点，只是这场算力革命的开场锣。CPU市场将迎来持续5-10年的高增长周期，缺货和涨价只是开胃菜。对于通信行业而言，关注这场算力结构迁移，比追逐单季财报数字更有长期意义。
