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根据TrendForce集邦咨询最新AI服务器产业研究随着各AI服务厂商积极推出AI Agent 相关应用服务器CPU需求自2025年下半年起稳步成长预估2026年出货年增幅将达 31%。2027年由于AI推理需求持续成长、Agentic AI服务渗透率提升服务器CPU出货量有望再年增逾40%不过以x86阵营主导的市场格局可能出现变化。在GPU叙事霸屏的市场上这条消息没有掀起太大浪花。但站在采购与资本开支的视角重读这份预测它指向另一层变化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。一笔账从一行变成了三张清单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。集邦咨询Trendforce 4月24日发布博文报道称在2026年第一季度财报电话会议上英特尔首席执行官陈立武表示伴随着AI工作负载重心从训练转向推理推动CPU和GPU之间的比例关系平衡从1:8向1:1转变带动CPU需求激增。行业数据显示AI智能体时代每吉瓦所需的CPU核心数可能从3000万激增至1.2亿增长4倍。这并不意味着CPU的浮点算力追上了GPU本质是负载结构发生了迁移模型token生成这类密集矩阵计算依然更适合交给GPU而任务规划、请求路由、工具调用、多智能体之间的协调调度这类带有大量分支判断、外部交互的逻辑类工作现阶段更多交由CPU承载。当然行业里也在尝试把部分轻量编排逻辑下沉到加速卡侧只是尚未成为主流。投行KeyBanc分析师表示AMD EPYC服务器CPU 2026年全年产能近乎售罄高端型号交期拉长至8–10周。英伟达自家机架产品的规格也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。当然这部分是和GPU深度绑定的Grace/Vera Arm核和采购清单上独立的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。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。但面向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。过去核算AI基础设施TCO预算重心几乎锚定在GPUCPU更多是跟随整机方案配套、可适度压缩的附属项。而在Agent驱动的新负载下CPU已经升级为需要独立评估规格、单独排产、单独商务议价的采购科目。对芯片与服务器供应商来说这是一块明确的增量市场对云厂商和大模型企业这类采购方而言它意味着多了一层需要权衡的成本变量也新增了一个议价抓手。一条被市场低估的支线CPU增量需求的底层已经分化出三类诉求完全不同的买家。一类是云厂商深度绑定自家软件栈和自研适配Agent负载的Arm算力一类是面向AI原生创业与模型客户、CPU-GPU配比灵活调整的通用算力还有一类面向传统企业客户优先考虑生态兼容性的x86算力。不同路线对应的负载诉求、迁移成本以及议价空间差异很大也会影响增量红利最终流向谁。此前AI赛道的估值定价重心基本锚定在GPU产业链HBM、先进封装、光模块、液冷、机柜集成每个环节都诞生了高估值标的。CPU长期游离在AI的主线叙事之外Intel和AMD的股价弹性整体不及GPU上下游的标的。这套定价逻辑正在随Agent负载带来的算力配比重构慢慢发生偏移。倘若TrendForce的预判能够落地服务器CPU产业链有望走出一条久违的增长曲线。而这一轮增量红利最终流向哪些玩家会是资本市场持续研判的核心命题。一种可能的分配路径是Arm阵营拿下本轮增量里的大头。AWS Graviton、阿里云倚天、Google Axion这类云厂商自研CPU叠加NVIDIA机柜平台中的Grace、Vera共同推高Arm架构服务器CPU的出货规模连带拉动配套代工、先进封装与内存需求。对台积电和封测厂商而言这是独立于GPU订单之外的一条新需求曲线但它所消耗的工艺与封装资源和高端加速卡并不完全重合。另一种分配路径则是x86阵营依托稳固的存量基本盘在通用推理和企业混合云场景守住份额更长时间。Intel Xeon 6、AMD第六代EPYC都已经面向Agent负载做针对性优化。成熟的软件生态、遍布行业的渠道网络以及长期沉淀的企业客户服务链路是Arm方案短期内很难补齐的短板。在这个情景里即便Agent相关负载规模化落地x86也不一定会快速丢失阵地。还有一层容易被忽略的供应链传导效应CPU需求抬升或将重塑服务器整机赛道的话语权格局。在AI训练集群主导的阶段能不能拿到GPU配额往往是整机厂商拿到订单的核心前提。而随着CPU、内存、电源、散热在采购清单里的优先级同步抬升整机厂商与系统集成商的角色有机会从被外界简单贴上标签的组装厂向方案设计者回归。混合Agent负载对整机拓扑、资源配比以及功耗平衡的定制化要求会放大系统层面的设计价值。当然还有一层风险值得留意倘若资本市场提前按照CPU超级周期给相关标的定价但 Agent商业化落地节奏不及预期估值回撤的速度可能和此前上涨一样迅速。这条增长支线现阶段仍然停留在预期层面尚未充分兑现到业绩里相关定价更需要锚定可验证的出货与落地数据而非单纯的叙事。X86的租金Arm的增量服务器CPU市场十几年来的格局很大程度上建立在一笔生态租金之上。大量数据库、中间件、行业业务系统长期围绕这套架构开发客户切换架构的迁移成本高昂构成长期稳定的壁垒。当然租金的前提是厂商持续投入芯片架构与平台能力迭代并非单纯依靠历史积累坐享红利。Intel与AMD长期拿下近九成市场份额背后并不来自芯片性能的绝对碾压。真正的壁垒是围绕x86生长起来的完整软件生态全球绝大多数企业软件、数据库、中间件与运维工具链长期以x86作为默认适配基准跨架构迁移需要承担不菲的改造与验证成本。一旦客户切换芯片架构就要直面整套软件栈的兼容改造压力。高昂的迁移成本构成了x86的护城河也是这份生态租金的底层支撑。Arm并不是没有发起过挑战从早年的Calxeda再到后来的AmpereArm服务器芯片已经试了十几年始终难以在传统企业市场形成规模化落地其核心阻碍就是x86垒起的软件生态高墙。当然早期尝试还叠加硬件、资金、客户落地节奏等多重约束生态迁移成本依然是最难翻越的一环。但这一轮突破的路径已经不一样不再正面冲击存量厚重的传统企业市场转而从云厂商或AI原生客户这类可以自主把控整套软件栈的场景切入。这类主体有条件在业务起步阶段就基于Arm做适配不必去撬动已经固化的存量应用生态。比如云厂商在底层做操作系统、调度组件与运行时环境的深度定制把架构适配、兼容性验证的成本在体系内部消化以此绕开Arm长期面对的外部生态短板。而NVIDIA走出了另一条路径它并非完全不对外提供独立Arm CPU但是在GB200、Vera Rubin这类NVL72整机柜方案里Grace、Vera和GPU以Superchip的形式深度耦合打包交付。客户采购的是一套面向Agent负载优化的整机AI机架这部分Arm CPU的出货规模直接和机柜内GPU的交付量绑定。GB200到Vera Rubin两代机架迭代、订单上量的过程也同步带动配套Arm CPU的出货同步增长。可以看出市场正在走向分化x86守住存量生态的基本盘Arm借Agent带来的增量市场打开新的增长空间。31%、40%的增幅看起来很有吸引力不过拆解这份预测不难发现它依托于三组还没有落地验证的假设。第一个假设是Agent能够实现规模化商业化落地。当下云厂商与大模型企业都在密集推出Agent相关产品但用户付费意愿、任务端到端完成率以及企业客户长期调用规模都还没有经历完整商业周期的检验。倘若Agent长期停留在演示效果亮眼和付费转化偏弱的状态服务器CPU的增量空间就会相应收缩Arm依托这一赛道扩张的叙事也会随之承压。第二个假设是CPU、GPU的资源配比会稳定在高CPU消耗的区间。现阶段Agent负载确实带来显著的主机侧开销但推理框架与底层架构的迭代随时可能重塑负载分布。第三个假设是Arm生态的碎片化问题不会拖累扩张节奏。Graviton、Axion、Ampere、Grace/Vera等不同Arm平台彼此并不能做到完全兼容软件往往需要针对不同平台单独适配调优。在云厂商封闭的自有生态内这类适配成本可以内部消化但当Arm方案走出闭环面向外部ISV与传统企业客户推广时碎片化就会转化为明确的迁移与维护成本。对产业投资者而言更有价值的做法是盯住三组前置高频指标云厂商硬件采购清单里 CPU与GPU的配比变动、Agent产品的真实调用规模与付费转化效率、Arm架构服务器 CPU在季度出货中的占比变化。一线订单与业务运营数据远比任何机构的远期预测更贴近产业真实景气度。把TrendForce这份预测放回商业语境里它本质指向一个朴素的变化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。GPU依旧是算力采购里最大的支出项但CPU、内存、网络、供电这些此前被视作配套的环节开始在预算分配中获得独立权重。原文链接Agent改写算力账本CPU不再是AI服务器的配角-36氪我的专辑《人工智能生命体 新启点》CSDN平台https://blog.csdn.net/2501_91883294/article/details/147616608?sharetypeblogdetailshareId147616608sharereferAPPsharesource2501_91883294sharefromlink
企业数字化 ERP 产品动态
相关推荐
深势科技面经 深势科技 Python 初筛
关于个人情况:在大四下学期大部分时间都在郑州一家小公司实习,毕业后一直留到 9 月 17 日。离职后在郑州又待了几天,过完中秋节和国庆节,随后前往杭州寻找工作。深势科技整体给我留下非常好的印象࿰… · 2026/11/3 10:48:17
史上首次!谷歌TPU在轨运行Gemma 4 散热?太空辐射?成本?
「写一首关于身处太空的俳句。」
几天前,谷歌的工程师通过地面站,将这样一条提示词发送给了运行在地球轨道上的卫星。
收到指令后,卫星搭载的 TPU 启动,预先部署的 Gemm… · 2026/11/3 10:48:17
10 月 27 日那个检查点,把「一次生成成功」从碰运气变成了常态 10 月 27 日那个检查点,把「一次生成成功」从碰运气变成了常态
做 3D 代码生成这件事,评估口径很容易跑偏。社区里几乎所有的讨论都停留在“这图好看不好看”“这次生成的樱花树有没有氛围”——但对于一个输出「单文件 HTML 内联 JavaScript 远程加载… · 2026/11/3 10:47:16
Paperclip协议:Node.js构建AI应用胶水层的工程实践 1. 项目概述:Paperclip 不是回形针,而是一个被严重误读的 AI 工具链枢纽“Paperclip”这个词在中文技术社区里,最近三个月正经历一场诡异的语义漂移。它不再指代办公桌上那个弯折金属丝的小物件,而是频繁出现在 Node.js 安装教程评… · 2026/11/3 15:57:54
AI工程化从零构建:可审计、可压测、可回滚的系统实践 1. 这不是“搭积木”,而是重建AI系统的地基你有没有试过在深夜调试一个看似简单的模型服务接口,结果发现它在生产环境里每小时掉线三次、日志里堆满“CUDA out of memory”却查不出哪层在偷偷吃显存、监控面板上延迟曲线像心电图一样忽高忽低?… · 2026/11/3 15:57:54
Paperclip不是工具而是LLM本地工作流胶水层 1. 项目概述:Paperclip 不是回形针,而是一个被严重误读的 AI 工具链枢纽 “Paperclip”这个词在中文技术社区里,最近半年正经历一场诡异的语义漂移。它不再指代办公桌上那个弯折金属丝制成的物理小物件,而是悄然演变成一个高频混用… · 2026/11/3 15:57:54
DeepSeek本地化部署:CUDA 11.8与PyTorch训练环境配置避坑 简介:《DeepSeek 本地化部署实现私有化训练医疗数据实战方案》面向医疗信息化团队、深度学习算法工程师及需要处理敏感病历数据的技术人员,聚焦在受控本地环境中完成DeepSeek部署与医疗数据训练,兼顾隐私合规与模型落地。资料以单份PDF呈现&a… · 2026/11/3 15:57:54
WAF是什么:云WAF、反向代理与规则引擎选型指南 简介:《WAF的实现与架构演进.pptx》面向Web安全初学者及运维、开发人员,系统梳理Web应用防火墙的防护对象、产品形态与架构选型。内容从SQL注入、XSS、CSRF、恶意爬虫与CC等七层攻击的识别阻断切入,对比硬件WAF、软件WAF与云WAF的部署差异&am… · 2026/11/3 15:57:54
宏智树AI如何革新学术研究流程 1. 项目概述:重新定义AI辅助学术研究的边界 去年帮导师带本科生论文时,发现一个有趣现象:学生们使用AI工具时普遍存在两极分化——要么完全依赖生成内容导致学术事故,要么因担心抄袭彻底拒绝技术辅助。这促使我系统测试了市面上12… · 2026/11/3 15:56:52
双极步进电机控制实战:DRV8818PWPR与PIC18F86K22驱动调试 /* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/2 13:10:28
STM32F207ZG + DRV8818PWPR 步进电机驱动实战解析 /* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/3 6:04:24
DRV8818PWPR+dsPIC30F4013工业级双极步进电机控制方案 /* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/3 5:52:46
STM32F411RE与MAX14431实现SPI隔离:工业现场抗共模干扰实战 /* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/3 1:01:59
ESP32+大模型AI硬件开发:从Demo到产品的8个工程问题 /* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/3 1:01:59
基于MAX14431BAEE+与PIC18F85J10的SPI隔离方案设计与实践 /* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/3 1:01:59
双极步进电机控制实战:DRV8818PWPR与PIC18F86K22驱动调试 /* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/2 13:10:28
STM32F207ZG + DRV8818PWPR 步进电机驱动实战解析 /* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/3 6:04:24
DRV8818PWPR+dsPIC30F4013工业级双极步进电机控制方案 /* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/3 5:52:46