作者：王纬竹发布时间：2026-06-13 22:04:20 点击数：39119

今日官方披露研究成果高圆圆打卡南京 很高兴为您解答这个问题，让我来帮您详细说明一下。品牌授权报修电话，快速上门服务

江苏省连云港市赣榆区四川省宜宾市翠屏区内蒙古锡林郭勒盟镶黄旗南阳市内乡县江西省景德镇市昌江区朝阳区双井街道贵州省黔东南苗族侗族自治州天柱县江苏省连云港市赣榆区延庆区沈家营镇丰台区宛平城地区内蒙古兴安盟乌兰浩特市广东省汕头市龙湖区黑龙江省佳木斯市汤原县陕西省汉中市西乡县无极县大陈镇黑龙江省鸡西市鸡冠区云南省丽江市宁蒗彝族自治县朝阳区小红门地区武清区汊沽港镇丰台区长辛店镇门头沟区大峪街道山西省晋中市灵石县阿克苏地区新和县平山县岗南镇平山县岗南镇黑龙江省大兴安岭地区呼玛县南开区长虹街道淮南市大通区长安区南村镇黑龙江省佳木斯市富锦市广东省深圳市四川省遂宁市蓬溪县百色市田林县钦州市江苏省徐州市新沂市甘肃省白银市景泰县山西省运城市夏县福建省南平市云南省普洱市景东彝族自治县四川省甘孜藏族自治州九龙县蓟州区东赵各庄镇西城区天桥街道昌平区阳坊镇昌平区小汤山镇平山县宅北乡延庆区康庄镇黑龙江省哈尔滨市巴彦县西藏山南市隆安县山西省晋中市榆社县青秀区江西省宜春市宜丰县长安区广安街道延庆区康庄镇密云区不老屯镇海南省三沙市西沙区山西省晋城市高平市桂林市秀峰区山东省泰安市东平县朝阳区管庄地区贵州省黔东南苗族侗族自治州天柱县陕西省西安市未央区广东省广州市越秀区江苏省连云港市赣榆区江西省宜春市奉新县广东省云浮市新兴县内蒙古呼伦贝尔市阿荣旗黑龙江省鹤岗市四川省凉山彝族自治州西昌市吉林省长春市双阳区江西省吉安市永新县鹿泉区寺家庄镇朝阳区双井街道山东省滨州市福建省三明市梅列区山西省晋中市灵石县赞皇县西龙门乡辽宁省沈阳市沈河区甘肃省定西市渭源县湖北省宜昌市秭归县钦州市贵州省铜仁市印江土家族苗族自治县山西省长治市襄垣县江西省赣州市石城县四川省凉山彝族自治州昭觉县密云区不老屯镇四川省宜宾市江安县内蒙古兴安盟乌兰浩特市焦作市中站区青秀区辽宁省沈阳市浑南区四川省凉山彝族自治州昭觉县青海省海南藏族自治州贵德县湖北省襄阳市襄州区北辰区广源街道贵州省安顺市普定县山东省潍坊市青州市山西省晋中市榆社县山西省忻州市宁武县云南省西双版纳傣族自治州勐腊县

今日研究机构公开新政策GPU神话松动，AI真正的战场变了，很高兴为您解答这个问题，让我来帮您详细说明一下:官方服务专线，支持多品牌报修

湖北省宜昌市西陵区西藏阿里地区日土县广东省惠州市龙门县昌平区延寿镇蓟州区东二营镇丰台区长辛店镇广东省佛山市三水区江苏省徐州市广东省珠海市斗门区哈密市伊吾县江苏省苏州市相城区哈密市伊吾县行唐县龙州镇湖北省宜昌市夷陵区朝阳区小红门地区和田地区阿克苏地区拜城县桥西区留营街道江西省吉安市吉安县隆安县赞皇县西龙门乡辽宁省沈阳市崇左市宁明县辽宁省沈阳市浑南区海南省海口市美兰区河东区东新街道湖北省宜昌市秭归县江西省赣州市石城县信阳市平桥区海淀区青龙桥街道西藏阿里地区日土县福建省莆田市城厢区新乐市协神乡山西省吕梁市岚县山西省吕梁市岚县黑龙江省伊春市金林区福建省福州市罗源县银川市贺兰县密云区不老屯镇怀柔区雁栖地区四川省宜宾市珙县朝阳区小红门地区辽宁省铁岭市开原市四川省成都市双流区平山县岗南镇陕西省汉中市留坝县福建省南平市青海省果洛藏族自治州和平区南市街道贵州省安顺市普定县山东省聊城市茌平区青海省海北藏族自治州门源回族自治县焦作市沁阳市元氏县苏村乡陕西省西安市未央区湖北省宜昌市秭归县四川省甘孜藏族自治州丹巴县桥西区苑东街道桂林市秀峰区山东省淄博市临淄区甘肃省白银市景泰县山东省威海市四川省成都市双流区元氏县殷村镇北辰区固原市西吉县云南省西双版纳傣族自治州勐腊县合肥市瑶海区河东区东新街道江苏省苏州市相城区云南省丽江市宁蒗彝族自治县湖北省宜昌市宜都市福建省漳州市龙海市江西省九江市武宁县四川省宜宾市珙县海淀区青龙桥街道云南省红河哈尼族彝族自治州绿春县丰台区长辛店镇朝阳区小红门地区延庆区康庄镇南阳市内乡县鹿泉区寺家庄镇平山县岗南镇塔城地区和布克赛尔蒙古自治县元氏县南开区体育中心街道桥西区苑东街道山东省烟台市牟平区北辰区广源街道云南省红河哈尼族彝族自治州泸西县蓟州区东施古镇山西省忻州市定襄县蚌埠市蚌山区朝阳区酒仙桥街道山东省威海市密云区古北口镇甘肃省天水市秦州区昌平区阳坊镇云南省大理白族自治州云龙县江西省九江市武宁县

全球服务区域:内蒙古锡林郭勒盟正镶白旗巴音郭楞蒙古自治州和硕县元氏县苏村乡江苏省镇江市句容市江西省宜春市宜丰县武清区上马台镇湖北省宜昌市夷陵区延庆区沈家营镇桥西区东华街道和田地区钦州市静海区大邱庄镇合肥市瑶海区四川省宜宾市珙县江西省吉安市永新县云南省普洱市景东彝族自治县湖北省宜昌市西陵区江苏省苏州市相城区湖北省宜昌市西陵区昌平区小汤山镇武清区汊沽港镇贵州省铜仁市印江土家族苗族自治县陕西省汉中市西乡县塔城地区和布克赛尔蒙古自治县山东省潍坊市青州市辽宁省锦州市义县贵州省铜仁市玉屏侗族自治县广东省汕头市南澳县内蒙古鄂尔多斯市康巴什区湖北省恩施土家族苗族自治州恩施市怀柔区宝山镇北辰区广源街道喀什地区麦盖提县鹿泉区白鹿泉乡广东省云浮市新兴县内蒙古锡林郭勒盟镶黄旗江西省鹰潭市余江区西藏拉萨市达孜区贵州省黔南布依族苗族自治州惠水县顺义区空港街道陕西省汉中市西乡县井陉县吴家窑乡静海区大邱庄镇和平区南市街道江西省鹰潭市余江区丰台区和义街道伊犁哈萨克自治州昭苏县密云区河南寨镇福建省莆田市城厢区濮阳市南乐县辽宁省大连市旅顺口区福建省南平市建瓯市黑龙江省绥化市明水县四川省凉山彝族自治州昭觉县北辰区丰台区右安门街道内蒙古鄂尔多斯市鄂托克旗丰台区和义街道丰台区右安门街道江西省吉安市吉安县桥西区苑东街道崇左市甘肃省定西市渭源县平山县小觉镇武清区汊沽港镇福建省福州市永泰县内蒙古鄂尔多斯市鄂托克旗开封市通许县四川省宜宾市江安县江西省景德镇市昌江区山西省长治市襄垣县怀柔区雁栖地区怀柔区雁栖地区桥西区苑东街道密云区高岭镇固原市西吉县辽宁省沈阳市沈河区云南省普洱市景东彝族自治县开封市通许县桥西区东华街道山东省烟台市龙口市西城区月坛街道山东省德州市齐河县山东省聊城市冠县桥西区东华街道静海区大邱庄镇云南省红河哈尼族彝族自治州绿春县朝阳区小红门地区福建省南平市甘肃省庆阳市镇原县内蒙古兴安盟乌兰浩特市静海区西翟庄镇山东省青岛市城阳区昌平区延寿镇福建省莆田市城厢区丰台区和义街道内蒙古鄂尔多斯市康巴什区江西省景德镇市昌江区福建省厦门市湖里区广东省惠州市龙门县

今日相关部门发布重磅报告GPU神话松动，AI真正的战场变了，很高兴为您解答这个问题，让我来帮您详细说明一下:售后服务维修中心电话，支持多渠道服务

全国服务区域：山西省晋中市灵石县蓟州区东施古镇元氏县河西区桃园街道江西省九江市武宁县陕西省宝鸡市千阳县四川省宜宾市珙县内蒙古锡林郭勒盟正镶白旗阿克苏地区新和县河西区桃园街道山西省阳泉市平定县西藏山南市贡嘎县甘肃省天水市秦州区和田地区元氏县塔城地区和布克赛尔蒙古自治县山西省临汾市安泽县山西省临汾市安泽县静海区西翟庄镇陕西省西安市未央区山西省吕梁市中阳县江苏省徐州市元氏县殷村镇贵州省铜仁市印江土家族苗族自治县许昌市建安区湖北省恩施土家族苗族自治州恩施市贵州省黔南布依族苗族自治州惠水县山东省德州市齐河县山西省临汾市安泽县江苏省徐州市丰县青海省玉树藏族自治州治多县密云区河南寨镇青海省玉树藏族自治州治多县山东省枣庄市台儿庄区青海省海北藏族自治州门源回族自治县辽宁省本溪市溪湖区山东省青岛市城阳区延庆区康庄镇和田地区云南省西双版纳傣族自治州勐腊县四川省成都市新都区密云区河南寨镇濮阳市南乐县蚌埠市蚌山区怀柔区宝山镇贵州省黔南布依族苗族自治州惠水县银川市贺兰县福建省南平市建瓯市蓟州区东赵各庄镇桂林市秀峰区云南省文山壮族苗族自治州广南县福建省南平市建瓯市辽宁省朝阳市北票市江西省萍乡市上栗县辽宁省沈阳市沈河区西藏拉萨市达孜区四川省凉山彝族自治州甘洛县内蒙古鄂尔多斯市康巴什区喀什地区叶城县山西省晋中市太谷区内蒙古乌海市乌达区广东省深圳市陕西省咸阳市兴平市四川省德阳市广汉市青海省果洛藏族自治州乌鲁木齐市沙依巴克区四川省宜宾市翠屏区丰台区和义街道青海省果洛藏族自治州元氏县苏村乡广东省惠州市龙门县江西省吉安市永新县广东省广州市越秀区山东省烟台市龙口市山东省泰安市东平县无极县大陈镇福建省漳州市龙海市四川省广安市岳池县信阳市平桥区辽宁省沈阳市浑南区河东区东新街道蓟州区东二营镇博尔塔拉蒙古自治州温泉县西城区月坛街道山西省朔州市山阴县长安区广安街道宝坻区牛家牌镇陕西省汉中市南郑区山东省聊城市冠县鹿泉区白鹿泉乡亳州市利辛县昌平区小汤山镇江西省赣州市石城县密云区古北口镇昌平区阳坊镇福建省莆田市城厢区江西省宜春市宜丰县北辰区蓟州区东施古镇甘肃省陇南市

售后服务上门服务电话，智能分配单据：GPU神话松动，AI真正的战场变了

出品 | 妙投APP

作者 | 张博

编辑 | 丁萍

头图 | AI生图

过去两年，AI产业最强的叙事几乎都围绕GPU展开。

从OpenAI掀起大模型浪潮，到英伟达市值飙升，再到云厂商、互联网平台和创业华体汇电竞-华体汇(中国)争抢高端算力，GPU被塑造成AI时代最稀缺的“硬通货”。谁拥有更多GPU，谁就更接近模型能力上限，谁能搭起更大训练集群，谁就更像拿到了下一代AI的门票。

在这套叙事中，CPU没有消失，但明显退居幕后。它仍然是服务器的基础部件，是操作系统、数据库、网络和应用运行的底座，却不再是AI故事里的主角。市场甚至形成了一种近乎默认的判断：AI时代，GPU吃肉，CPU喝汤。

但到2026年，这个判断已经不够用了。因为AI产业正在发生一个更深层的变化：主战场正从训练竞赛，转向部署竞赛；价值重心正从峰值算力，转向系统效率。

这意味着，真正决定AI商业化速度的，不再只是GPU能把模型训得多大、多快，而是整套系统能否以可控成本、稳定吞吐和高利用率，把模型真正跑起来、用起来、赚到钱。

一旦竞争从“单卡性能”转向“端到端效率”，CPU就不再只是配角，而是AI基础设施里那个被长期低估的系统变量。

市场为何重新看英特尔？

不只是因为财报，而是因为需求结构变了。

最近一个值得注意的信号，是英特尔重新获得资本市场关注。2026年第一季度，英特尔营收约为136亿美元，同比增长7%，连续第六个季度超预期；净利润同比增长156%。其中，数据中心与AI相关业务（DCAI）收入达到约51亿美元，同比增长22%，成为增长最快的板块。财报发布后，英特尔股价盘后最高上涨超40%（截至4月30日）。

如果只看华体汇电竞-华体汇(中国)层面，这当然不足以说明英特尔已经彻底翻身。它仍面临制程追赶、服务器CPU份额承压、Arm渗透、云厂商自研芯片推进等问题。但市场还是给了它新的想象空间，原因不在于英特尔突然变成AI明星，而在于投资人开始意识到：AI基础设施的需求结构，已经不再只是“多买GPU”。

英特尔管理层在财报会上透露，数据中心中CPU与GPU的部署比例，正从传统的1:8收紧到1:4，在智能体场景中甚至可能进一步向1:1靠近。

这背后的含义非常明确：过去两年AI行业最核心的矛盾是训练能力不足，而今天越来越多企业开始面对另一组问题，模型训练完之后，如何推理、如何部署、如何扩展、如何控制成本。

也就是说，资本市场重新定价的，不只是英特尔，而是一个更深层的事实：AI开始进入系统竞争阶段。

CPU的重要性从何而来？

先要回答另一个问题：为什么AI今天的核心矛盾，已经不再只是训练。因为训练虽然贵，但对大多数企业来说，它更多是阶段性的资本开支；而推理、部署和调用，才是持续性的运营开支。

训练决定模型能不能做出来，推理决定模型能不能活下去。这一变化已经有明确的数据支撑。

Deloitte估算，推理工作负载占AI总算力的比例在2023年约为1/3，2025年接近1/2，到2026年预计达到2/3。IDC预测，到2027年中国推理算力占整体算力比例将突破70%。另有研究预计，到2026年推理带来的市场规模将是训练硬件市场的2到3倍。这些数字共同说明一件事：AI的成本中心和价值中心，正在从“训练一次”转向“运行无数次”。

郑纬民院士给过一个更直白的拆分：在大模型推理成本中，人力仅占3%，数据占2%，算力占到95%。他举例称，ChatGPT的推理开销每天约70万美元，DeepSeek V3每天约8.7万美元（按各自披露口径）。

这组数据真正说明的，不是“推理也很贵”，而是一旦AI进入大规模使用阶段，真正吞噬利润的不是训练账，而是推理账。国家数据局的数据进一步放大了这种压力：中国日均Token调用量从2024年初约1000亿，跃升至2026年3月的140万亿，两年增长超千倍。

如果说训练是一次性把钱砸进去，那么推理就是每天都在把钱烧出去。训练贵，是研发问题；推理贵，是利润问题。而一旦问题变成利润问题，企业就不可能再只盯着模型参数和GPU数量，而必须开始追问：

GPU是不是被充分利用了？哪些任务必须用GPU？哪些其实应该交给CPU？整套系统的吞吐率和资源利用率到底高不高？

这正是CPU重新变重要的起点。

很多人理解AI基础设施，还停留在“GPU越多越好”的阶段。但现实是，今天大量AI系统面临的核心问题，不是GPU不够强，而是系统喂不饱GPU。

MLPerf行业基准测试显示，在大模型训练场景中，数据加载、预处理、参数同步等环节带来的延迟，可占总训练时间的35%到60%。IDC调研则显示，即使是头部互联网企业的AI推理集群，GPU平均利用率也长期低于40%；大量中小企业的GPU集群利用率甚至不足15%。

这意味着什么？

意味着今天最昂贵的AI资源，正在被大规模浪费。不是因为GPU性能不行，而是因为数据流动、任务调度、内存管理、I/O协同、网络处理这些系统环节跟不上。换句话说，GPU算得很快，但系统供给不上，结果就是一边拼命买卡，一边大面积闲置。

这也是为什么CPU的重要性，不是“多卖一点服务器芯片”那么简单，而是它直接决定AI系统的资源利用率和ROI。

因为在真实工作流里，GPU从来不是单独工作的。它前面有数据准备，后面有结果处理，中间有任务调度、缓存维护、上下文切换、网络通信、容器管理、数据库交互。这些环节里，真正承担控制流和系统协同的，主要是CPU。

所以问题的本质不是“CPU能不能替代GPU”，而是如果CPU和系统层能力跟不上，再强的GPU也只是昂贵的闲置资产。

智能体兴起，让CPU从“底座”变成“中枢”

如果说推理阶段让CPU重新重要，那么智能体（Agent）的兴起，则把这种重要性进一步放大。

因为智能体不是一个“更会聊天”的模型，而是一套真正要执行任务的系统。它要理解目标、拆解步骤、调用工具、访问数据库、连接API、执行代码、维护状态、判断结果，必要时还要调用其他模型或子Agent协同。

在这条链路中，模型推理只是其中一环。大量工作并不是“算”，而是“调度”“编排”“切换”“访问”“管理”。这些工作本质上都属于控制流和系统协同，而这正是CPU最擅长的领域。

康奈尔大学的研究显示，在五类代表性Agent工作负载中，CPU端的工具处理、逻辑调度和数据预处理，占总端到端延迟的比例高达43.8%到90.6%。在典型的RAG场景中，CPU处理甚至可能占到总延迟的90%以上，GPU推理反而不到10%。

这组数据的意义非常明确：在智能体时代，很多真实任务的瓶颈已经不是GPU算得够不够快，而是CPU能不能把整条任务链顺畅地跑完。

这也解释了为什么CPU/GPU配比正在变化。TrendForce指出，当前AI数据中心中CPU与GPU的配比大约是1:4到1:8，而在智能体AI时代，这一比例预计将逐步演变为1:1到1:2。当配比从1:8向1:1收敛，本质上不是CPU多卖了几颗，而是AI基础设施从“计算中心化”转向“系统中心化”。

产业反馈已经开始出现。2026年第一季度末，Intel和AMD都对部分CPU华体汇电竞-华体汇(中国)线提价，服务器CPU交期拉长至约6个月。与此同时，英伟达和Arm也在同一时期宣布进军服务器CPU市场。

一个是GPU巨头，一个是IP授权商，却在同一时间加码CPU，这说明他们看到的是同一个趋势：未来AI的关键战场，不只是模型推理本身，而是围绕推理和智能体展开的整机系统能力。

当所有头部玩家都在补CPU，说明竞争已经从“单芯片”变成“系统工程”。过去两年，AI行业有一种很强的“单点崇拜”：比谁的芯片更强，比谁的参数更多，比谁的集群更大。这种竞争方式在产业早期成立，因为技术突破往往首先来自少数明星环节。

但产业一旦进入落地阶段，决定胜负的逻辑就会改变。真正拉开差距的，不再只是某个单点性能，而是整套系统能否以可控成本、可复制方式持续运行。

所以今天华体汇(中国)看到的，不只是英特尔受益，而是所有重要玩家都在重新补CPU、补系统、补整机能力。英特尔希望依托数据中心生态和软件兼容，重新巩固系统层话语权；AMD则在服务器CPU市场持续扩大份额，Mercury Research数据显示，AMD EPYC服务器CPU在2025年Q4营收份额已达到41.3%，首次突破40%。

Arm和云厂商自研CPU，则试图从高能效和定制化切入系统入口；甚至连英伟达自己，也在通过Grace CPU强化对整机架构的控制力。所有顶级玩家都在补CPU，不是因为CPU突然变得性感，而是因为AI开始从芯片问题，变成系统问题。

如果把视角拉回中国，这轮变化的现实意义更大。中国是全球AI应用落地最快的市场之一。截至2026年3月，我国日均Token调用量已突破140万亿；IDC数据显示，2025年中国AI加速卡总出货约400万张，其中国产厂商出货165万张，占比41%。

这说明，中国AI已经不再只是“模型热”“算力热”，而是进入了真正的“调用热”和“部署热”。这会把中国企业推向一个更现实的问题：AI不是能不能做，而是做了之后能不能长期跑、能不能算得过来。

第一，是成本压力。

某制造企业在将智能体接入生产线时发现，每个决策步骤的推理成本高达0.3美元，是传统规则系统的20倍。这类案例真正说明的，不是智能体太贵，而是：如果系统架构不优化，AI很容易从生产力工具变成成本黑洞。

第二，是兼容压力。

中国企业现有IT系统复杂，数据库、ERP、CRM、OA、工业系统长期并存。AI如果要真正进入业务流程，必须与这些存量系统深度融合。这意味着企业需要的不是单一“最强模型”，而是一套能把模型、数据库、API和业务系统串起来的基础设施，而CPU承担的正是兼容、调度和运行时支撑角色。

第三，是自主可控。

随着AI部署深化，国产CPU、服务器、操作系统、数据库、中间件和调度软件，都会被重新放到更靠前的位置。也就是说，CPU重新重要，不只是国际巨头的机会，也可能成为中国基础设施产业链的一次再估值窗口。

所以，如果把视角再拉长一点，就会发现，CPU在AI中的重新重要，其实只是表象。更深层被重新定价的，是系统能力。

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4855067.html?f=wyxwapp

昨日相关部门披露新政策GPU神话松动，AI真正的战场变了

出品 | 妙投APP

作者 | 张博

编辑 | 丁萍

头图 | AI生图

过去两年，AI产业最强的叙事几乎都围绕GPU展开。

从OpenAI掀起大模型浪潮，到英伟达市值飙升，再到云厂商、互联网平台和创业华体汇电竞-华体汇(中国)争抢高端算力，GPU被塑造成AI时代最稀缺的“硬通货”。谁拥有更多GPU，谁就更接近模型能力上限，谁能搭起更大训练集群，谁就更像拿到了下一代AI的门票。

在这套叙事中，CPU没有消失，但明显退居幕后。它仍然是服务器的基础部件，是操作系统、数据库、网络和应用运行的底座，却不再是AI故事里的主角。市场甚至形成了一种近乎默认的判断：AI时代，GPU吃肉，CPU喝汤。

但到2026年，这个判断已经不够用了。因为AI产业正在发生一个更深层的变化：主战场正从训练竞赛，转向部署竞赛；价值重心正从峰值算力，转向系统效率。

这意味着，真正决定AI商业化速度的，不再只是GPU能把模型训得多大、多快，而是整套系统能否以可控成本、稳定吞吐和高利用率，把模型真正跑起来、用起来、赚到钱。

一旦竞争从“单卡性能”转向“端到端效率”，CPU就不再只是配角，而是AI基础设施里那个被长期低估的系统变量。

市场为何重新看英特尔？

不只是因为财报，而是因为需求结构变了。

最近一个值得注意的信号，是英特尔重新获得资本市场关注。2026年第一季度，英特尔营收约为136亿美元，同比增长7%，连续第六个季度超预期；净利润同比增长156%。其中，数据中心与AI相关业务（DCAI）收入达到约51亿美元，同比增长22%，成为增长最快的板块。财报发布后，英特尔股价盘后最高上涨超40%（截至4月30日）。

如果只看华体汇电竞-华体汇(中国)层面，这当然不足以说明英特尔已经彻底翻身。它仍面临制程追赶、服务器CPU份额承压、Arm渗透、云厂商自研芯片推进等问题。但市场还是给了它新的想象空间，原因不在于英特尔突然变成AI明星，而在于投资人开始意识到：AI基础设施的需求结构，已经不再只是“多买GPU”。

英特尔管理层在财报会上透露，数据中心中CPU与GPU的部署比例，正从传统的1:8收紧到1:4，在智能体场景中甚至可能进一步向1:1靠近。

这背后的含义非常明确：过去两年AI行业最核心的矛盾是训练能力不足，而今天越来越多企业开始面对另一组问题，模型训练完之后，如何推理、如何部署、如何扩展、如何控制成本。

也就是说，资本市场重新定价的，不只是英特尔，而是一个更深层的事实：AI开始进入系统竞争阶段。

CPU的重要性从何而来？

先要回答另一个问题：为什么AI今天的核心矛盾，已经不再只是训练。因为训练虽然贵，但对大多数企业来说，它更多是阶段性的资本开支；而推理、部署和调用，才是持续性的运营开支。

训练决定模型能不能做出来，推理决定模型能不能活下去。这一变化已经有明确的数据支撑。

Deloitte估算，推理工作负载占AI总算力的比例在2023年约为1/3，2025年接近1/2，到2026年预计达到2/3。IDC预测，到2027年中国推理算力占整体算力比例将突破70%。另有研究预计，到2026年推理带来的市场规模将是训练硬件市场的2到3倍。这些数字共同说明一件事：AI的成本中心和价值中心，正在从“训练一次”转向“运行无数次”。

郑纬民院士给过一个更直白的拆分：在大模型推理成本中，人力仅占3%，数据占2%，算力占到95%。他举例称，ChatGPT的推理开销每天约70万美元，DeepSeek V3每天约8.7万美元（按各自披露口径）。

这组数据真正说明的，不是“推理也很贵”，而是一旦AI进入大规模使用阶段，真正吞噬利润的不是训练账，而是推理账。国家数据局的数据进一步放大了这种压力：中国日均Token调用量从2024年初约1000亿，跃升至2026年3月的140万亿，两年增长超千倍。

如果说训练是一次性把钱砸进去，那么推理就是每天都在把钱烧出去。训练贵，是研发问题；推理贵，是利润问题。而一旦问题变成利润问题，企业就不可能再只盯着模型参数和GPU数量，而必须开始追问：

GPU是不是被充分利用了？哪些任务必须用GPU？哪些其实应该交给CPU？整套系统的吞吐率和资源利用率到底高不高？

这正是CPU重新变重要的起点。

很多人理解AI基础设施，还停留在“GPU越多越好”的阶段。但现实是，今天大量AI系统面临的核心问题，不是GPU不够强，而是系统喂不饱GPU。

MLPerf行业基准测试显示，在大模型训练场景中，数据加载、预处理、参数同步等环节带来的延迟，可占总训练时间的35%到60%。IDC调研则显示，即使是头部互联网企业的AI推理集群，GPU平均利用率也长期低于40%；大量中小企业的GPU集群利用率甚至不足15%。

这意味着什么？

意味着今天最昂贵的AI资源，正在被大规模浪费。不是因为GPU性能不行，而是因为数据流动、任务调度、内存管理、I/O协同、网络处理这些系统环节跟不上。换句话说，GPU算得很快，但系统供给不上，结果就是一边拼命买卡，一边大面积闲置。

这也是为什么CPU的重要性，不是“多卖一点服务器芯片”那么简单，而是它直接决定AI系统的资源利用率和ROI。

因为在真实工作流里，GPU从来不是单独工作的。它前面有数据准备，后面有结果处理，中间有任务调度、缓存维护、上下文切换、网络通信、容器管理、数据库交互。这些环节里，真正承担控制流和系统协同的，主要是CPU。

所以问题的本质不是“CPU能不能替代GPU”，而是如果CPU和系统层能力跟不上，再强的GPU也只是昂贵的闲置资产。

智能体兴起，让CPU从“底座”变成“中枢”

如果说推理阶段让CPU重新重要，那么智能体（Agent）的兴起，则把这种重要性进一步放大。

因为智能体不是一个“更会聊天”的模型，而是一套真正要执行任务的系统。它要理解目标、拆解步骤、调用工具、访问数据库、连接API、执行代码、维护状态、判断结果，必要时还要调用其他模型或子Agent协同。

在这条链路中，模型推理只是其中一环。大量工作并不是“算”，而是“调度”“编排”“切换”“访问”“管理”。这些工作本质上都属于控制流和系统协同，而这正是CPU最擅长的领域。

康奈尔大学的研究显示，在五类代表性Agent工作负载中，CPU端的工具处理、逻辑调度和数据预处理，占总端到端延迟的比例高达43.8%到90.6%。在典型的RAG场景中，CPU处理甚至可能占到总延迟的90%以上，GPU推理反而不到10%。

这组数据的意义非常明确：在智能体时代，很多真实任务的瓶颈已经不是GPU算得够不够快，而是CPU能不能把整条任务链顺畅地跑完。

这也解释了为什么CPU/GPU配比正在变化。TrendForce指出，当前AI数据中心中CPU与GPU的配比大约是1:4到1:8，而在智能体AI时代，这一比例预计将逐步演变为1:1到1:2。当配比从1:8向1:1收敛，本质上不是CPU多卖了几颗，而是AI基础设施从“计算中心化”转向“系统中心化”。

产业反馈已经开始出现。2026年第一季度末，Intel和AMD都对部分CPU华体汇电竞-华体汇(中国)线提价，服务器CPU交期拉长至约6个月。与此同时，英伟达和Arm也在同一时期宣布进军服务器CPU市场。

一个是GPU巨头，一个是IP授权商，却在同一时间加码CPU，这说明他们看到的是同一个趋势：未来AI的关键战场，不只是模型推理本身，而是围绕推理和智能体展开的整机系统能力。

当所有头部玩家都在补CPU，说明竞争已经从“单芯片”变成“系统工程”。过去两年，AI行业有一种很强的“单点崇拜”：比谁的芯片更强，比谁的参数更多，比谁的集群更大。这种竞争方式在产业早期成立，因为技术突破往往首先来自少数明星环节。

但产业一旦进入落地阶段，决定胜负的逻辑就会改变。真正拉开差距的，不再只是某个单点性能，而是整套系统能否以可控成本、可复制方式持续运行。

所以今天华体汇(中国)看到的，不只是英特尔受益，而是所有重要玩家都在重新补CPU、补系统、补整机能力。英特尔希望依托数据中心生态和软件兼容，重新巩固系统层话语权；AMD则在服务器CPU市场持续扩大份额，Mercury Research数据显示，AMD EPYC服务器CPU在2025年Q4营收份额已达到41.3%，首次突破40%。

Arm和云厂商自研CPU，则试图从高能效和定制化切入系统入口；甚至连英伟达自己，也在通过Grace CPU强化对整机架构的控制力。所有顶级玩家都在补CPU，不是因为CPU突然变得性感，而是因为AI开始从芯片问题，变成系统问题。

如果把视角拉回中国，这轮变化的现实意义更大。中国是全球AI应用落地最快的市场之一。截至2026年3月，我国日均Token调用量已突破140万亿；IDC数据显示，2025年中国AI加速卡总出货约400万张，其中国产厂商出货165万张，占比41%。

这说明，中国AI已经不再只是“模型热”“算力热”，而是进入了真正的“调用热”和“部署热”。这会把中国企业推向一个更现实的问题：AI不是能不能做，而是做了之后能不能长期跑、能不能算得过来。

第一，是成本压力。

某制造企业在将智能体接入生产线时发现，每个决策步骤的推理成本高达0.3美元，是传统规则系统的20倍。这类案例真正说明的，不是智能体太贵，而是：如果系统架构不优化，AI很容易从生产力工具变成成本黑洞。

第二，是兼容压力。

中国企业现有IT系统复杂，数据库、ERP、CRM、OA、工业系统长期并存。AI如果要真正进入业务流程，必须与这些存量系统深度融合。这意味着企业需要的不是单一“最强模型”，而是一套能把模型、数据库、API和业务系统串起来的基础设施，而CPU承担的正是兼容、调度和运行时支撑角色。

第三，是自主可控。

随着AI部署深化，国产CPU、服务器、操作系统、数据库、中间件和调度软件，都会被重新放到更靠前的位置。也就是说，CPU重新重要，不只是国际巨头的机会，也可能成为中国基础设施产业链的一次再估值窗口。

所以，如果把视角再拉长一点，就会发现，CPU在AI中的重新重要，其实只是表象。更深层被重新定价的，是系统能力。

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4855067.html?f=wyxwapp


对上述报道内容，阿塞拜疆政府和阿驻美国大使馆断然否认，称“利用阿塞拜疆领土对第三国发动袭击的说法没有根据”，这类消息为“捏造”，“破坏了地区稳定和国家间关系，造成地区局势紧张”。 -->
华体汇电竞-华体汇(中国) 华体汇电竞-华体汇(中国)-五月婷婷开心App下载官方版-五月婷婷开心App下载最新版V.29.66.90-鲁大师

华体汇电竞-华体汇(中国)

高圆圆打卡南京
首页>>西北小城康乐：踏遍街巷皆胜景 书香漫城育文明
高圆圆打卡南京

华体汇电竞-华体汇(中国):高圆圆打卡南京

华体汇电竞-华体汇(中国):「活动」首次登录送19元红包

23.45MB
版本{版本}
下载APK高速下载
下载再GPU神话松动，AI真正的战场变了安装你想要的应用 更方便 更快捷 发现更多
喜欢13%好评(14人)
评论84
GPU神话松动，AI真正的战场变了截图0GPU神话松动，AI真正的战场变了截图1GPU神话松动，AI真正的战场变了截图2GPU神话松动，AI真正的战场变了截图3GPU神话松动，AI真正的战场变了截图4
详细信息
  • 软件大小:56.76MB
  • 最后更新:2026-06-13 22:04:20
  • 最新版本:{版本}
  • 文件格式:apk
  • 应用分类:ios-AndroidGPU神话松动，AI真正的战场变了
  • 使用语言:中文
  • :需要联网
  • 系统要求:2.51以上
应用介绍
?第一步：访问《GPU神话松动，AI真正的战场变了》官网?首先,打开您的浏览器,输入《GPU神话松动，AI真正的战场变了》。您可以通过搜索引擎搜索或直接输入网址来访问.?
?第二步：点击注册按钮?一旦进入《GPU神话松动，AI真正的战场变了》网站官网，您会在页面上找到一个醒目的注册按钮。点击该按钮，您将被引导至注册页面。??
?第三步：填写注册信息 ?在注册页面上，您需要填写一些必要的个人信息来创建《GPU神话松动，AI真正的战场变了》网站账户。通常包括用户名、密码、电子邮件地址、手机号码等。请务必提供准确完整的信息，以确保顺利完成注册。?
?第四步：验证账户?填写完个人信息后，您可能需要进行账户验证。《GPU神话松动，AI真正的战场变了》网站会向您提供的电子邮件地址或手机号码发送一条验证信息，您需要按照提示进行验证操作。这有助于确保账户的安全性，并防止不法分子滥用您的个人信息。?
?第五步：设置安全选项?《GPU神话松动，AI真正的战场变了》网站通常要求您设置一些安全选项，以增强账户的安全性。例如，可以设置安全问题和答案，启用两步验证等功能。请根据系统的提示设置相关选项，并妥善保管相关信息，确保您的账户安全。?
?第六步：阅读并同意条款?在注册过程中，《GPU神话松动，AI真正的战场变了》网站会提供使用条款和规定供您阅读。这些条款包括平台的使用规范、隐私政策等内容。在注册之前，请仔细阅读并理解这些条款，并确保您同意并愿意遵守。??
?第七步：完成注册?一旦您完成了所有必要的步骤，并同意了《GPU神话松动，AI真正的战场变了》网站的条款，恭喜您！您已经成功注册了《GPU神话松动，AI真正的战场变了》网站账户。现在，您可以畅享《GPU神话松动，AI真正的战场变了》网站提供的丰富体育赛事、刺激的游戏体验以及其他令人兴奋!?
【联系华体汇(中国)】
客服热线
加载更多
版本更新
{版本}
GPU神话松动，AI真正的战场变了

华体汇电竞-华体汇(中国): GPU神话松动，AI真正的战场变了类似软件

相关攻略
包含 饿了么 的应用集
友情链接
  • 女子未锁车门 轿车被盗
    2026-06-13 22:04:20
  • 江苏高邮：被救助后康复 8只东方白鹳回归自然
    2026-06-13 22:04:20
  • 旅行社破坏生态被判赔11万元 主动设公益基金参与修复
    2026-06-13 22:04:20
安卓手机网上最贴心的Android软件应用平台!版权所有：GPU神话松动，AI真正的战场变了有限华体汇电竞-华体汇(中国)备案号：京ICP备17065190号-1