作者：杨志鸿发布时间：2026-06-17 22:46:14 点击数：58780

本周研究机构披露新政策习近平为中美相处之道锚定新定位 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

南开区体育中心街道崇左市博尔塔拉蒙古自治州温泉县山西省吕梁市岚县山东省聊城市冠县黑龙江省哈尔滨市巴彦县黑龙江省大兴安岭地区呼玛县青海省果洛藏族自治州山西省吕梁市岚县山东省泰安市东平县山西省晋中市太谷区四川省德阳市广汉市上海市市辖区嘉定区甘肃省陇南市辽宁省辽阳市白塔区福建省南平市建瓯市江苏省连云港市赣榆区陕西省宝鸡市千阳县四川省成都市双流区黑龙江省佳木斯市富锦市赞皇县院头镇桥西区苑东街道黑龙江省鸡西市鸡冠区密云区古北口镇山西省吕梁市中阳县贵州省黔南布依族苗族自治州惠水县辽宁省铁岭市清河区焦作市中站区钦州市福建省福州市永泰县平山县上观音堂乡黑龙江省大兴安岭地区呼玛县蓟州区官庄镇吉林省长春市双阳区黑龙江省哈尔滨市巴彦县黑龙江省哈尔滨市巴彦县丰台区和义街道密云区河南寨镇喀什地区麦盖提县广东省珠海市斗门区福建省南平市建瓯市昌平区阳坊镇信阳市平桥区丰台区和义街道山西省晋中市榆社县陕西省宝鸡市千阳县黑龙江省哈尔滨市巴彦县云南省丽江市宁蒗彝族自治县巴音郭楞蒙古自治州和硕县云南省大理白族自治州云龙县贵州省铜仁市玉屏侗族自治县河西区桃园街道焦作市中站区广东省深圳市赞皇县院头镇黑龙江省七台河市桃山区黑龙江省佳木斯市汤原县密云区河南寨镇乌鲁木齐市沙依巴克区蚌埠市蚌山区黑龙江省大兴安岭地区呼玛县甘肃省陇南市武都区云南省大理白族自治州云龙县江西省景德镇市昌江区福建省莆田市仙游县内蒙古乌海市乌达区合肥市庐阳区南开区体育中心街道青海省海北藏族自治州门源回族自治县黑龙江省鸡西市鸡冠区朝阳区小红门地区无极县大陈镇山西省阳泉市平定县甘肃省庆阳市镇原县元氏县苏村乡黑龙江省鹤岗市山东省德州市齐河县怀柔区龙山街道平山县上观音堂乡马鞍山市博望区丰台区右安门街道崇左市宁明县大兴区陕西省宝鸡市千阳县山西省晋城市泽州县四川省乐山市湖北省宜昌市西陵区开封市通许县贵州省六盘水市水城县辽宁省铁岭市开原市四川省凉山彝族自治州甘洛县平山县小觉镇行唐县龙州镇福建省三明市梅列区云南省丽江市宁蒗彝族自治县黑龙江省绥化市明水县辽宁省沈阳市沈河区银川市贺兰县福建省厦门市湖里区福建省三明市梅列区

本月监管部门发布研究成果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

四川省遂宁市蓬溪县江西省萍乡市上栗县朝阳区双井街道四川省甘孜藏族自治州山东省潍坊市青州市广东省云浮市新兴县江西省景德镇市昌江区内蒙古鄂尔多斯市康巴什区山东省东营市垦利区江西省宜春市奉新县青海省海西蒙古族藏族自治州德令哈市湖北省襄阳市襄州区朝阳区双井街道防城港市东兴市河东区大直沽街道开封市通许县山东省淄博市临淄区芜湖市南陵县黑龙江省鹤岗市西青区精武镇内蒙古锡林郭勒盟正镶白旗辽宁省本溪市溪湖区福建省福州市罗源县丰台区长辛店镇山东省淄博市临淄区甘肃省甘南藏族自治州西乡塘区云南省西双版纳傣族自治州勐腊县和平区南市街道黑龙江省伊春市金林区江苏省镇江市句容市元氏县四川省甘孜藏族自治州九龙县乌鲁木齐市沙依巴克区海南省儋州市黑龙江省佳木斯市汤原县黑龙江省大兴安岭地区呼玛县百色市靖西市内蒙古兴安盟乌兰浩特市贵州省黔东南苗族侗族自治州天柱县贵州省黔东南苗族侗族自治州天柱县平山县东回舍镇内蒙古乌海市乌达区江西省景德镇市昌江区黑龙江省大兴安岭地区呼玛县平山县东回舍镇赞皇县西龙门乡山东省烟台市龙口市朝阳区双井街道江苏省镇江市句容市黑龙江省佳木斯市富锦市福建省厦门市湖里区朝阳区小红门地区桂林市秀峰区辽宁省沈阳市沈河区朝阳区小红门地区福建省漳州市龙海市四川省甘孜藏族自治州丹巴县江西省赣州市石城县平山县宅北乡甘肃省天水市秦州区广东省云浮市新兴县黑龙江省佳木斯市富锦市平山县宅北乡湖北省宜昌市西陵区山东省聊城市茌平区湖北省恩施土家族苗族自治州恩施市塔城地区和布克赛尔蒙古自治县贵州省黔南布依族苗族自治州惠水县焦作市中站区辽宁省大连市旅顺口区信阳市平桥区开封市通许县平山县东回舍镇辽宁省沈阳市浑南区福建省南平市建瓯市四川省成都市新都区西城区天桥街道广东省云浮市新兴县平山县东回舍镇甘肃省定西市渭源县甘肃省陇南市武都区合肥市瑶海区北海市海城区武清区上马台镇江西省萍乡市上栗县湖北省恩施土家族苗族自治州恩施市丰台区宛平城地区湖北省恩施土家族苗族自治州建始县湖北省宜昌市宜都市百色市田林县吉林省长春市双阳区四川省广安市岳池县山西省吕梁市岚县元氏县殷村镇桂林市兴安县海南省三沙市西沙区四川省成都市金牛区湖北省宜昌市秭归县内蒙古锡林郭勒盟镶黄旗

全球服务区域:西乡塘区丰台区长辛店镇昌平区延寿镇辽宁省铁岭市清河区陕西省西安市未央区辽宁省锦州市义县乌鲁木齐市沙依巴克区蚌埠市龙子湖区青海省海南藏族自治州贵德县广东省珠海市斗门区南阳市内乡县贵州省黔东南苗族侗族自治州天柱县海南省三沙市西沙区云南省大理白族自治州云龙县湖北省宜昌市秭归县河东区东新街道河东区东新街道山西省阳泉市平定县甘肃省定西市渭源县丰台区宛平城地区哈密市伊吾县山西省晋中市灵石县山西省吕梁市中阳县南开区体育中心街道丰台区右安门街道辽宁省铁岭市开原市丰台区和义街道青海省海西蒙古族藏族自治州德令哈市焦作市中站区青海省果洛藏族自治州福建省福州市罗源县广东省佛山市三水区山西省长治市襄垣县湖北省宜昌市夷陵区甘肃省庆阳市镇原县上海市市辖区嘉定区陕西省宝鸡市眉县江西省吉安市永新县桥西区东华街道湖北省恩施土家族苗族自治州恩施市四川省成都市新都区甘肃省陇南市武都区无极县大陈镇山西省朔州市山阴县山东省烟台市龙口市许昌市建安区新乐市协神乡无极县大陈镇昌平区阳坊镇海南省儋州市山西省忻州市宁武县密云区高岭镇丰台区和义街道塔城地区和布克赛尔蒙古自治县许昌市建安区喀什地区叶城县河东区大直沽街道河西区桃园街道陕西省宝鸡市千阳县蚌埠市龙子湖区湖北省宜昌市宜都市平山县上观音堂乡和田地区宝坻区牛家牌镇宝坻区牛家牌镇蓟州区东施古镇四川省凉山彝族自治州甘洛县无极县大陈镇黑龙江省佳木斯市富锦市许昌市建安区陕西省宝鸡市眉县赵县沙河店镇桥西区留营街道陕西省汉中市留坝县上海市市辖区嘉定区湖北省宜昌市秭归县内蒙古锡林郭勒盟镶黄旗山东省烟台市龙口市芜湖市南陵县四川省广安市岳池县青秀区江西省吉安市吉安县山东省淄博市临淄区井陉县吴家窑乡西城区天桥街道蚌埠市蚌山区山东省滨州市桥西区留营街道元氏县殷村镇云南省怒江傈僳族自治州福贡县四川省凉山彝族自治州甘洛县蚌埠市龙子湖区山西省晋城市高平市内蒙古锡林郭勒盟正镶白旗陕西省宝鸡市千阳县鹿泉区寺家庄镇钦州市江西省萍乡市上栗县贵州省六盘水市水城县静海区大邱庄镇

今日研究机构传递重大研究成果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：福建省漳州市龙海市喀什地区麦盖提县广东省佛山市三水区武清区上马台镇合肥市瑶海区江苏省连云港市赣榆区和田地区山西省运城市夏县桂林市兴安县西藏山南市贡嘎县贵州省安顺市普定县赵县沙河店镇伊犁哈萨克自治州昭苏县湖北省宜昌市西陵区朝阳区管庄地区河西区桃园街道元氏县苏村乡许昌市建安区西城区月坛街道福建省莆田市城厢区密云区不老屯镇蓟州区东施古镇西藏阿里地区日土县伊犁哈萨克自治州昭苏县四川省凉山彝族自治州甘洛县江苏省徐州市新沂市江西省景德镇市昌江区四川省凉山彝族自治州昭觉县丰台区宛平城地区四川省甘孜藏族自治州九龙县辽宁省辽阳市白塔区蚌埠市龙子湖区黑龙江省鹤岗市哈密市伊吾县四川省凉山彝族自治州昭觉县青海省玉树藏族自治州治多县静海区西翟庄镇巴音郭楞蒙古自治州和硕县北海市海城区濮阳市南乐县云南省红河哈尼族彝族自治州泸西县广东省惠州市龙门县平山县上观音堂乡山东省淄博市临淄区防城港市东兴市湖北省恩施土家族苗族自治州恩施市内蒙古锡林郭勒盟镶黄旗元氏县赞皇县院头镇山东省德州市齐河县长安区南村镇四川省凉山彝族自治州甘洛县湖北省襄阳市襄州区海南省三沙市西沙区山东省泰安市泰山区河西区桃园街道江苏省徐州市新沂市马鞍山市博望区福建省福州市罗源县密云区古北口镇广东省佛山市三水区黑龙江省鸡西市鸡冠区静海区大邱庄镇山西省晋中市太谷区四川省宜宾市珙县甘肃省兰州市山东省滨州市四川省宜宾市江安县四川省甘孜藏族自治州山东省聊城市茌平区长安区南村镇黑龙江省伊春市金林区辽宁省锦州市义县黑龙江省哈尔滨市巴彦县江苏省徐州市新沂市亳州市利辛县四川省甘孜藏族自治州泸定县贵州省铜仁市印江土家族苗族自治县密云区古北口镇桥西区留营街道元氏县黑龙江省伊春市金林区广东省深圳市喀什地区麦盖提县武清区上马台镇洛阳市汝阳县甘肃省白银市景泰县丰台区右安门街道青海省海西蒙古族藏族自治州德令哈市阿克苏地区拜城县福建省福州市罗源县丰台区宛平城地区辽宁省沈阳市浑南区内蒙古鄂尔多斯市康巴什区湖北省襄阳市襄州区福建省南平市建瓯市密云区河南寨镇密云区古北口镇内蒙古呼伦贝尔市阿荣旗云南省西双版纳傣族自治州勐腊县

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

本月行业报告更新研究成果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


南宁早已成为中国与东盟文化交融的前沿窗口。
华体汇电竞-华体汇(中国) 华体汇电竞-华体汇(中国)-贫乳美女店员露出浮桥玲珑的乳头-贫乳美女店员露出浮桥玲珑的乳头最新版N.29.35.77-2265安卓网

华体汇电竞-华体汇(中国)

习近平为中美相处之道锚定新定位
首页>>哈尔滨机场2026年旅客吞吐量突破1000万人次
习近平为中美相处之道锚定新定位

华体汇电竞-华体汇(中国):习近平为中美相处之道锚定新定位

华体汇电竞-华体汇(中国):「活动」首次登录送19元红包

77.82MB
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35%好评(22人)
评论16
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:62.25MB
  • 最后更新:2026-06-17 22:46:14
  • 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:6.12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
  • 新疆：“石榴花开 籽籽同心”铸牢中华民族共同体意识网络主题活动启动
    2026-06-17 22:46:14
  • 2026年“东盟水果 汇聚广西”溯源活动即将启动
    2026-06-17 22:46:14
  • 推动儿童健康服务高质量发展
    2026-06-17 22:46:14
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