什么值得买App下载 App ›
连续签到专享现金活动

不好,CPU 也要被干涨价了

过去几年,GPU 凭借其在并行计算上的优势,几乎垄断了 AI 算力市场,英伟达也因此成为最大赢家。然而,随着 AI 技术演进至 Agent 智能体与强化学习阶段,CPU 的地位正发生根本性逆转。不再是单纯的配角,高性能 CPU 已成为制约 AI 效率的关键瓶颈,其市场需求与价格预期也随之水涨船高。
01算力需求结构的演变
在 AI 发展早期,受限于硬件条件,CNN 等模型的训练主要依赖 CPU 进行硬算,效率极低。2012 年 ImageNet 大赛成为转折点,GPU 展现出在矩阵运算上的绝对优势,迅速取代 CPU 成为 AI 训练与推理的核心。很长一段时间内,CPU 仅负责数据预处理等杂活,GPU 则承担了绝大部分的高负载计算任务。这种格局随着 ChatGPT 等大模型的普及进一步固化,形成了“GPU 为王”的市场认知。
  • 2012年
  • 1998年
02Agent 与强化学习重构 CPU 价值
随着 Claude Code 等智能体(Agent)工具的兴起,AI 的交互模式从简单的一问一答演变为复杂的任务执行。以购买玩偶为例,Agent 需要自主搜索信息、调用工具、比价核实,这一过程涉及大量的逻辑判断与工具调度。这种连环交替的计算任务,要求 CPU 与 GPU 进行高频协作。CPU 性能若不足,GPU 将被迫等待,导致整体算力闲置。
此外,强化学习(RL)的普及进一步凸显了 CPU 的重要性。DeepSeek R1 及 OpenAI 等巨头的最新模型表明,模型能力的提升越来越依赖强化学习中的环境验证与试错。这一过程如同严苛的考试,需要 CPU 搭建环境、运行代码并即时反馈结果,CPU 实际上成为了大模型训练中最严厉的“导师”。
03厂商的应对策略与市场格局

科技巨头的 CPU 供应策略

直接采购方
  • 直接向行业老大哥 Intel 下单购买高性能 CPU
  • 利用成熟供应链快速补齐算力短板
自研定制方
  • 谷歌:依托技术积累研发自研 CPU Axion
  • Meta:与 Arm 合作共同开发定制化芯片
04性能与成本的辩证关系
数据中心管理者发现,增加 CPU 投入反而能降低总体拥有成本(TCO)。在 AI 任务中,CPU 负责请求接收、数据分配及缓存更新等指令工作。若 CPU 性能较弱,指令派发缓慢将导致高功耗 GPU 处于空转等待状态,延长任务时间并推高电费。
测试维度低配 CPU 方案高配 CPU 方案
任务执行效率基准效率效率提升 8%
能耗增加比例基准能耗仅增加 0.8%
总体成本GPU 空转导致时间长、电费高任务完成快,电费节省,性价比更高

AMD 不同 CPU 配置下的能效比测试对比

AMD 的实验数据表明,采用更强悍的高端 CPU 后,尽管系统总功耗微幅上升 0.8%,但整体计算效率却提升了 8%。这种“以小博大”的成本效益,使得英特尔、AMD 等传统 CPU 厂商迎来了新的增长极,但也意味着游戏玩家等消费级用户将面临更激烈的抢购与涨价压力。

评论

评论区空态插画

当前文章无评论,是时候发表评论了