CPU、GPU算力比例，将被重构

2026年3月，两项重磅消息接连发布：英伟达开始单独销售其 Vera CPU， Arm则推出了首款自研 CPU——Arm AGI CPU。一家GPU厂商与一家IP授权公司在同一个月双双进军CPU市场，这绝非巧合，反映出AI数据中心对CPU需求的结构性转变。

CPU在Agentic AI中的角色

历史上，CPU一直是数据中心服务器的 “大脑”，负责处理复杂逻辑、串行计算，以及线性回归、决策树等传统机器学习任务。AI热潮改变了这一格局。如今AI模型需要海量并行矩阵乘法运算，而拥有大规模并行架构的GPU正是为此而生。CPU则退居次要地位，主要负责压缩、路由、将数据传输给GPU。因此，当前AI数据中心的CPU：GPU配比大约在1：4到1：8。

AI智能体的崛起正在打破这一平衡。与静态大语言模型不同，Agentic AI 旨在与环境动态交互：规划任务、调用工具、自主决策、代用户执行操作。管理这一切的调度协调层，包括子任务调度、工具调用路由、子智能体之间的数据传递、判断原始请求是否完成，完全落在CPU身上。这正是调度编排（Orchestration）成为CPU密集型任务的原因。

Agentic RL进一步提升了CPU需求。当AI智能体通过强化学习训练时，智能体的每一步动作都必须被评估，这一过程会给CPU带来额外负载。2025年11月的一篇论文《从CPU中心视角看Agentic AI》指出，CPU在工具处理任务中仍然至关重要，例如 Python 解释、网络爬虫、文本摘要、数据库查询等场景，这些在Agentic AI中极为普遍。

AI智能体在CPU层面主要面临三大瓶颈：

• 延迟：CPU上的工具处理可占总延迟的90.6%。
• 吞吐量：瓶颈可能来自CPU（核心数、缓存一致性、同步）或GPU（内存容量与带宽）。
• 功耗：在大批量规模下，CPU动态功耗可占整机动态功耗的 44%。

要解决这些问题，传统的CPU：GPU比例必须改变。Arm预计，传统AI数据中心每吉瓦功率需要约3000万颗CPU核心，而在AI智能体时代，这一需求将飙升至1.2亿核心，增长4倍。未来CPU：GPU比例预计将从1：4~1：8转向 1：1~1：2，显著提振CPU市场需求。

无论是AI负载还是数据中心通用服务器，CPU需求都出现激增。英特尔和AMD已在 2026年第一季度末对部分CPU产品线提价应对。

2026年CPU市场格局

这一需求转变正在重塑竞争格局。除传统服务器CPU厂商英特尔、AMD 外，一批新玩家纷纷入局：GPU厂商英伟达、IP授权方 Arm，以及 AWS、谷歌、微软等大型云服务商（CSP）。

传统 x86 厂商：英特尔、AMD

英特尔至强（Xeon）处理器曾长期占据数据中心CPU市场95%以上份额。其主导地位从2021年开始动摇：Intel 7 工艺良率问题导致Xeon Sapphire Rapids延期近两年，为采用台积电 N7 工艺、Zen3 架构的AMD EPYC Milan创造了机会。

2026年，英特尔计划推出两款重磅产品，均采用其最先进的Intel 18A 工艺，重申自研制造路线。Xeon 6+ (Clearwater Forest)：Darkmont 架构，288 核 288 线程，TDP 约 450W，首次采用 Foveros Direct 混合键合。Xeon 7 (Diamond Rapids)：Panther CoveX 架构，最高 256 核 256 线程，TDP 最高 650W。但由于 18A 工艺持续良率问题，两者大规模量产可能推迟至 2027年。

与此同时，AMD 继续与台积电合作。其EPYC Venice预计 2026年推出，采用Zen 6 架构、台积电 N2 工艺及先进封装（CoWoSL、SoIC），规格为 256 核 512 线程。AMD 预计 2026年将持续从英特尔手中夺取份额。

Arm 阵营新进入者：英伟达、Arm、Ampere、云厂商

2026年3月，英伟达宣布单独销售Vera CPU，以满足客户对更灵活CPU：GPU配比的需求。早期合作伙伴包括阿里巴巴、字节跳动、Cloudflare、CoreWeave、Lambda、Oracle 等。Vera 采用英伟达自研Olympus 架构、台积电 N3 工艺、CoWoSR 封装，88 核 176 线程，支持空间多线程。尽管核心数低于英特尔、AMD 旗舰，但它提供1.8 TB/s NVLinkC2C，可与英伟达GPU高速共享内存。

英伟达还推出基于MGX架构的Vera CPU机架。单机架包含32个1U计算托盘，每个托盘4颗Vera CPU节点，总计256颗CPU（22528 核 45056 线程、400TB 内存）。这些机架通过BlueField4 DPU互联（集成 GraceCPU与 ConnectX9），实现英伟达生态高度整合。

同样在2026年3月，Arm迈出前所未有的一步，推出Arm AGI CPU，结束35年纯授权模式。该芯片采用台积电 N3、Neoverse V3 架构，136 核 136 线程，首发合作伙伴包括 Meta、Cerebras、Cloudflare、OpenAI、SAP、SK Telecom 等。Arm也推出两款独立CPU机架：风冷版集成60颗 AGI CPU（8160 核 8160 线程、180TB 内存），液冷版支持336颗CPU（45696 核 45696 线程、1PB 内存）。

软银旗下的Ampere继192核 AmpereOne、AmpereOne M之后，预计2026年推出AmpereOne MX，提升至256核 256线程。

美国主流云厂商中，AWS布局最早，2016年推出首款自研 Graviton CPU（台积电 N16）。2025年12月发布Graviton5（N3，192 核 192 线程）。通过将定制CPU与 Trainium 3AIASIC 搭配，AWS 有效降低AI算力成本。

微软是第二家自研CPU的云厂商，2023年11月推出Cobalt 100与 Maia 100AI芯片（N5）。2025年11月推出下一代Cobalt 200（N3，132 核 132 线程）。

谷歌紧随其后，2024年4月推出首款定制CPUAxion C4A（N5）。2026年计划推出裸金属机型 Axion C4A.metal（96 核 96 线程）与下一代 Axion N4A（64 核 64 线程），战略目标是提供业界最优性价比。

下表总结2026年主流CPU核心/线程数。可见Xeon 6+ (Clearwater Forest)以 288 核最高，其后是AMDEPYC Venice、Xeon 7、AmpereOne MX 均为 256 核。但得益于超线程（SMT），AMD EPYC Venice 实现 256 核 512 线程，为当前最高线程数。

TrendForce认为，头部云厂商自研CPU的趋势将为IC后端设计服务商带来新增商机。目前AWS自研，谷歌与微软均将CPU后端设计外包给创意电子。

总结

Agentic AI推动CPU需求结构性反转。GPU长期主导AI大规模并行计算，CPU仅作为辅助负责内存调度。随着Agentic AI成熟，CPU重新具备战略地位，承担编排调度、工具调用、结果评估等核心工作。TrendForce 预计，CPU：GPU比例将从 1：4~1：8 转向 1：1~1：2。

英特尔自研工艺良率问题或加速AMD份额提升。英特尔2026年两款新品（18A 工艺）面临良率挑战，量产或延至 2027年。AMD EPYC Venice（台积电 N2、CoWoS-L、SoIC、512 线程）将持续抢占份额。

英伟达、Arm、云厂商入局，利好IC后端设计服务。除 x86 双雄外，英伟达、Arm、AWS、谷歌、微软纷纷进入服务器CPU市场。谷歌、微软已将CPU后端设计交给 GUC，AWS 保持自研，这一趋势将持续带来增量订单。