在很長一段時間內，市場始終將GPU和AI算力劃上等號，然而隨著AI行業步入由智能體驅動的強化學習時代，CPU正逐漸演變為算力“木桶效應”下的新短板。

(資料圖片)

最新研究顯示，在完整的Agent執行鏈路中，工具處理相關環節在CPU上消耗的時間占端到端延遲的比例最高可達90.6%。在高并發場景下，CPU端到端延遲從2.9秒躍升至6.3秒以上。其結果揭示了在大量Agentic場景中，系統吞吐受限的并非GPU計算能力，而是CPU的核心數并發調度問題。

就在日前，GPU的超級玩家英偉達主動掏出20億美元追加認購CoreWeave股票，并聲稱后者將在其平臺上部署Vera CPU——一款專為“代理式推理（Agentic Reasoning）”設計，且在大規模AI工廠最具能效優勢的CPU。據悉，因ARM CPU瓶頸，英偉達已計劃在下一代Rubin架構中大幅提升CPU核心數，并開放NVL72機柜對x86CPU的支持。

東吳證券指出，英偉達主動提升CPU權重，等同于在系統層面確認：在長上下文與高并發Agent場景中，大內存CPU是承載海量KV Cache（鍵值緩存）的最優容器。

與此同時，由于超大規模云服務商“掃貨”，英特爾與AMD在2026全年的服務器CPU產能已基本售罄。為了應對供需極端失衡并確保后續供應穩定，兩家公司均計劃將服務器CPU價格上調10-15%。其中，英特爾甚至緊急將產能轉向服務器端，一度導致消費電子端交付受阻。

在英特爾2025年第四季度財報電話會上，CEO陳立武表示，盡管AI時代帶來了前所未有的半導體需求，但短期內，“我對未能完全滿足市場需求感到遺憾”。

▌對話靠GPU，執行靠CPU

是什么讓CPU從AI算力界的“冷板凳”上站起，成為需要被單獨規劃的核心資源池？國金證券等多個機構總結道，Agent對CPU需求提升主要來自三方面，即應用調度壓力、高并發工具調用成為瓶頸，以及沙箱隔離抬升剛性開銷。

應用調度壓力較好理解，當AI智能體層出不窮，服務器端整體調用頻次與覆蓋面顯著升高，便會帶來更多系統請求、數據搬運與控制流開銷。

至于為何CPU負載高于GPU，在東吳證券看來，Agent時代AI由“純對話”轉向了“執行任務”，因此產生大量if/else判斷，這種“分支類任務”倘若由GPU執行，會因控制流發散導致算力利用率急劇下降。與之相比，CPU的微架構卻能夠適應此類任務。

另據廣發證券，Agent時代下，大語言模型疊加了決策編排器與多類外部工具，整體計算流程演化為“感知-規劃-工具調用-再推理”的閉環結構。由于工具調用、任務調度、信息檢索等關鍵環節均依賴CPU完成，隨著Agent滲透率與工具調用密度提升，CPU作為中間調度樞紐的占用線性放大。

此外，在Agent場景下，長上下文推理會快速耗盡GPU HBM容量。為解決這一問題，業界采用KV CacheOffload技術將數據遷移至CPU內存。如此一來，CPU搭配大容量DDR5/LPDDR5承載KV Cache與部分參數，便成為了兼顧吞吐、擴展性與成本效率的主流架構選擇。

從投資層面來看，招商證券表示，海外CPU巨頭在國內的合作商將從這一輪CPU漲價行情中直接受益。此外，國內AI全產業鏈自主可控仍在不斷推進，硬件端與軟件端的生態適配正同步跟進，生態架構的升級將會對其中的各個環節提供性能上和產量上的雙重要求，并帶來明顯的邊際變化。

國海證券指出，超大規模數據中心已進入“升級周期”，CPU架構有較大替換需求，預計2026年服務器CPU出貨量有望增長25%。服務器CPU是AI算力與數據中心升級的核心受益環節，正進入存量升級+國產替代+模型迭代三重共振周期，或將迎來價值重估機會。