很多人都看错了，算力缺口不只是GPU，还有CPU

CPU不是已经被AI抛弃了吗？

如果你还停留在之前的认知里，今天打开股票软件的那一刻，大概会愣住。英特尔，那家2024年巨亏188亿美元、几乎被华尔街判了“死刑”的芯片老店，股价年初至今涨超200%；AMD，市值首破9000亿美元，挤进了全美上市企业TOP 13；Arm更夸张，首款AI CPU还没量产，客户订单已经从10亿美元抢到了20亿美元。

三家公司几乎同一时间交出亮眼成绩单，数据中心业务集体暴涨，这并不是巧合。

“CPU在AI时代的定位，重要性越来越高。”2026年6月，中科曙光面向科学与工程计算场景，推出新一代纯CPU超算平台。在AI大行其道的当下，这家国内老牌高性能计算厂商选择在这个节点加码纯CPU产品线。在接受e-works采访时，中科曙光高端计算总工程师李建军谈到，CPU计算需求不仅一直存在，市场规模有几十亿，而且意义很大。

曾经被不少观点看淡的服务器CPU赛道缘何成为市场紧俏资源？在行业普遍认为GPU才是AI算力核心的当下，CPU又为何迎来价值回归？

要回答这些问题，得从三个最反常的现象说起。从2025年第四季度开始，服务器CPU平均售价上涨近30%，到2026年3月再涨10%到20%，英特尔和AMD双双计划继续涨价。与此同时，头部云厂商下单后平均交期从一到两周拉长到八到十二周，部分型号甚至要等半年，高端AI专用CPU已进入配货模式。更关键的是配比变了，过去数据中心一颗CPU配四到八颗GPU是常态，现在这个比例正逼近一比一。

这三个不正常指向同一个结论：CPU正被卷入一场需求海啸。

为什么AI会突然吃掉这么多CPU？

过去我们对AI计算的想象很直接：用户提问，GPU算，GPU回答。这个链条里，CPU貌似只是负责把问题递给GPU，再把答案拿回来。实际上，CPU的作用远不止打杂，而是AI计算链条中不可或缺的大脑。

如今的AI不是一问一答，而是能自己规划任务、调用工具、执行代码、检索知识库、协调多个子智能体协作完成的Agent，中间涉及多个步骤，每一步都需要判断、分支、调度、整合。这些工作，GPU干不了。GPU擅长的是大规模并行矩阵乘法，而流程编排、逻辑判断、工具调用、结果验证，基本全是CPU的活。

更麻烦的是，GPU算得太快了，会导致CPU持续高负载。一个Agent任务里，GPU可能在几毫秒内就完成了计算部分，但CPU要花几十甚至上百毫秒去调度、协调、收尾。算得越快，CPU的负担反而越重。

大模型的上下文窗口正在疯狂膨胀。从几千token到百万token，键值缓存大到显存放不下，需要CPU参与内存的分级管理，将部分数据卸载到内存由CPU进行处理。这一卸，CPU的活儿又多了一大块。

双重力量叠加，CPU被推到了每一条推理链路的中心。

要理解CPU为何不可或缺，得先看一个基础事实：CPU和GPU从根上就不是一个物种。

简单来讲，GPU主打低精度快速计算，擅长简单重复和并行处理，同时塞进几千个线程算矩阵乘法，单兵不快但胜在人海战术，是AI训练和推理的最优选择。但为了追求速度，GPU在硬件设计上优先优化低精度运算，高精度计算天生薄弱。

CPU则擅长复杂逻辑和串行处理。芯片上很大面积留给了分支预测、乱序执行、缓存一致性这些控制逻辑，能从容应对各种不确定性。

二者差异决定了AI时代的角色分配。GPU踩中AI浪潮，是因为神经网络的核心运算恰好是大规模矩阵乘法。但AI从来不只是矩阵乘法，在每次计算之前有数据准备、格式转换、内存分配，之后有结果收集、逻辑判断、多轮调度。Agent场景里那些复杂的工具调用、流程编排，GPU无法为这类任务提供有效加速。所以不是“CPU想抢回C位”，而是AI复杂度在增加，那些被掩盖的非矩阵工作正在膨胀，恰好落在CPU的舒适区里。CPU的核心优势就在于高精度计算、逻辑运算，深耕科研与工业核心计算场景。

正如中科曙光技术总经理张磊所说：“CPU与GPU不存在完全替代关系，未来将长期并存、协同发展。”GPU负责把矩阵乘法算到极致，CPU负责搞定剩下的一切，逻辑判断、精度保障、系统调度、异构融合。一个管“快”，一个管“稳”和“全”。

真正让CPU价值重估的，不止是被动承担这些新增负载，而是它正在发生的主动变革。

2026年4月，英特尔与AMD这对缠斗半个世纪的宿敌罕见地站到了同一阵线，联合发布ACE全新矩阵指令集白皮书。过去矩阵乘法被认为是GPU的绝对领地。ACE彻底改变了这个格局，它让x86 CPU原生支持INT8、FP8、BF16等AI主流精度，计算密度比等效的AVX10乘加运算高出16倍。开发者只需编写一套代码，就能在两家所有支持ACE的CPU上无缝运行。那些原本只属于AI加速器的低精度矩阵运算逻辑，正在被重新塞进CPU里。

而CPU的价值重估，在更广阔的工业场景中同样在发生。6月5日，国务院常务会议明确以发展新一代智能制造为主攻方向，加快关键核心技术攻关，增强产业链韧性和安全水平。

回顾6月底参加的工业互联网大会，当时飞腾信息技术有限公司副总经理郭御风提出了一个判断：CPU异构融合AI加控制一体化正在成为标配。郭御风谈到，CPU和AI算力融合，可以实现实时运动控制、数据采集、视觉推理、数字孪生仿真在同一硬件节点并发运行。这意味着，过去需要不同硬件分别完成的任务，如今正被压缩到同一颗CPU上。

把这些拼图放在一起，CPU在AI时代的三重价值逐渐清晰。

气象预报、新材料模拟、飞机汽车流体仿真，这些科研工业场景，一丁点计算误差都导致结论失真。CPU原生的双精度（FP64）运算能力，搭配成熟工业软件生态，是覆盖全场景、稳定可靠的主流高精度计算方案；高端专业GPU、专用HPC加速卡虽也具备硬件FP64能力，但受限于双精度算力规模、软件移植成本与复杂逻辑适配短板，无法单独完整替代CPU。

仿真模拟往往要同步处理上万组联动数据，关联紧密难以拆分，GPU分批计算模式很难适配。全球数十年积累的商用工业仿真软件底层代码、行业专用求解库均原生基于CPU并行体系开发，完整底层重构迁移至GPU成本极高、周期漫长。

随着工业智能化不断加深，算力融合趋势渐盛。智能工厂里，实时运动控制、高速数据采集、视觉AI推理、数字孪生仿真，这些任务如今正被压缩到同一颗CPU上并发运行。CPU异构融合AI+控制，正成为新一代工业智能的标配。过去买CPU买的是计算能力，现在买的是一颗芯片上同时跑控制、采集、推理、仿真的可行性。

与此同时，众多国产CPU厂商也正在用各自的方式，站上这轮AI算力浪潮的牌桌。

● 海光信息作为国内唯一获得AMD Zen架构永久授权、量产高端x86服务器CPU的厂商，高度兼容全球x86生态，绝大多数业务软件无需修改即可无缝接入现有AI服务器集群。主打的海光7000/5000系列服务器CPU，多核、大内存带宽、强分支预测能力，高度匹配Agentic AI多任务编排、高并发调度、长上下文处理的核心需求。通过CPU与DCU双轮驱动，覆盖AI服务器“控制+计算”全链路，在金融、电信、互联网、算力运营商信创与AI基建的国产服务器CPU市场中市占率国产第一。

海光5000/7000系列服务器

● 龙芯中科作为国内唯一基于全自主LoongArch指令集的CPU企业，从指令集到微架构100%自研，无任何海外专利授权依赖。主力产品3A6000桌面处理器主流行业出货量突破100万片。3A/3C系列覆盖桌面、服务器、嵌入式、边缘计算，适配AI边缘节点、工业控制、智能设备的控制与轻推理需求，构建“自主CPU+自主OS+自主软件”闭环生态，在党政、能源、交通、军工等关键领域具备不可替代的自主可控壁垒。

龙芯3A6000

● 国芯科技是国内RISC-V架构领军企业，自研高性能RISC-V CPU核与服务器、嵌入式芯片，主打开源、灵活、低成本，完美适配AIoT、边缘计算、嵌入式Agent、智能传感器、工业MCU等增量场景。随着AI从云端向端侧和边缘下沉，RISC-V的开源优势和低功耗特性正成为差异化竞争力，国芯科技是这条赛道上的核心受益标的。

国芯科技AI MCU芯片架构示意图

● 中国长城通过控股飞腾信息，卡位ARM服务器CPU赛道。飞腾是国内ARM架构服务器CPU龙头，构建PKS信创生态，覆盖党政、金融、能源、工业控制全场景。飞腾平台已实现端到端支持DeepSeek全系列、众多开源和国产头部大模型的本地化部署。飞腾CPU高能效、可定制、低功耗的特性，适配边缘AI服务器、工业机器人、智能终端的控制与推理协同。其携手管芯微基于飞腾腾云S5000C高性能服务器CPU提供算力支撑的国产化 “DeepSeek可信+AI一体机”，实现AI应用数据的密态存储与安全流转。

DeepSeek可信+Al一体机

多重技术路线、多家厂商，各自在不同场景中扎根生长。当全球CPU市场被需求海啸冲击、供应链持续紧绷，国产厂商的窗口期正在变宽。海外厂商拥有制程优势，而国产厂商拥有场景优势和自主可控的政策推力。AI推理时代的CPU竞争，也正在演变为生态、成本、供应链安全的多维博弈。

AI从训练走向推理，从推理走向智能体，GPU与CPU两者协同，缺一不可。回看2025年初，“CPU已死”的声音甚嚣尘上。而如今，各种市场数据与产业实践共同印证，算力缺口不只有GPU，被长期低估的CPU，又迎来自己的产业新周期。