这两年聊AI，大家嘴上挂的都是GPU。谁家HBM多、谁家集群大，谁就能把牛皮吹得响一点。这逻辑没错，训练大模型嘛，算力就是硬通货。

但最近跟产业里几个朋友聊下来，感觉风向在变。

AI不再满足于“你问我答”了。现在的趋势是让它“替我做事”。一个Agent拿到任务，自己拆目标、查资料、调工具、写代码、跑结果，中间错了还得自己改。这一套流程跑下来，GPU只在调模型推理那一步露个脸。剩下的活儿，任务编排、数据搬运、工具调用、I/O处理全是CPU在扛。

打个比方，GPU是那个搬砖的，力气大速度快。但整个工地怎么安排、材料往哪运、哪块墙先砌，得靠CPU这个工头说了算。

以前AI简单，一问一答，GPU干完活就歇着，CPU在旁边喝喝茶就行。现在Agent干活是连续性的，GPU搬完一块砖，CPU得马上安排下一块。整个集群的调度压力，全回到了CPU身上。

这个变化最直接的体现，就是硬件配比在往上走。

传统训练集群，一颗CPU带四到八颗GPU，算正常。但你看N VIDI A的GB200、GB300，还有国内CloudMatrix 384这些公开方案，CPU和GPU的配比已经接近1：2了。据公开媒体报道，ARM的CEO在近期活动中表示，高端AI CPU需求“爆表”了。客户现在不问128核够不够用，直接问160核、192核什么时候能交货。

从部分公开方案和厂商表述来看，AI集群扩容的压力正更多指向调度核心的承载能力。

另一边，供应端也在出状况。

根据Intel、AMD公开披露的供应链与客户沟通信息，今年2月两家都发了供应预警。Intel部分服务器CPU交期拉到6个月，AMD那边也要8到10周。据7月相关行业报道，Intel确认上调Xeon服务器CPU价格，高端款涨了10%到12%。消费级CPU今年以来也调了好几次价。

这事儿搁五年前根本不敢想。CPU市场向来是“价格只有降的份儿”，现在硬是被AI需求拉起来了。

从公开披露看，国内几家CPU相关厂商的业务进展大致如下。

海光信息的公开资料显示，它的DCU产品覆盖了20多个关键行业、300多个应用场景，跟365款主流大模型完成了适配。从其公开披露的行业与应用场景数量来看，覆盖规模相对较大。

中国长城在金融、电信这些行业的信创采购中，从公开招标与信创落地信息看，相关行业对其产品有一定采用。

龙芯中科今年6月发了定增预案，募资投向CPU核心技术和GPGPU研发。从公司公告及行业报道看，这一研发与业务延伸方向在公开信息中被多次提及。

国芯科技在嵌入式CPU和自主指令集这边，产品迭代一直在推。

架构层面的变化也值得盯着。英伟达首款独立数据中心CPU Vera已经量产了，基于ARM架构。该数据来自英伟达公开发布信息，速度是X86 CPU的1.8倍，尚未进入第三方大规模实测阶段。ARM自己也出了针对Agent场景的CPU整机方案，直接冲着数据中心编排层去的。

国内则是自主指令集、X86、ARM、RISC-V四条路线并行推进，各有各的打法。

说到底，AI的叙事逻辑变了。以前大家比的是“谁算得快”，现在比的是“谁能把事情办完”。在不少公开技术分析与厂商方案中，CPU在AI系统中的角色被越来越多地讨论和强调。

这事儿还没到大结局，但仅从技术架构演进和公开方案来看，方向已经挺清楚了。

本文为公司公告、定期报告及公开报道的事实性转述与技术科普，仅探讨产业逻辑，不构成任何投资建议。市场有风险，决策需谨慎。