老黃把CPU機櫃搬上臺,一場五年混戰開始了
作者|包永剛編輯|林覺民 英偉達GTC,聚光燈總屬於最新一代GPU,但中國芯片投資人李華今年卻盯上了CPU。黃仁勳在臺上表示,進入推理時代,並不是所有任務都需要塞進GPU機櫃。隨後,他展示了獨立的CPU機櫃、存儲機櫃和LPU機櫃。過去幾年站在GPU身後的CPU,被單獨擺到了聚光燈下。看到這一幕,李華重新聯繫了一家自己此前看過、最終沒有投資的Arm CPU創業公司。幾個月前,他還認為CPU市場格局穩定、初創公司機會有限;這一次,他開始詢問對方的融資情況和產品進度。李華不是唯一回頭研究CPU的投資人。“我們從2025年底就開始系統性研究CPU的投資機會。
”商湯國香資本合夥人李揚對表示,“2026年,以Agent為代表的推理需求興起,讓我們投資CPU的邏輯從兩層變成了三層。”Agent興起後,CPU的需求、價格和資本關注度同時抬升。多位業內專家將未來五年視為國內CPU公司的關鍵窗口期。但市場升溫並不意味著所有公司都拿到了入場券。被Agent點燃的CPU市場,正在走向一場橫跨技術路線、新舊玩家和應用場景的五年混戰。這場混戰最大的變量是什麼?歡迎添加作者微信BENSONEIT交流。Agent推高CPU需求,量價齊升打開五年窗口Agent讓CPU重新受到關注,不是因為GPU變得不再重要,而是AI任務本身正在變化。
過去,用戶向大模型提問,模型返回答案,任務隨即結束。Agent則需要理解目標、拆解步驟、編排任務,並持續調用搜索、數據庫、代碼執行等外部工具。一個複雜任務可能運行二十步甚至五十步,模型推理之外的大量工作,都需要CPU承擔。一位服務器廠商資深人士對表示,在其觀察的一類Agent工作流中,運行在CPU上的負載超過80%,包括任務編排、數據庫查詢、工具調用以及不同步驟之間的調度。隨著Agent承擔的任務越來越複雜,AI數據中心的CPU與GPU配比可能從約1:8向1:4變化,甚至進一步接近1:1。“CPU的增長趨勢非常明確。
”英特爾數據中心集團副總裁兼中國區總經理陳葆立說,一家國內領先模型廠商今年的CPU需求同比提高了五倍。不過他對最終的配比保持謹慎,Agent負載仍在快速變化,最終配比尚難下結論。比配比變化更快發生的,是CPU需求和價格的同步上升。2026年第一季度,全球服務器CPU供需明顯失衡。從2025年第四季度到2026年第二季度,全球服務器CPU平均售價上漲接近30%。英特爾和AMD也先後向客戶釋放漲價信號,產品漲幅超過10%。CPU需求會繼續增長已成為共識,分歧在於這輪增長能否轉化為長期定價權。
藍芯算力生態負責人許慶偉認為,“這輪漲價不只是短期供需失衡,而是計算範式變化帶來的價值迴歸,CPU價格將長期平緩上漲,市場和客戶需要重新接受CPU的價值。”熠知電子生態合作總監馮佳宇則認為,國內競爭激烈,CPU大幅漲價空間有限;GPU和內存的漲價動力更強,CPU在整機成本中的佔比反而可能繼續下降。這表明,Agent帶來的“量”已經開始兌現,“價”能夠上漲多久、上漲多少,仍取決於供需、競爭和整機成本。但即便只考慮需求增長,這也是CPU行業多年未見的明確增量。來自不同技術陣營的多位從業者,都將未來五年視為國內CPU公司的關鍵窗口。對已經量產的Arm公司,這是搶客戶的五年。
對RISC-V公司,這是跨過生態鴻溝的五年。對所有CPU公司而言,是Agent負載和產品定義尚未固化之前重新站位的機會。CPU紅利,先流向已經量產的公司即便不考慮Agent帶來的新增需求,華為鯤鵬和海光C86也是國產服務器CPU市場最重要的兩股力量。多代產品、軟件生態和客戶採購體系構成的先發優勢,意味著Agent需求增長時,它們能率先拿到新增訂單。對於初創公司而言,能不能吃到這輪紅利,首先取決於產品是否落地。“最快吃到Agent紅利的,一定是芯片已經量產的公司。”遇賢微CTO陳爭勝說,“Agent可以提高投資人對尚未流片公司的興趣,但要吃到紅利,最關鍵的還是儘快把產品做出來。
”目前實現服務器CPU量產的初創公司主要集中在Arm路線,包括熠知電子和鴻鈞微。它們已經跨過流片和量產門檻,Arm在服務器市場的生態也相對成熟,更現實的問題,是去哪裡找到足夠大的市場。信創是國產CPU最明確的市場入口,但對新進入者來說,這一市場沒有想象中寬闊。“Arm CPU能大規模進入信創市場的主要還是華為和飛騰,整個市場也沒有那麼大。”馮佳宇認為,“新的Arm CPU公司必須尋找其他市場,長尾客戶可能是一個入口。”互聯網市場因此成為多家Arm CPU創業公司重點開拓的方向。瞭解到,鴻鈞微和熠知電子都在積極拓展互聯網客戶,熠知電子已經與騰訊在雲遊戲、雲手機場景完成落地驗證。
除了互聯網客戶,另一個現實的切口可能是承接頭部大廠難以充分覆蓋的分散需求。“對於已經量產Arm CPU的公司首先要拼性價比,性能不能差,價格也必須有吸引力。”馮佳宇說,“更重要的是保持開放,適配國內外不同的GPU和AI加速芯片。”端側CPU面對的是另一套競爭邏輯。許慶偉指出,端側CPU芯片公司能否綁定幾個大客戶十分關鍵。從服務器到端側,最早吃到Agent紅利的CPU初創公司幾乎都來自Arm路線,原因並不複雜,產品已經量產,生態也成熟,可以更快進入客戶驗證和採購階段。但短期優勢沒有讓投資人一致押注Arm。“我們並沒有堅定地只看Arm CPU公司。”李揚說,“其中一個重要考慮是地緣政治和授權風險。
相比之下,RISC-V在自主性上有更強的確定性。”近期一級市場出現了搶RISC-V CPU公司份額的情況,更多信息加作者微信BENSONEIT互通有無。RISC-V不缺確定性,缺的是訂單李揚所說的“確定性”,首先來自CPU賽道本身,其次來自國家對RISC-V的支持。“我們從2025年底開始系統性研究CPU,並不是因為看到了Agent。”李揚說,“佈局GPU和存儲後,即使經歷了2022年至2024年的低谷,這些公司上市帶來的回報仍給了我們信心。大賽道里一定會有公司跑出來,加上國家會大力支持RISC-V,這是最初的兩層邏輯,Agent只是增加了第三層。”資本和政策層面的確定性,並不等於商業化成功。
相比已進入客戶驗證的Arm CPU,RISC-V最大的挑戰,仍是如何把一顆芯片變成客戶真正能用的產品。RISC-V已經在微控制器、物聯網和部分邊端設備中廣泛應用,這些場景工作負載明確,對通用軟件生態依賴較低。但進入服務器和高性能計算市場後,客戶需要的不只是一顆CPU,還有完整的基礎軟件、工具鏈和應用生態。“我們已經量產了業界首款RISC-V +AI智通融合服務器CPU。當然,Arm用了十多年,才從端側進入雲端市場。RISC-V在高性能計算市場的生態確實還不成熟。”許慶偉說,“業務生態能夠直接帶來收入,但技術生態很難立即變現,初創公司沒有能力長期承擔全部投入。
”這正是高性能RISC-V公司的矛盾:生態不成熟就難以獲得客戶,沒有客戶和收入,又無法持續投入生態。初創公司也很難複製華為獨立補齊基礎軟件、工具鏈和應用適配的路徑。許慶偉認為,更現實的方式是由芯片公司、軟件廠商和客戶共同投入,用合作模式降低各方風險。在商業生態形成前,RISC-V在高性能市場的短期機會仍來自國產替代。許慶偉判斷,國內政策會在服務器採購中為RISC-V保留一定比例(比如5%),讓企業先獲得生存和產品迭代的機會。政策採購能帶來第一批用戶,卻不能替代長期市場驗證。RISC-V還需要找到願意持續投入適配的商業客戶,互聯網公司可能是最早的一批。
“互聯網公司有很強的軟件能力,工作負載也非常明確。”擁有近二十年CPU行業經驗的澤遠認為,“它們已經適配了x86和Arm CPU,只要願意投入,適配RISC-V並不是無法完成的事情。目前也有頭部互聯網公司在探索。”“相比之下,企業級市場更復雜,因為不知道客戶買回去以後要跑什麼軟件,很難提前做好適配和優化。”澤遠說。RISC-V進入高性能市場,可能不會複製傳統通用CPU從標準服務器逐步擴張的路徑,而是先從工作負載明確、軟件能力強、願意參與生態建設的客戶切入。許慶偉和澤遠都判斷,RISC-V CPU在高性能市場還需要五年左右,才能基本可用並逐步接受規模化驗證。
這五年不是等待生態自然成熟,而是證明能否跨過生態鴻溝的期限。但即使RISC-V跨過生態門檻,另一個問題依然沒有答案:Agent時代最終需要什麼樣的CPU?Agent需要的CPU,還沒有標準答案“CPU從設計到量產至少需要兩到四年,所以市場上號稱為智能體設計的CPU,很大程度上只是宣傳。”陳葆立直言。Agent需求已經開始增長,但Agent負載仍在快速演進。任務編排、沙箱運行、數據庫查詢和工具調用,對CPU的要求並不相同,也很難由一種產品形態全部滿足。陳爭勝最關注多線程和I/O性能,“每運行一個Agent,都需要獨立的線程或者沙箱。增加核心也能滿足需求,但多線程成本更低,切換速度也更快。
英偉達最新的Vera CPU採用雙線程設計,也能印證這一方向。”另一項關鍵變化來自I/O,Agent還需要頻繁調用數據庫和外部工具,並在不同核心、服務器和內存之間交換數據。軟件也非常關鍵,傳統操作系統和調度算法並非針對Agent設計,容易造成資源不足或閒置浪費。陳葆立認為,Agent時代需要的不止一種CPU形態。大量智能體併發需要更多核心,但未必追求極致單核性能;如果Agent頻繁調用數據庫,數據庫負載又需要更強的單核性能。陳爭勝也給出類似的分層判斷:少核心、高性能的CPU負責前端任務編排,並與GPU配合;多核心、單核性能相對適中的CPU,則適合承載大量Agent沙箱和併發調度。
Agent帶來的不只是CPU需求增長,也可能是CPU產品形態的重新分層。核心數量、單核性能、線程能力、內存帶寬、I/O和軟件調度需要針對不同負載重新組合,指令集不是唯一的勝負手。產品定義尚未收斂,既讓x86、Arm和RISC-V都保留了機會,也意味著任何一條路線都沒有提前拿到答案。圍繞技術路線、產品形態、生態和系統能力的CPU混戰,也由此不可避免。CPU大混戰的四層比拼CPU市場曾是芯片行業格局最穩定的市場之一。英特爾和AMD長期主導x86服務器市場,Arm用了十多年,才從手機進入雲端市場。Agent正在加速這種穩定格局的鬆動。海外市場最直接的競爭仍發生在x86與Arm之間。
自英偉達發佈Grace CPU以來,CPU已成為其AI系統佈局的一部分;高通進入高性能CPU市場,Arm也開始親自下場做CPU,都讓服務器CPU格局出現更多變數。“Arm服務器CPU公司面臨的一個限制,是對指令集的修改需要得到Arm同意。”澤遠指出,“如今Arm自己也做CPU,對購買IP授權的公司來說並不是一件好事。”與此同時,SiFive、Tenstorrent、Akeana和Ventana等RISC-V公司也在嘗試進入高性能CPU市場。雖然短期內還難以撼動x86和Arm的生態優勢,卻讓高性能CPU競爭從兩條路線變成了三條路線。
英特爾和AMD的競合關係也更加微妙,面對Arm和RISC-V,英特爾與AMD需要共同維護x86的競爭力,同時又在爭奪彼此的服務器CPU份額。“軟件生態是英特爾真正的護城河。”一位英特爾技術專家對表示,“Agent雖然是新的應用場景,但我們的CPU從設計之初就考慮了混合工作負載,緩存平衡、內存擴展等能力依然有優勢。”國內市場同樣不是單純的指令集路線之爭。華為和海光最有可能率先承接需求增長,量產芯片的Arm創業公司需要進入互聯網市場或尋找頭部廠商尚未覆蓋的客戶;高性能RISC-V公司則要用標杆客戶證明產品和生態能夠落地。更深層的競爭發生在系統層面。
Agent需要的不是一顆孤立的CPU,而是CPU與GPU、內存、互聯、操作系統和調度軟件共同協作。能夠同時提供CPU、AI芯片、整機和軟件棧的系統型玩家,可以圍繞Agent負載整體優化。只提供CPU的公司,則需要證明自己能夠適配不同GPU和加速芯片,進入客戶既有系統。新一輪CPU混戰,第一層是指令集,第二層是產品形態,第三層是生態,最終比拼的是系統能力。Agent為CPU打開了難得的增量市場,卻沒有為任何技術路線提前指定贏家。未來五年,CPU公司真正爭奪的,不只是新增訂單,而是在Agent產品定義和軟硬件生態再次固化之前,留在牌桌上的資格。注,文中李華、澤遠為化名
Related
相關文章
AI 浪潮下的社區無奈謝幕:知名反編譯追蹤網站decomp.dev宣佈關閉
該網站曾致力於集中展示匹配反編譯的進展,並凝聚志同道合的技術愛好者。然而,隨著近年來人工智能技術的迅猛發展,開源協作生態遭到嚴重破壞,創始人最終決定讓其退居為歷史數據存檔。匹配反編譯長期以來是一項極度耗時且艱難的任務。自2026年初 Opus4.
AI 系統 RFdiffusion3 能從原子層面造蛋白:實驗裡真能幹活
更硬核的是,用它全新設計的蛋白質,已在真實化學反應中兌現了預期功能。由美國華盛頓大學、英國牛津大學、英偉達等機構組成的國際團隊搭建了這套系統,可對單個原子建模,專門用於設計蛋白質與核酸,相關成果於當地時間 16 日刊登在國際期刊《科學》上。
迪士尼將以2000萬美元收購Character.AI部分資產並接納核心團隊
據彭博社披露的法律文件顯示,迪士尼已同意以2000萬美元收購 Character.AI 的部分資產,並向至少60名員工(佔其員工總數的大多數)提供總額約6000萬美元年薪的就業機會,目前絕大多數受邀員工已接受試探性報價。此次收購與人才吸納,凸顯了傳統娛樂巨頭在人工智能浪潮下對垂直領域技術團隊的深度整合。
不操控鍵鼠、自己寫代碼:4 個 Gemini 智能體在《我的世界》裡自主組隊擊敗末影龍
4個 Gemini4Argon 通用編碼智能體,在沒有人類替它們分派任何角色的情況下,僅憑遊戲內的聊天頻道和一份共享筆記,就自己商量著完成了分工,然後一頭扎進一個隨機生成的《我的世界》生存世界裡。這場硬仗打了27小時14分鐘,它們最終通關,把末影龍撂倒。
垂直大模型"同源觀瀾"在福州發佈:用 AI 把兩岸共同歷史記憶"激活"
10月18日,中華文化傳承與兩岸融合發展垂直大模型"同源觀瀾"在福建師範大學旗山校區正式發佈,它的使命很明確——用數字技術把兩岸共享的歷史記憶重新盤活。福建師範大學校長鄭家建點出了這套系統要解決的真實痛點:涉臺檔案資料浩如煙海,整理和考辨的難度極高。
Vercel數據表明決策模型Jev成史上採用最快AI模型
Jev於9月15日限量發佈,通過限制預設輸出數量實現更高速度與更低成本,成為快速分類大量數據的理想選擇,並已促使OpenAI和亞馬遜等公司推出競品。作為早期採用者,Vercel已利用Jev取代GPT-6Luna來識別有害指令。相關數據源自類似OpenRouter的統一 API 服務VercelAI網關,該報告同時指出開源模型已佔據處理代幣的70% 以上及總支出的近25%,而前沿實驗室支出亦實現十倍增長。