CPU也要被干涨价了！
过去几年，老黄靠着 GPU 几乎把全世界的热钱都赚进了兜里，大家都说，搞 AI 只要显卡够多就行。
然而最近，风向开始悄然转变。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
一个看似与显卡毫不相关的核心部件——CPU，价格也开始蠢蠢欲动。
就连前阵子经历各种动荡、业绩一度低迷的英特尔，股价也迎来了一轮强势反弹。上周五其股价单日暴涨27%，一举突破了26年前创下的历史高点。
信号已经相当明确：在当下的AI竞赛中，仅靠GPU单打独斗已经不够看了。CPU性能的高低，成了另一个无法回避的关键战场。
CPU：从未离场的“初代目”
其实严格来说，CPU从未真正离开过AI的舞台。在显卡成为绝对主角之前，AI的漫长探索期，完全是靠CPU硬生生“算”出来的。
早在上世纪90年代，图灵奖得主Yann LeCun在其论文中就提到，训练一个CNN模型，需要在单个CPU上耗费两三天时间。
想要训练更大规模的模型？那就需要堆砌更多、更强的CPU。但我们现在都知道，用CPU进行大规模AI训练，本质上效率非常低下。加之当时计算资源昂贵，直接导致早期AI模型的性能相当有限，甚至一度让“神经网络”这个词在学术圈有些尴尬——据说当时一些论文审稿人看到标题带有“神经网络”，就会考虑直接拒稿。
于是，研究人员不得不给神经网络起各种“花名”，以期蒙混过关。
GPU时代：黄金与铲子的故事
转机出现在2012年。那年的ImageNet大赛上，由Hinton带领的团队凭借两张消费级显卡GTX 580，将图像识别准确率大幅提升了十个百分点，成绩遥遥领先。
这一刻，神经网络技术正式起飞。AI成了新时代的“黄金”，而GPU则成了挖掘金矿不可或缺的“铲子”。英伟达凭借这柄“铲子”一路高歌猛进，市值登顶全球。而曾经的运算王者CPU，则在这场狂欢中退居二线，主要负责一些辅助性工作。
风水轮转：CPU为何重归C位？
但行业的故事总是充满转折。到了2026年的今天，一个共识逐渐清晰：想要玩转下一代AI，仅靠GPU已经力不从心。这背后的逻辑，其实就藏在AI应用形态的演进中。
过去我们使用ChatGPT或DeepSeek，大多是简单的问答模式：用户提问，云端GPU进行矩阵运算，逐字生成回复。在这个流程里，CPU确实插不上太多手。
然而，随着Claude Code、龙虾（Lobster）这类智能体（Agent）工具的兴起，情况变了。AI的任务不再是简单的单次问答，而是需要自主完成一系列复杂动作。
举个例子，当你让AI助手“去买一个奶龙玩偶”时，它首先需要理解“奶龙”是什么，如果不清楚，得先去搜索；确认后，要选择合适的工具（如调用电商API或操控浏览器）去查询价格、款式、店铺信息；最后还要综合判断，筛选出最靠谱的选项。整个过程涉及大量的决策、调用和协调。
GPT-image-2做的图，示意一下
仔细拆解就会发现，现代Agent的工作流是GPU与CPU的“接力赛”：GPU处理完一个计算密集型任务后，需要CPU迅速接手，进行逻辑判断、工具调用、资源分配等操作，然后再交还给GPU。二者频繁交替，协同工作。
一旦CPU性能“拉胯”，整个流程就会卡顿，导致昂贵的GPU陷入“等待”状态，开始“摸鱼”。
因此，为了让GPU保持满负荷高效运转，科技公司们开始疯狂为数据中心补充CPU算力。微软在建设最新的Fairwater数据中心时，甚至专门额外建造了一栋满载CPU的独立大楼。
By semianalysis
强化学习：CPU成为“严苛导师”
另一方面，让模型变得更“聪明”的途径也在发生变化。单纯堆叠GPU规模来扩大参数量的方法，其边际效益正在递减。当前模型的进步，越来越依赖于强化学习。
从DeepSeek的R1，到OpenAI、Anthropic、谷歌、阿里通义千问、Grok等头部玩家，都在强化学习上投入重兵。所谓强化学习，就好比不再让模型“死记硬背标准答案”，而是将其直接“扔进考场”，通过实践反馈（做对奖励，做错扣分）来学习。
例如训练AI写代码，生成代码只是第一步，更重要的是能实际运行并验证结果是否正确。这个“运行验证”的环境搭建、过程监控和结果评估，大量工作都由CPU承担。可以说，在强化学习过程中，CPU扮演了“场地搭建者”、“道具管理员”和“严厉评分官”等多重角色。
需求催生行动。为了获得更多更强的CPU算力，大厂们各显神通：有技术积累的如谷歌，开始自研专用CPU Axion；缺乏芯片设计经验的如Meta，则选择与Arm深度合作，共同研发。
一个反直觉的真相：越花钱，越省钱
更让数据中心管理者们感到意外的是一个反直觉的经济账：在AI负载下，为CPU投入更多，反而可能更省钱。
原因在于，GPU在执行计算任务前，所有准备工作都由CPU完成：接收请求、分配内存、加载模型权重、更新KV缓存等等，这些环节缺一不可。
如果CPU性能不足，处理这些前置任务拖拖拉拉，就会导致功耗高达数百瓦的顶级GPU长时间处于空闲等待状态。完成同样工作量所需的总时间被拉长，总耗电量自然飙升，电费账单也就水涨船高。
相反，如果配备更高性能的CPU，虽然其自身功耗有所增加，但它能为GPU更快地准备好“弹药”，让GPU以最高效率持续工作，从而缩短任务总耗时。算总账，整体能效反而更高，实现了“越贵越省钱”的性价比提升。
AMD的一项实验数据佐证了这一点：在搭配相同GPU的情况下，使用更高性能的CPU，虽然系统总功耗增加了0.8%，但任务处理效率却提升了8%。这无疑是笔划算的买卖。
https://www.amd.com/en/blogs/2025/why-your-host-cpu-matters-more-than-you-think--ma.html
结语：新的格局与“受伤”的玩家
综上所述，在智能体普及和强化学习成为主流的双重驱动下，CPU正迎来其算力生涯的“第二春”。它在数据中心的核心地位不仅得以巩固，甚至更加关键。
这对于英特尔、AMD，乃至试图切入该市场的英伟达来说，无疑是一波“天降富贵”。然而，这场由AI驱动的算力军备竞赛，或许会带来一个意想不到的后果：消费级CPU市场可能面临供应紧张或成本上涨的压力。
最终，为之买单的，可能还是广大的普通消费者和玩家。眼下看来，只能祈祷手头的电脑别出故障了，毕竟如今想要配一台新机，预算恐怕要好好掂量一番了。
相关攻略
过去几年，老黄靠着 GPU 几乎把全世界的热钱都赚进了兜里，大家都说，搞 AI 只要显卡够多就行。 然而最近，风向开始悄然转变。 一个看似与显卡毫不相关的核心部件——CPU，价格也开始蠢蠢欲动。 就连前阵子经历各种动荡、业绩一度低迷的英特尔，股价也迎来了一轮强势反弹。上周五其股价单日暴涨27%，一举
4月3日消息，NBD物流清单泄露信息显示，Intel即将推出的Nova Lake-AX处理器并非此前预期的BGA封装，而是出现在了一个LGA 4326平台上，插槽尺寸达37 5×56 5mm，几乎是
4月2日消息，Intel公司日前宣布溢价30亿美元，以142亿美元的价格从Apollo公司手中收购了双方在爱尔兰合作的Fab 34芯片工厂的股权，至此该公司重新成为Intel 100%控制的企业。很
4月6日消息，诞生37年的Intel486处理器，即将彻底告别现代Linux系统。据科技媒体Phoronix报道，Linux内核开发者已启动对486处理器支持的移除工作，相关补丁确认将合入Linux
4月4日消息，在多个国产CPU路线中，龙芯中科已经走向了完全自主指令集和架构的路线，公司明确表示不再依赖任何国外技术授权。当前的龙芯已经发展到了龙芯6000系列，其中龙芯3A B桌面版有4-8核的，
热门专题
热门推荐
勇者斗恶龙7重制版包袱皮披风速刷指南：获取方法与效果详解 在经典RPG《勇者斗恶龙7：伊甸的战士们》重制版中，“包袱皮披风”是提升刷宝效率的关键装备。这件披风的唯一效果是显著增加战斗后怪物掉落道具的几率，对于收集稀有锻造材料、完整装备图鉴或推进主线卡关的玩家而言，是不可多得的效率神器。那么，这件高性
勇者斗恶龙7重制版盗贼钥匙获取攻略：开启早期宝箱的关键道具 在《勇者斗恶龙7》重制版的游戏初期，你是否常为那些上锁的宝箱感到困扰？这些无法开启的容器里往往藏着宝贵资源。本篇将详解如何取得第一把永久钥匙——盗贼的钥匙，它是解锁前期各类普通宝箱的唯一途径，能让你的冒险旅程更加顺利。 勇者斗恶龙7重制版盗
USD AI：当合成美元遇上AI算力融资，一个新叙事正在成型 加密世界从不缺少新故事，但能让市场侧目的，往往是那些能将多个热门赛道巧妙缝合的创新。最近，一个名为USD AI的项目正引发广泛讨论。它并非又一个简单的DeFi收益农场，而是精准地站在了合成美元、真实收益与AI基础设施融资这三个领域的交汇点
仁王3东国无双BOSS无伤打法全攻略：击败本多忠胜技巧详解 一、核心无伤思路与原则 想要在《仁王3》中无伤击败“东国无双”本多忠胜，首要任务是调整战斗思维——核心理念是“生存优先，输出在后”。这位战国第一猛将攻击力极高、范围极大，但几乎所有招式都有明显的起手动作。任何贪刀或判断失误都可能被秒杀。因此
勇者斗恶龙7重制版竞技场席德怎么打？最详细攻略与打法技巧解析 在《勇者斗恶龙7》重制版的隐藏竞技场中，破坏邪神席德是一个机制独特、难度极高的守关Boss。许多玩家初次挑战时反复受挫，其难点并非简单的数值压制，而在于一套配合严密、环环相扣的致命技能组合。未能理解其行动模式，极易导致全员覆没。不过无需焦