英特尔CPU性能飙升五倍 GPU重要性是否被赶超
前几年，市场曾形成一个集体共识：AI时代，GPU吃肉，CPU喝汤。但这个判断，如今似乎正在松动。
过去一年，英特尔完成了从“弃儿”到“宠儿”的逆转，股价在近一年时间里暴涨近五倍。这背后的逻辑，其实可以从英特尔今年一季度的财报电话会中找到线索：数据中心里CPU与GPU的部署比例，正从传统的1:8慢慢收紧到1:4，而到了智能体场景，甚至可能进一步逼近1:1。
如果觉得英特尔这话有自卖自夸的嫌疑，那么今年3月英伟达的动作，则进一步坐实了CPU需求升温的趋势——它首次以独立产品的形式，开始销售Vera CPU。
CPU与GPU的部署数量逐渐收敛，核心原因在于AI竞争的逻辑变了，正从训练竞赛，转向应用竞赛。
在训练场景中，AI的核心任务是利用海量数据反复迭代优化，GPU凭借其高吞吐量的并行数据处理优势，成了当之无愧的“军火”。
可到了应用场景，以智能体为例，它的大量工作根本不是“计算”，而是“调度”。这就决定了AI的瓶颈，正在从“能不能算”转向“能不能高效调度”，而调度效率的关键，恰恰落在了CPU身上。
这意味着，当AI转向应用竞赛后，CPU或许正成为AI基础设施里，那个被长期低估的关键资产。
值得一提的是，除了CPU需求爆发的预期，英特尔手里，还握着另一个故事——“美积电”的叙事。
/ 01 / 重复1987年的故事？
1987年10月，英特尔股价单日暴涨26%，创下公司史上最大单日涨幅纪录。背后的逻辑很简单：市场终于看清，完成转型的英特尔，正死死攥住PC时代的历史性风口。
时间拉回到上世纪80年代，英特尔在DRAM赛道被日本厂商打得丢盔弃甲，1986年更是迎来公司史上首次年度亏损，净亏损高达1.73亿美元，处境狼狈不堪。
濒临绝境之际，英特尔将全部资源砸向当时还只是“副业”的微处理器研发。这场置之死地而后生的豪赌，不仅让英特尔聚焦于CPU赛道，也为它在个人电脑时代稳坐数十年霸主地位，埋下了伏笔。
三十九年后，历史似乎重演。2026年4月财报发布后，英特尔股价涨幅一度超过27%，追平了当年的单日涨幅纪录。而在不到一年的时间里，其股价最高涨幅接近五倍。
实际上，仅仅一年前的英特尔，还躺在“ICU”里。
业绩上，直到去年同期，英特尔还连续六个季度亏损，创下35年来最长的连续亏损纪录。股价上，英特尔创下2016年以来新低，市值不到曾经的小弟英伟达的五十分之一。
彼时的英特尔，麻烦缠身且看似无解：制程工艺被对手远远甩开，服务器CPU的市场份额不断被侵蚀，Arm架构持续渗透，云厂商自研芯片的脚步也在不断加快。
如今英特尔的大翻身，是上面的问题都解决了吗？这次起死回生，逻辑上有点类似上世纪80年代的转型：旧战场的形势恶化了，那就抓住新战场的机会。
这种转变清晰地体现在了财报上。英特尔的收入主要分为三块：客户端业务（即电脑芯片）、数据中心及AI业务（对应这个领域的芯片），以及代工业务。
一季度，英特尔实现营收136亿美元，同比增长7%。拆开来看，旧战场的颓势并未止住，但新战场的曙光已经显现。
具体来看，电脑芯片本季度收入77亿美元，同比仅增长1.3%。结合一季度全球PC出货量同比增长4%的背景来看，英特尔在PC市场的份额其实是在丢失的。
真正的增长引擎，来自数据中心及AI业务和代工业务。其中，数据中心及AI业务本季度收入50.5亿美元，同比暴涨22%；代工业务收入54.2亿美元，同比增长也达到了16%。
其中代工业务的收入大多来自内部结算，这块业务的预期更多是寄托在“美积电”的宏大叙事上；而数据中心及AI业务的增长，则正在实打实地兑现业绩。
数据中心及AI业务22%的收入增速看似不算爆炸，但其中的AI相关业务同比增长了40%。这还是在产能跟不上的情况下取得的。有科技行业分析师在社交媒体上指出，为了抢购CPU，客户甚至正在大量购买英特尔原本可能被视为报废品或归入低良率区间的产品。
问题来了：CPU为什么突然紧缺了？
/ 02 / CPU快和GPU一样重要了？
过去几年，AI算力的故事几乎被浓缩为一句话：GPU决定一切。但这个叙事正出现明显的松动。
英特尔在今年一季度财报会上透露，数据中心中CPU与GPU的部署比例，正从传统的1:8收紧到1:4，在智能体场景中甚至可能进一步向1:1靠近。
这话倒不能全视为自卖自夸。行业分析机构TrendForce也有类似判断：当前AI数据中心里，CPU与GPU的配比大概在1:4到1:8之间，而到了智能体AI时代，这一比例预计会逐步变成1:1到1:2。
英伟达的动作，也让这种判断多了几分可信度。英伟达选择Xeon 6作为其DGX Rubin NVL8系统的主机CPU，等于在自己的旗舰架构里，认可了英特尔在中控位置的不可替代性。除此之外，英伟达还在今年3月，首次以独立产品的形式销售Vera CPU，说白了，就是在回应市场对更灵活CPU:GPU配置的需求。
一个GPU巨头开始卖CPU，这件事本身就是一个强烈的信号：AI的算力主导权，正在从单一走向多元，CPU也在扮演越来越重要的角色。这种变化是如何发生的？
答案，得从两个产品的本质差异说起。
CPU的强项是逻辑控制、复杂运算和任务调度，但并行吞吐量不行，无法同时处理海量数据；而GPU刚好相反，强项是高吞吐量的并行数据处理，却不擅长搞定逻辑复杂、分支繁多的任务。
说得更直白点，CPU就像个全能选手，什么难题都能快速拆解，但一次只能沉下心处理一两件事；GPU则是个顶级专家，能力虽单一，却能同时搞定海量相同的活儿。
这种产品差异，也解释了为什么GPU能率先抢占AI基建的风口。过去几年，AI发展还处在训练阶段，核心任务就是集中、批量地“学习”——用海量数据反复迭代，更新一个庞大的模型参数。而训练速度，几乎全靠GPU的浮点计算能力和卡间互联带宽，CPU只要能及时供上数据、不拖后腿，就足够了。
但现在不一样了，AI正从计算密集的训练场景，转向调度密集的推理场景。比起训练时“重计算、轻调度”的路子，推理更讲究“重调度、轻计算”——AI需要接收无数零散的用户请求，用训练好的模型快速给出单个答案。
这时候就会发现，GPU的算力往往绰绰有余，但CPU处理请求、组织数据的速度，常常跟不上节奏，反而成了限制系统整体吞吐量和延迟的瓶颈。CPU的需求量，自然也就水涨船高。
更大的需求，来自智能体。智能体不是一个“更会聊天”的模型，而是一套真要动手执行任务的系统。它需要理解目标、拆解步骤、调用工具、访问数据库、连接API、执行代码、维护状态、判断结果，必要时还得调用其他模型或子智能体协同配合。
在这条复杂的执行链路里，模型推理只是其中一环。大量工作根本不是“计算”，而是“调度”、“编排”、“切换”、“访问”、“管理”。而这些活儿的本质，全是控制流和系统协同，正是CPU所擅长的领域。所以按照英特尔的构想，在智能体中，CPU和GPU最终需要1:1协同干活。
当然，英特尔1:1的部署判断未必精准，但在AI竞争从“训练竞赛”转向“应用竞赛”后，CPU需求增加的大趋势，是确定无疑的。
/ 03 / “美积电”的故事
在CPU需求看涨的情况下，英特尔还承载着另一个更宏大的期望——化身“美积电”。
英特尔最近以142亿美元买回了爱尔兰Fab 34晶圆厂49%的股权，重新收回了产能主导权。该厂是Intel 4与Intel 3制程的关键据点，也是目前产量最高的先进制程晶圆厂之一。
要知道，就在2024年，由于手头缺钱，英特尔把这部分股权以112亿美元的价格出售给了阿波罗。如今加价30亿美元买回来，这一卖一买，折射出的正是英特尔代工业务的起死回生。
在此之前，英特尔的芯片制程长期被台积电甩在身后，代工业务基本就是内部结算，来自外部客户的收入占比连3%都不到。但如今，英特尔正不断拿下巨头客户。
前不久有消息宣布，英特尔将为苹果代工部分芯片。英特尔拿下的也不只是苹果。英伟达以50亿美元投资英特尔，并将在其产线上生产定制数据中心CPU；马斯克旗下的Terafab项目（服务Tesla、xAI和SpaceX）也选择了英特尔代工；微软和亚马逊AWS更早之前就已经签约。
科技大厂选择英特尔有其产业逻辑。台积电与三星未来数年的先进产能，已被高毛利订单覆盖至2028-2030年，产能稀缺到连苹果都要排队。库克也亲口承认，台积电给的A19芯片不够用。
而在全球先进制程的供给版图中，除了台积电和三星，能接住这些溢出代工需求的，也就只剩英特尔了。
除了填补产能缺口，英特尔的代工业务，更承载着美国政府对“美积电”的殷切期望。
2025年，美国政府以89亿美元的代价，获得了英特尔9.9%的股权，从而成为其第一大股东。这背后隐含的是美国的科技战略：努力促进先进制程芯片的“本土化”。
过去几年，在现金流衰减、制程落后的双重夹击下，英特尔内部一直有声音：卖掉重资产且已经制程落后的代工业务，像AMD那样变成轻资产的纯芯片设计公司。
从纯粹的商业逻辑来看，卖掉代工厂或许是最理性的选择。但在逆全球化的当下，这显然不符合美国的国家利益。地缘整治风险正在重新改写半导体行业的规则，影响台积电先进产能供给的，早已不只是简单的供需周期，还必须加上产业安全这层考量。
所以，美国必须把芯片制造牢牢留在本土；甚至包括新能源、航天等其他战略性产业，它也倾向于留在自己境内。为了推动这些产业更全面的本土化，美国不只是出钱，还主动牵线搭桥促成合作。比如英特尔和苹果的这笔代工生意，美国政府就扮演了关键推手，商务部长和总统都直接出面促成了此事。
当然，不管是CPU需求的暴涨，还是英特尔化身“美积电”的愿景，最终能不能落地，还得靠后续的业绩来验证。但在当下这个所有人都在追逐AI叙事的节点，英特尔的故事，已经足够有吸引力了。
相关攻略
摩根士丹利最新发布的研究报告揭示了一个关键行业趋势：人工智能推理时代已全面到来。报告核心预测指出，到2027年，谷歌、亚马逊、Meta和微软四大科技巨头在数据中心算力基础设施上的集体扩张规模，将攀升至惊人的34吉瓦。 这一数字究竟意味着什么？我们可以通过对比来理解其庞大程度。报告指出，目前全球最大的
判断一个开源智能体框架是否需要GPU支持，关键在于分析其核心架构与任务分工。OpenClaw的定位非常明确：它是一个轻量级的任务编排与调度中枢，核心功能是解析指令、调度并执行本地脚本，这一过程主要依赖CPU计算与内存资源。因此，框架本体运行无需GPU。 那么，GPU的需求究竟来自哪里？答案完全取决于
AI算力服务正从“租GPU”转向“卖Token”的新模式。新模式以模型输出量计费，并通过平台整合服务。这标志着产业分工深化，竞争核心从占有算力转向高效生产与交付AI能力。新模式虽有望提升效率与毛利，但仍需应对技术迭代、价格竞争等挑战。真正的赢家将是能扎实构建技术壁垒的企业。
英伟达CEO黄仁勋驳斥将高端AI芯片类比为核武器，强调其民用属性并反对出口管制。中国电信推出低价Token套餐，推动大模型算力服务普惠化。针对AI伪造图片用于电商“仅退款”的乱象，国家反诈中心App已上线鉴定功能以应对技术滥用。
坐拥约55万块英伟达GPU，实际算力利用率却仅为11%——这一巨大反差，近期将马斯克旗下的xAI推至舆论焦点，也促使整个AI行业深入审视其算力利用效率的现状与挑战。 根据外媒《The Information》获取的内部备忘录，xAI公司总裁迈克尔·尼科尔斯向团队坦言，目前公司模型训练的浮点运算利用率
热门专题
热门推荐
IDC报告显示，商汤“万象”平台以11 3%份额位居中国大模型私有化市场第二。平台通过一站式模型服务、全生命周期专家支持及低代码工具链，满足企业安全、性能与成本需求，推动AI在政务、交通、能源等行业落地，降低技术门槛，加速价值实现。
市场上有多种高效AI工具可供选择。WPSAI能智能处理文档，Grammarly辅助写作纠错，AIPPT工具快速生成演示文稿，ChatGPT进行对话与创作，DeepL提供精准翻译。CanvaAI助力设计，GitHubCopilot和TabNine提升编程效率，AI去背工具简化图像编辑。这些工具覆盖写作、设计、编程等场景，能显著提升工作效率。
BitgetAI负责人Bill博士指出，AI在交易平台中已能高效整合信息、辅助决策，提升效率。当前产品注重个性化建议与安全易用的交互，如通过Telegram提供自然对话辅助。AI虽无法完全替代顶尖交易员，但其价值在于赋能用户、优化流程。未来竞争关键将在于安全体系、成本控制及持续学习用户习惯的能力。
2024年，AI工具正深度融入工作流程，提升效率与创意。WPSAI集成于办公软件，助力文档创作与优化；ChatGPT作为多功能对话模型，辅助编程与文案；GoogleBard擅长信息整合与自然对话；BoardMix结合白板与AI，可生成思维导图等可视化内容；NewBing融合搜索与对话，兼具创意与可信来源；NotionAI能自动处理会议纪要等文本任务；Gram
代币化美股热度上升，投资者可通过区块链交易相关资产，挑战传统券商模式。其优势包括降低门槛、提升流动性和全天候交易，但也面临监管不明确等风险。未来能否颠覆传统金融，取决于技术发展与合规进程。