当前，数据中心芯片市场正经历前所未有的两极分化：AI服务器需求火爆，而通用服务器却陷入库存积压。英特尔财务长Da vid Zinsner直言，数据中心芯片库存消化需要数个季度；与此同时，英伟达凭借GPU在AI领域的绝对优势，业绩暴涨。这场由生成式AI引发的变革，正在重塑整个芯片产业链的格局。下面，我们将深入分析这一现象背后的原因、三大巨头的市场表现，以及传统CPU厂商能否在AI时代分得一杯羹。

一、AI热潮下的数据中心芯片市场：冰火两重天

1. 库存积压与需求激增的矛盾

最近，英特尔财务长Da vid Zinsner表示，虽然数据中心芯片需求在过去两季有所好转，但库存消化将比电脑芯片更长，可能还要过几季才能达到较佳的状态。在这个AI被炒的火热的时代，当英特尔说数据中心芯片的库存正在积压，出乎很多人的意料。

为什么会出现这种矛盾？分析师陆行之指出：“库存难消耗有两种原因，一是产能利用率维持高档不坠、超过稳定需求，二是需求下降速度快过产能利用率下降速度。”他认为，英特尔在数据中心早已丧失话语权。依据预算的排挤效应，每买一台AI服务器，就少买几台通用服务器，即使功用不尽相同，但这趋势应该会持续数个季度，甚至数年。

小提示：一台AI服务器价格比通用服务器贵20倍以上，客户无法大幅加码服务器采购预算，只能少买数台通用服务器。如果一台AI服务器使用两颗英特尔的CPU，假设少买三台，那就少了6颗比较便宜的CPU需求，这就是英特尔CPU库存被积压的直接原因。

2. 三大巨头的业绩分化

当前数据中心领域有三大巨头：英特尔、英伟达、AMD。在数据中心CPU方面，据Counterpoint数据，2022年英特尔以71%的份额保持领先，AMD以20%紧随其后。但在数据中心GPU方面，英伟达几乎“垄断”。

从今年业绩来看，英伟达毋庸置疑是收入暴涨。在截至7月30日的季度财报中，英伟达数据中心业务收入增长141%至103亿美元，占其总收入比超过76%。有分析师估计，到2025财年，英伟达的数据中心部门收入将扩大到400亿美元。

相比之下，AMD和英特尔则表现疲软。AMD二季度数据中心营收13.21亿美元，同比下滑11%，Epyc处理器销售未达预期。英特尔数据中心和人工智能业务销售额从去年同期的47亿美元下降15%至40亿美元；英特尔CEO帕特·基辛格表示，服务器CPU的库存过剩将持续到今年下半年。

关键数据：百度、腾讯、阿里巴巴和字节跳动四家公司合计向英伟达订购了价值50亿美元的AI芯片，包括2023年发货的10万块A800芯片（价值10亿美元），以及2024年交付的价值40亿美元的芯片。

二、通用服务器与AI服务器的两极分化：CPU地位动摇

1. 什么是AI服务器？它和通用服务器有何不同？

今年的市场中，通用服务器和AI服务器需求出现了两极分化。AI服务器和通用服务器的差异是什么？实际上，比起通用服务器以CPU为主要算力，AI服务器则是以GPU为主要架构，通过异质运算架构提高运算能力。目前依据应用的类型，AI服务器可以分为训练和推理两种。

从前电脑、服务器最重要的零组件是CPU，但随着需要大量运算能力的AI应用出现后，CPU开始沦为配角，GPU的时代开启了。从目前AI服务器的市场来看，一张主板需要1～8个GPU、1～2个CPU，以及1个Arm Grace CPU，其中英伟达的GPU市场占有率超过8成。

2. 为什么英伟达GPU能独占鳌头？

即使英伟达的GPU价格高昂，但效率远高于其他产品。一起来算一笔账：假设建置数据中心预算为1000万美元，可以选择建置1座搭载960颗CPU、电力消耗达11GW的数据中心，可提供1倍的大型语言模型（LLM）处理性能；但是选择建置1座有48颗GPU、功耗仅需3.2GW的数据中心，且LLM资料处理量是CPU的44倍。

从综合成本收益来看，GPU明显占优。更何况英伟达GPU在人工智能的推理和计算方面独具优势。这就是为什么黄仁勋之前表示：“买的越多，省的越多（The more you buy， the more you sa ve.）”。

小提示：15年前黄仁勋就表示，CUDA运算效果较CPU高出10~100倍。今年他更是直言：“尽管CPU过去几年运算速度不断提升，但进入AI时代后，以CPU为运算基础的时代已经结束，现在大型语言模型需要更新的解决方案。”

3. 英伟达H100供不应求的现状

业界分析师估计，AI芯片市场有超过8成掌握在英伟达手里。一篇名为《Nvidia H100 GPU：供需》的文章深入分析了当前科技公司对GPU的使用情况，推测小型和大型云提供商的大规模H100集群容量即将耗尽，H100的需求趋势至少会持续到2024年底。不过，目前英伟达GPU的产能受到供应链的限制，这也给英特尔和AMD留下了反超的机会。

三、英特尔和AMD的AI反击战：能分到一杯羹吗？

1. 英特尔的AI布局

英特尔不会放过AI发展的浪潮。在今年Innovation 2023活动中，AI是贯穿始终的主旋律。英特尔执行长帕特·基辛格表示，AI正在催生全球增长的新时代，算力离不开芯片，如今芯片形成了规模达5740亿美元的行业，驱动着全球背后约8万亿美元的技术经济。

数据中心方面，英特尔将芯片分为两类：着重效能但耗能更高的Granite Rapids芯片，以及聚焦能源效率的Sierra Forest芯片。新款数据中心芯片“Sierra Forest”已预定明年上市，每瓦性能将比目前的数据中心芯片提高240%。Granite Rapids可将AI工作负载性能提升2-3倍，内存带宽提升2.8倍。

英特尔预估，在AI战场还需要几年时间，应该就可以追上英伟达在高端AI相关的进展。此外，英特尔在HPC（高性能计算）方面具有高度优势，而HPC与AI未来将会汇聚。

2. AMD的AI战略

AMD同样面临产品推出时机落后的问题，旗舰AI芯片MI300目前仅少量送样，要到明年才会上市。AMD数据中心硬件部门主管诺罗德表示，ChatGPT引爆的AI热潮是AMD始料未及的。

目前，AMD已经将人工智能作为分配资源和投资的首要领域，包括AI专用芯片和软件的开发。对标英伟达H100的MI300X，号称HBM密度高达英伟达H100的2.4倍，HBM带宽高达1.6倍，单个芯片可运行多达800亿参数的模型。

市场机构Northland认为，AMD未来可望在AI芯片市场拿下20%市占率，除了芯片表现不凡，AMD与大型数据中心的合作关系也有利AI芯片销售。

3. 晶圆代工格局的影响

值得注意的是，从晶圆代工的角度看，数据中心芯片对高级节点的需求不断增加。AMD在2018年拥抱台积电7nm是关键决定，使其在PC和服务器领域威胁英特尔。英伟达也一直和台积电关系紧密，尽管部分产品曾转由三星代工（如RTX 30系列），但面临三星制程技术落后，最终RTX 40系列回归台积电。

小提示：在英特尔和AMD最新的数据中心芯片明年大量出货之前，英伟达的高端GPU没有能打的对手。

常见问题解答（FAQ）

• Q：为什么AI服务器需求火爆，但英特尔的CPU库存却在积压？
  A：因为AI服务器价格昂贵（是通用服务器的20倍以上），客户在有限预算下只能减少通用服务器的采购。一台AI服务器通常只配1～2颗CPU，但会因此减少数台通用服务器的采购，导致CPU需求被压缩。根据排挤效应，这种趋势会持续数个季度甚至数年。
• Q：英伟达GPU价格那么贵，为什么企业还要抢着买？
  A：因为效率极高。例如，在1000万美元预算下，GPU方案（48颗GPU）的LLM处理性能是CPU方案（960颗CPU）的44倍，功耗却只有三分之一不到。加上CUDA生态的成熟，训练和推理速度远超CPU，因此“买得越多，省得越多”。
• Q：英特尔和AMD目前有没有能够对标英伟达H100的AI芯片？
  A：目前还没有。英特尔的Granite Rapids和Sierra Forest预计明年上市，AMD的MI300X也计划明年大量出货。在这之前，英伟达H100依然是市场上最高端的AI训练芯片，需求至少持续到2024年底。
• Q：英特尔和AMD未来还能在AI市场翻身吗？
  A：有机会，但挑战巨大。英特尔在HPC领域有优势，且新一代芯片性能提升明显；AMD的MI300X在HBM密度和带宽上甚至超越H100。不过，英伟达的生态壁垒（CUDA、生态伙伴）非常坚固，且产品迭代速度快。分析师认为，AMD未来可能拿到20%的市场份额，英特尔则需要更长时间。

编辑：黄飞