AMD：智能體AI將推動CPU與GPU比例趨近1:1
Nashnova编辑部
AMD預計智能體AI將把數據中心CPU與GPU配比從傳統的1:4推向1:1，這意味著AI資本開支的下一輪競爭焦點正從GPU獨大轉向整條基礎設施鏈。
點解智能體AI會令CPU變得更重要？
傳統AI聊天機械人的工作幾乎全由GPU完成，CPU只做「打雜」——配比大約1個CPU配4個GPU。
智能體AI不同：它要自己規劃任務、查數據庫、調用工具、最後還要驗證結果——這些步驟都跑在CPU上。
這意味著→ GPU依然做最重的模型推理，但CPU的工作量成倍增加，配比向1:2甚至1:1移動。
簡單來說＝ 以前CPU是配角，而家智能體幫佢加咗一整套新戲份。
AMD點樣拆解智能體嘅工作流？
AMD將一個智能體任務拆成六步：網關接入 → 規劃 → 向量數據庫檢索 → 模型推理 → 工具執行 → 結果驗證。
其中五步主要靠CPU，只有模型推理仍以GPU為核心，存儲和網絡同樣不可少。
這反映出智能體並非「一塊GPU從頭算到尾」，而是一條CPU、GPU、存儲、網絡混合流水線。
AMD強調：1:1是方向性判斷，並非今日數據中心的行業平均水平——實際部署因工作負載而異。
Arm同微軟點樣印證呢個趨勢？
Arm台灣及東南亞區總裁邁克爾·王指出，AI智能體產生的請求量可達人類用戶的15倍，因為智能體持續運行並能觸發其他智能體。
這意味著→ 這種「請求洪峰」會在現有架構下壓垮CPU，倒逼更多CPU容量上線。
Arm已於今年3月推出Arm AGI CPU——這是Arm首款量產數據中心晶片，標誌著從賣IP到自己造晶片的跨越。
微軟則將自研的Cobalt 200定位為「智能體原生CPU」，稱其可將智能體調用延遲降低33%、吞吐量提升23%。
CPU需求上升，GPU會唔會被擠走？
AMD、Arm、微軟的共同立場好明確：CPU需求上升≠GPU需求下降。
AMD表示機架級GPU加速仍屬必要，智能體模型只是把不同階段的工作分配給了不同硬件。
微軟亦強調「並非放棄加速器」，Azure戰略是自研晶片與合作夥伴處理器並行部署，CPU和AI加速器投資雙線推進。
對AI資本開支意味著乜？
簡單來說＝ 下一輪AI基礎設施的錢，唔會淨係砸喺GPU機架上。
若智能體工作負載按預期擴張，通用服務器、內存、存儲、網絡、數據處理單元的採購需求都會放大。
微軟在峰會上透露，其雲基礎設施約70%的零部件來自台灣及亞太生態系統，並將台灣列為半導體創新與先進製造的全球領導者。
這意味著→ 當AI從「回答問題」進化到「執行多步驟任務」，GPU周邊的整條基礎設施能否同步擴容，將成為下一輪AI資本開支競爭的核心驗證點。
Content is for reference only, not financial advice.