AMD：智能体AI将推动CPU与GPU比例趋近1:1
Nashnova编辑部
AMD预计智能体AI将把数据中心CPU与GPU配比从传统的1:4推向1:1，这意味着AI资本开支的下一轮竞争焦点正从GPU独大转向整条基础设施链。
为什么智能体AI会让CPU变得更重要？
传统AI聊天机器人的工作几乎全由GPU完成，CPU只做"打杂"——配比大约1个CPU配4个GPU。
智能体AI不一样：它要自己规划任务、查数据库、调用工具、最后还要验证结果——这些步骤都跑在CPU上。
这意味着→ GPU依然干最重的模型推理，但CPU的工作量成倍增加，配比向1:2甚至1:1移动。
用大白话说＝ 以前CPU是配角，现在智能体给它加了一整套新戏份。
AMD怎么拆解智能体的工作流？
AMD把一个智能体任务拆成六步：网关接入 → 规划 → 向量数据库检索 → 模型推理 → 工具执行 → 结果验证。
其中五步主要靠CPU，只有模型推理仍以GPU为核心，存储和网络也不可少。
这反映出智能体并非"一块GPU从头算到尾"，而是一条CPU、GPU、存储、网络混合流水线。
AMD强调：1:1是方向性判断，不是今天数据中心的行业平均值——实际部署因工作负载而异。
Arm和微软怎么印证这个趋势？
Arm台湾及东南亚区总裁迈克尔·王指出，AI智能体产生的请求量可达人类用户的15倍，因为智能体持续运行并能触发其他智能体。
这意味着→ 这种"请求洪峰"会在现有架构下压垮CPU，倒逼更多CPU容量上线。
Arm已于今年3月推出Arm AGI CPU——这是Arm首款量产数据中心芯片，标志着从卖IP到自己造芯片的跨越。
微软则把自研的Cobalt 200定位为"智能体原生CPU"，称其可将智能体调用延迟降低33%、吞吐量提升23%。
CPU需求上升，GPU会被挤掉吗？
AMD、Arm、微软的共同立场很明确：CPU需求上升≠GPU需求下降。
AMD表示机架级GPU加速仍属必要，智能体模型只是把不同阶段的工作分配给了不同硬件。
微软也强调"并非放弃加速器"，Azure战略是自研芯片与合作伙伴处理器并行部署，CPU和AI加速器投资双线推进。
对AI资本开支意味着什么？
用大白话说＝ 下一轮AI基础设施的钱，不会只砸在GPU机架上了。
若智能体工作负载按预期扩张，通用服务器、内存、存储、网络、数据处理单元的采购需求都会放大。
微软在峰会上透露，其云基础设施约70%的零部件来自台湾及亚太生态系统，并将台湾列为半导体创新与先进制造的全球领导者。
这意味着→ 当AI从"回答问题"进化到"执行多步骤任务"，GPU周边的整条基础设施能否同步扩容，将成为下一轮AI资本开支竞争的核心验证点。
Content is for reference only, not financial advice.