在过去的数年里，英伟达凭借其GPU产品几乎将全球科技领域的资金汇聚一堂，人们普遍认为，在人工智能（AI）领域，只要显卡数量足够，就能占据先机。

然而，近期市场风向悄然转变，原本与AI似乎关联不大的CPU，也开始步入涨价通道。

这一变化，让不少行业观察者感到意外。

就连近年来业绩波动、股价低迷的英特尔，也在这股浪潮中迎来了股价的飙升。

上周五，英特尔股价单日暴涨27%，一举突破了26年来的历史高点。

如今，在AI领域，仅凭GPU已难以独领风骚。

CPU的性能与地位，正逐渐成为衡量AI系统实力的重要指标。

事实上，CPU从未真正离开过AI的舞台。

在GPU成为AI计算主力之前，AI的早期发展很大程度上依赖于CPU的强大计算能力。

回溯至1998年，图灵奖得主LeCun在一篇论文中便提及，训练一个卷积神经网络（CNN）模型，需在单个CPU上运行数日之久。

若想训练更大规模的模型，则需更多、更强的CPU支持。

然而，使用CPU训练AI，本质上效率低下，且当时成本高昂，导致训练出的AI模型性能有限。

这一现状，甚至使得一些论文审稿人在看到“神经网络”字样时，便考虑直接拒稿。

为了规避这一偏见，研究者们不得不为神经网络起个别名，以蒙混过关。

然而，随着技术的进步，人们很快发现，GPU才是神经网络的真正“搭档”。

2012年ImageNet大赛上，图灵奖得主Hinton带领的团队，凭借两张GTX580显卡，将图像识别准确率提升了十个百分点，震惊业界。

这一事件，标志着AI进入了一个新的发展阶段。

AI成为新时代的“黄金”，而GPU则成为了挖掘这“黄金”的“铲子”。

英伟达创始人黄仁勋，凭借这一“铲子”，将公司市值推至全球之巅。

相比之下，曾经的王者CPU，在这场AI盛宴中却沦为了配角，只能承担一些辅助性任务。

但正如俗话所说，“风水轮流转”，如今，CPU正迎来自己的“第二春”。

到了2026年的今天，人们逐渐意识到，想要搞好AI，仅凭GPU已远远不够。

过去，我们使用AI，如ChatGPT或DeepSeek，主要是通过网页进行交互，提问后，GPU进行矩阵运算，预测下一个词或句子，然后给出答案。

这一过程中，CPU的参与度极低。

然而，随着Claude Code、龙虾等Agent工具的兴起，AI的工作方式发生了显著变化。

AI不再仅仅是被动回答问题，而是需要主动思考、规划并完成任务。

例如，当我们让AI购买一个奶龙玩偶时，AI首先需要了解什么是奶龙，然后搜索相关信息，选择合适的工具，如电商平台接口或浏览器工具，以获取价格、款式、店铺和销量等信息。

最后，AI还需整理这些信息，判断哪个链接更可靠，哪个产品价格更合理，然后给出最终结果。

GPT-image-2做的图，示意一下

这一过程中，GPU和CPU需要交替工作，GPU负责部分计算任务，而CPU则负责规划、协调和验证等工作。

如果CPU性能不足，GPU的计算效率也会大打折扣。

因此，为了提升AI系统的整体性能，各大数据中心纷纷增加CPU的投入。

微软在建设最新的数据中心Fairwater时，便专门额外建造了一栋全是CPU的大楼。

By semianalysis

此外，人们还发现，想要提升模型的性能，也离不开CPU的支持。

如今，仅靠增加显卡数量来提升模型规模，已难以取得显著效果。

这一代模型的进步，越来越依赖于强化学习（RL）技术。

DeepSeek通过强化学习推出了R1模型，而OpenAI、Anthropic、Google、阿里Qwen、Grok等AI巨头也在强化学习上投入了大量资源。

强化学习，即让模型在实战中学习，通过奖励和惩罚机制来优化性能。

例如，在训练AI编写代码时，模型不仅需要生成代码，还需运行代码、测试结果，并根据结果进行调整。

这一验证过程，就需要CPU的参与。

模型的每次训练，背后都可能有一堆CPU在协助进行演习、搭建场地、搬道具和打分。

CPU甚至成为了大模型的“严厉导师”。

为了获取更多、更强的CPU，各大模型厂商纷纷采取行动。

除了直接向英特尔等CPU巨头下单购买外，有技术积累的谷歌开始自主研发CPU Axion。

而没有技术积累的Meta，则选择与Arm合作，共同研发CPU。

同时，各大数据中心还发现了一个有趣的现象：购买更多CPU，反而能节省成本。

这是因为，在AI大模型工作中，GPU的所有任务都是由CPU指派的。

在GPU开始工作前，CPU需要完成大量准备工作，如接受用户请求、分配模型数据、加载模型权重、更新KV缓存等。

如果CPU性能不足，这些准备工作将变得缓慢而低效，导致GPU闲置或低效运行，从而增加电费开支。

相反，如果采用高端CPU，虽然其自身功耗较高，但能更快地给GPU分配任务，使GPU更高效地完成工作，从而节省电费。

AMD的实验就证明了这一点：给同样的GPU配备不同的CPU进行测试，结果发现，使用高端CPU的组合虽然耗电量增加了0.8%，但工作效率却提升了8%。

这真是数据中心越“贵”，反而越“便宜”了。

性价比直接拉满。

https://www.amd.com/en/blogs/2025/why-your-host-cpu-matters-more-than-you-think--ma.html

在这些因素的共同作用下，CPU正迎来自己的“第二春”。

未来，随着AI Agent和强化学习的持续火爆，CPU在数据中心中的地位将更加稳固。

这对于英特尔、AMD乃至想要分一杯羹的英伟达来说，无疑是一波天降的机遇。

然而，对于广大游戏玩家来说，这却并非好消息。

如今，我们只能祈祷家里的电脑不要坏掉，否则配一台新电脑的成本，将难以估量。

撰文：早起

编辑：江江 & 面线

美编：素描

图片、资料来源：

CPUs are Back: The Datacenter CPU Landscape in 2026

Google的猫脸识别：人工智能的新突破

英伟达帝国的一道裂缝

CPU荒来了！英特尔、AMD 3月再涨价，今年已涨10%-15%，交货周期最长延至6个月

Nvidia to focus on competition-beating AI advances at megaconference

Arm unveils new AI chip, expects it to add billions in annual revenue

The CPU Was Left for Dead by AI. Now AI Is Bringing It Back.