英伟达搭载上AI快车之后，一骑绝尘而去，在人工智能和大模型的算力需求极度加持之下，再加上互联网巨头和一些经济体对数据中心的迫切需求，可以说，让英伟达赚了一个盆满钵满。不过，随着AI智能体的逐渐来临，市场的需求以及对算力的支持要求，包括在智能体的物理需求方面，也涵盖了机器人领域，对于算力的需求变得更加精准化和多元化，这时候的单纯算力显然已经无法满足需求。在对GPU的需求之外，有行业认为CPU的“回归”也是迫在眉睫的。这或许也是以AMD、英特尔等为代表的CPU巨头们也将迎来行业快速发展的曙光。

众所周知，在过去的三年，全球科技圈陷入一种单一执念：AI=GPU，英伟达=算力。所有人疯狂追逐高端加速卡，CPU沦为GPU的“配套主板配件”，AMD、英特尔长期身处舞台边缘。不过，近日AMD抛出一个全新的判断，那就是迈入AI智能体（Agentic AI）时代，CPU正在强势回归算力舞台中央。很多人把这句话简单理解为厂商营销话术，却忽略背后正在发生的底层范式转移。AI不再只是“一问一答的聊天机器人”，进化成能够自主规划、调用工具、循环反思、持续执行任务的智能体。算力需求逻辑彻底改写。

在大模型训练时代，GPU的独角戏，CPU只能沦为配角。预训练阶段的核心工作，是海量数据灌入神经网络，无休止执行矩阵运算。任务特征高度同质化、高度并行。此时CPU价值极其有限，只负责数据加载、网络通信、简单任务分发，整体负载不足20%。绝大多数时间，CPU闲置，算力竞争全部聚焦GPU显存、浮点性能等方面。这也是过去两年英伟达一路绝尘的土壤：赛道单一，需求清晰，CUDA生态构建起极高护城河。行业形成固化认知：衡量AI实力，只看GPU数量。

不过，进入到AI智能体时代之后，工作流开始反转，CPU逐渐成为系统的瓶颈所在。智能体和对话机器人存在的本质区别，简单的语音助手，或许只是停留在接收指令、送入模型、输出文本，线性一次性流程。而AI智能体，面临着目标拆解、任务规划、工具检索、代码执行、模型调用、结果校验、迭代反思等，进入到一种持续循环的复杂闭环中。

有数据显示，在标准智能体工作链路中，CPU承载50%~90%运行时长，GPU仅仅负责模型推理生成环节，占比最低不足20%。大量工作天然属于CPU的能力域，复杂分支逻辑、条件判断、任务调度编排；RAG检索、数据库交互、API调用、跨系统对接；多智能体并发隔离、沙盒环境、记忆管理、异常重试；海量智能体之间的资源分配、负载均衡等等。GPU擅长成千上万简单任务并行计算，但面对大量断续、分支、强依赖、频繁IO的碎片化任务，效率大幅下滑。

这样的话，当大量企业部署智能体集群后，昂贵GPU经常空闲等待，CPU满载堵塞整条业务链路。GPU算力再强，也无法突破CPU调度瓶颈。这也是AMD抛出的重要论调。按照AMD苏姿丰提出的关键趋势是，数据中心CPU与GPU配比，将从1:8持续收敛，走向1:1，部分多智能体并发场景，甚至出现CPU数量高于GPU。这样的话，CPU不再是GPU附属host，而是整套智能体系统的控制中枢。这就是“CPU强势回归”最核心的底层支撑。

而且，需求会发生改变，CPU价值也会逐步回归。企业数字化、自动化智能体规模化部署，对高核心、大内存、高带宽服务器CPU需求爆发。AMD预测，2030年服务器CPU市场规模有望冲击2000亿美元，智能体带来全新增量。同时，个人终端运行本地智能体，依靠CPU+集成NPU完成任务编排，不必全程依赖云端GPU。Zen5、酷睿Ultra这类集成AI引擎的x86处理器，成为本地智能体基础硬件。

当然，CPU回归，不代表GPU价值消失。GPU依旧承担大模型底座推理，二者从“主仆关系”转向协同共生的双核心架构。算力竞争，从此不再是单一芯片比拼，而是完整异构系统的较量。

智能体浪潮推动算力产业从“单GPU集权模式”走向多元异构新格局，变化将沿着多个维度的逐步落地。过去云厂商、企业建算力，优先采购高端GPU；未来算力规划必须CPU、GPU配比同步规划。只堆砌GPU的机房，运行智能体负载会出现严重资源浪费。超大规模云厂商已经开始调整服务器采购清单，提升高端多路CPU订单占比。

这样就会带来一种分化，其中，在超大模型预训练赛道，依旧是英伟达基本盘。千亿参数大模型训练极度依赖NVLink互联、CUDA软件栈，短期很难撼动。这里依然是高端Blackwell、Rubin系列GPU的主场。而在云端推理和企业智能体集群赛道，将是AMD MI系列加速器+EPYC CPU组合、英特尔全栈方案最重要的突破口。客户重点考核整体TCO、CPU-GPU协同效率、开放生态，不再单一迷信CUDA。此外，在一些端侧、边缘本地智能体赛道方面，x86平台迎来广阔增量。AI PC、工业机器人、车载智能体，高度依赖通用CPU兼容性，AMD锐龙AI、英特尔酷睿Ultra牢牢占据主场，英伟达只能作为补充。

我们关注到，巨头们的侧重点有所不同。其中，英伟达强调纵向一体化，自研GPU、自研Vera CPU、专有互联、CUDA闭源生态，打造全套封闭解决方案。AMD坚持开放标准，EPYC CPU+Instinct GPU，依托ROCm持续完善，兼容通用软硬件生态，主打客户自主选择权。英特尔主打CPU根基深厚，推进CPU、GPU、NPU协同，兼顾政企稳定需求。

当市场的需求有所改变的时候，英伟达的江湖地位会不会被动摇？我们观察，短期内无法全面颠覆，但垄断壁垒会显著松动，市场份额进入缓慢分流周期。不存在“英伟达崩盘”，但很难继续维持95%以上数据中心GPU的绝对垄断。毕竟，英伟达有难以被颠覆的两大护城河。其一是CUDA软件生态壁垒仍是最高门槛。硬件可以追赶，但开发者数十年沉淀的代码、工具链、模型库迁移成本极高。海量AI企业基于CUDA开发，切换平台意味着巨大重构成本。ROCm持续进步，但生态完善度依然存在差距。其二是超大规模头部客户深度绑定。OpenAI、部分顶级云厂商长期深度合作，优先采用英伟达整套软硬件方案。同时英伟达持续向下游延伸，推出自研Vera服务器CPU，主动杀入AMD、英特尔腹地，补齐自身短板。

不过，英伟达产品设计长期优先面向大模型训练负载；而智能体大量的调度、业务逻辑、沙盒执行负载，恰恰不是其传统优势场景。当客户负载从“纯训练”转向训练、推理、海量智能体混合负载，单纯英伟达方案的综合成本劣势显现。对于绝大多数中小企业、传统企业数字化场景，他们不需要持续训练超大模型，更多运行企业智能体、RAG、自动化工作流。这类客户对TCO极度敏感，更愿意选择开放异构方案，这正是AMD、英特尔的渗透窗口。

训练市场英伟达依旧占据绝对优势；推理与智能体场景，AMD、英特尔持续抢夺份额。数据中心GPU市场，英伟达份额缓慢下行，最终进入一超多强稳态，而非一家通吃。当然，AMD ROCm距离CUDA仍有差距；英特尔独显生态起步更晚。想要抢夺高端AI加速卡订单，软件栈追赶是漫长攻坚战。仅仅依靠CPU回暖，不足以实现对英伟达的全面反攻。英伟达亲自下场自研CPU；ARM架构持续进攻服务器与端侧；各类ASIC推理芯片抢占细分市场。AMD、英特尔不仅互相竞争，还要面对跨架构挑战者。

服务器CPU价值重估、端侧AI硬件扩容、异构算力订单增长，业绩与估值具备持续支撑。但上限取决于能否抓住智能体机遇持续完善AI加速生态，仅仅依靠CPU单一优势，很难实现质的飞跃。AMD提出“CPU强势回归”，本质不是芯片厂商的营销宣传，而是提醒所有人，真正落地产生价值的AI，不是实验室里的大模型，是走进各行各业、持续自主工作的智能体。英伟达依旧是算力赛道不可忽视的巨头，但独舞的时代正在落幕；AMD与英特尔手握新赛道入场券，能否抓住智能体时代红利，取决于产品迭代、生态建设与战略定力。