主要驅動力是 OpenAI 和 Anthropic 與 Amazon、Google、Microsoft 等雲端供應商簽署大規模合作協議，導致它們消耗大量雲端 CPU 容量。 AI 需要更多 CPU 的原因主要有兩個。 首先，訓練模式正從傳統的預訓練轉向強化學習。 當模型生成程式碼後，必須執行單元測試，並在模擬網站或沙盒環境中驗證結果。這些工作負載高度依賴 CPU。 其次，推論模式正從簡單的聊天介面轉向代理。 模型必須呼叫多種工具，包括搜尋引擎、資料庫、程式碼執行環境、編譯器和部署系統。每次工具呼叫都需要後端耗費大量 CPU 處理。 還有一個容易被忽略的間接需求來源。 全球 GitHub 提交次數已比去年增加數倍。AI 產生的龐大程式碼最終需要在 CPU 環境中部署和執行。 此趨勢首次被強調後，Arm 和 Intel 的股價已上漲數倍，AMD 也顯著受惠。 NVIDIA 甚至開始將 Vera CPU 作為獨立產品銷售，並設定了 200 億美元的相關營收目標。 不過，CPU 不太可能成為 AI 投資週期的下一個核心支柱。 舉例來說，單顆 Blackwell GPU 售價超過 5 萬美元，而一顆 CPU 約為 5000 美元。 即使假設一顆 CPU 支援兩顆 GPU，每投資 10 萬美元 GPU，對應的 CPU 支出也僅約 5000 美元。 CPU 市場過去明顯被低估，但當前的重估更適合理解為回歸合理估值，而非 CPU 將成為 AI 產業下一個主要角色的證據。
CPU 突然在今年成為市場關注的焦點。
主要驅動力是 OpenAI 和 Anthropic 與 Amazon、Google、Microsoft 等雲端供應商簽署大規模合作協議，導致它們消耗大量雲端 CPU 容量。
AI 需要更多 CPU 的原因主要有兩個。
首先，訓練模式正從傳統的預訓練轉向強化學習。
當模型生成程式碼後，必須執行單元測試，並在模擬網站或沙盒環境中驗證結果。這些工作負載高度依賴 CPU。
其次，推論模式正從簡單的聊天介面轉向代理。
模型必須呼叫多種工具，包括搜尋引擎、資料庫、程式碼執行環境、編譯器和部署系統。每次工具呼叫都需要後端耗費大量 CPU 處理。
還有一個容易被忽略的間接需求來源。
全球 GitHub 提交次數已比去年增加數倍。AI 產生的龐大程式碼最終需要在 CPU 環境中部署和執行。
此趨勢首次被強調後，Arm 和 Intel 的股價已上漲數倍，AMD 也顯著受惠。
NVIDIA 甚至開始將 Vera CPU 作為獨立產品銷售，並設定了 200 億美元的相關營收目標。
不過，CPU 不太可能成為 AI 投資週期的下一個核心支柱。
舉例來說，單顆 Blackwell GPU 售價超過 5 萬美元，而一顆 CPU 約為 5000 美元。
即使假設一顆 CPU 支援兩顆 GPU，每投資 10 萬美元 GPU，對應的 CPU 支出也僅約 5000 美元。
CPU 市場過去明顯被低估，但當前的重估更適合理解為回歸合理估值，而非 CPU 將成為 AI 產業下一個主要角色的證據。