主要驱动因素在于，OpenAI 和 Anthropic 与亚马逊、谷歌和微软等云服务商签署了大规模合作协议，导致他们消耗了大量云 CPU 容量。 AI 需要更多 CPU 的原因主要有两个。 首先，训练范式正从传统的预训练转向强化学习。模型生成代码后，必须在模拟网站或沙箱环境中运行单元测试并验证结果。这些工作负载高度依赖 CPU。 其次，推理范式正从简单的聊天界面转向智能体。模型必须调用广泛的工具，包括搜索引擎、数据库、代码执行环境、编译器和部署系统。每一次工具调用都需要在后台进行大量的 CPU 处理。 还有一个容易忽视的间接需求来源。 全球 GitHub 提交数量相比去年已经增长了几倍。AI 生成的巨量代码最终需要在基于 CPU 的环境中部署和执行。 自这一趋势首次被强调以来，Arm 和 Intel 的股价上涨了几倍，而 AMD 也显著受益。 NVIDIA 甚至已开始将 Vera CPU 作为独立产品销售，并设定了相关营收目标为 200 亿美元。 然而，CPU 不太可能成为 AI 投资周期的下一个核心支柱。 例如，一块 Blackwell GPU 成本超过 5 万美元，而一块 CPU 成本约为 5000 美元。 即使假设一块 CPU 支持两块 GPU，每投资 10 万美元的 GPU 也只会转化为大约 5000 美元的 CPU 支出。 CPU 市场过去明显被低估，但当前的重新定价应被理解为回归更合理的估值，而非 CPU 将成为 AI 行业下一个主要主角的证据。
CPU 今年突然成为市场的一个关键焦点。
主要驱动因素在于，OpenAI 和 Anthropic 与亚马逊、谷歌和微软等云服务商签署了大规模合作协议，导致他们消耗了大量云 CPU 容量。
AI 需要更多 CPU 的原因主要有两个。
首先，训练范式正从传统的预训练转向强化学习。模型生成代码后，必须在模拟网站或沙箱环境中运行单元测试并验证结果。这些工作负载高度依赖 CPU。
其次，推理范式正从简单的聊天界面转向智能体。模型必须调用广泛的工具，包括搜索引擎、数据库、代码执行环境、编译器和部署系统。每一次工具调用都需要在后台进行大量的 CPU 处理。
还有一个容易忽视的间接需求来源。
全球 GitHub 提交数量相比去年已经增长了几倍。AI 生成的巨量代码最终需要在基于 CPU 的环境中部署和执行。
自这一趋势首次被强调以来，Arm 和 Intel 的股价上涨了几倍，而 AMD 也显著受益。
NVIDIA 甚至已开始将 Vera CPU 作为独立产品销售，并设定了相关营收目标为 200 亿美元。
然而，CPU 不太可能成为 AI 投资周期的下一个核心支柱。
例如，一块 Blackwell GPU 成本超过 5 万美元，而一块 CPU 成本约为 5000 美元。
即使假设一块 CPU 支持两块 GPU，每投资 10 万美元的 GPU 也只会转化为大约 5000 美元的 CPU 支出。
CPU 市场过去明显被低估，但当前的重新定价应被理解为回归更合理的估值，而非 CPU 将成为 AI 行业下一个主要主角的证据。