在过去的几年里，老黄依靠 GPU 技术几乎赚取了全球大量的资金。人们普遍认为，只要配备足够的显卡就能成功开发 AI。
然而近期情况悄然发生了转变。
以往似乎与 AI 毫无关联的 CPU 开始面临价格上涨的压力。
即便在前段时间因市场动荡导致业绩不佳并饱受质疑的英特尔，其股价也迎来了显著的增长。
上周五，该公司股价更是飙升了27%，突破了1998年创下的历史最高纪录。
显然，在当今开发 AI 技术时，仅仅依靠 GPU 已经显得不够充分。
CPU 的性能同样成为了不可或缺的关键因素之一。
实际上，CPU 在 AI 领域从未真正缺席过。
早在显卡还未成为 AI 主导力量之前，AI 训练主要依赖于 CPU 进行计算。
根据图灵奖得主 LeCun 的论文记载，在1998年的时候，训练一个 CNN 模型需要在单个 CPU 上运行长达两三天的时间。
若想训练更大的模型，则需更多更强的 CPU 支持。
然而利用 CPU 训练 AI 被认为是一种低效的方式。
那时人们也无力购买如此多的高性能 CPU。
这导致了当时的 AI 模型训练效果不尽如人意。
一些学术论文评审人甚至会对带有“神经网络”字样的文章直接拒稿。
为了避免自己的研究被轻易抛弃，科研人员只好给神经网络起别名以规避审查。
然而很快，人们发现 GPU 才是与神经网络最为匹配的硬件设备。
2012年 ImageNet 大赛上，Hinton 领导的小队凭借两张 GTX580 显卡取得了显著的成绩。
这两块显卡使图像识别准确率提升了十个百分点。
自此以后，神经网络技术迅速发展起来。
AI 技术就像新时代的黄金，而 GPU 就像挖掘这些金矿所需的工具。
老黄穿着标志性皮衣，通过销售这种“铲子”，将英伟达的市值推上了世界第一的位置。
然而在 AI 技术的这波狂欢中，曾经主导市场的 CPU 变成了配角，只能做一些辅助工作。
正如我们先前所说：世事无常，强者未必永远称霸。
直到今天，大家才意识到仅依靠 GPU 来开发 AI 已经不够了。
在过去的几年中，无论是 ChatGPT 还是 DeepSeek 等应用，用户通常只需通过网页界面与 AI 进行互动。
问题被提出后，背后的 GPU 就会迅速进行运算处理并反馈结果。
此类简单流程几乎不需要 CPU 的介入。
随着 Claude Code 和龙虾等 Agent 工具的兴起，情况开始发生变化。
AI 系统不再仅仅是简单的问答环节。
用户提出一个问题后，AI 必须自行解决如何完成整个任务。
比如要求 AI 购买一个奶龙玩偶时，它首先要识别什么是奶龙。
如果不认识的话，就需要通过网络搜索获取更多信息，并选择合适的工具进行操作。
例如调用电商平台的 API 或浏览器插件来查找价格、款式等信息。
在完成一系列步骤之后，AI 最终会给出购买建议或结果反馈给用户。
观察整个流程后可以发现，现在的 Agent 工具在执行任务时往往需要 GPU 和 CPU 交替协作。
如果 CPU 性能不佳，GPU 就无法有效运作。
因此为了提高效率，许多公司正在努力增加数据中心中的 CPU 数量。
微软在其最新的数据中心 Fairwater 建设中专门设立了一栋用于安置 CPU 的建筑。
目前业界已经认识到，要提升模型性能离不开 CPU 的贡献。
仅仅通过扩大 GPU 规模已难以显著提高 AI 模型的智能水平。
当今先进的模型进步越来越依赖于强化学习技术的进步。
DeepSeek 依靠强化学习开发出了 R1，而其他大型科技公司如 OpenAI、Anthropic、Google 和阿里 Qwen 等也在这方面投入了大量资源。
强化学习的核心思想就是让 AI 模型直接参与实际任务并根据表现进行奖励或惩罚。
例如训练编写代码能力的模型不仅需要生成代码，还需执行该代码以验证其正确性。
这种验证过程往往需要 CPU 的支持来完成。
在每次训练中，CPU 可能会辅助处理大量背景任务。
它们可能会负责分配计算资源、加载模型权重等复杂工作。
于是 CPU 成为了大模型发展的关键推动力量。
各家公司在争取更多更强的 CPU 方面也采取了各种策略。
拥有技术积累的谷歌开发了自己的 CPU Axion，而缺乏相关经验的 Meta 则选择与 Arm 合作研发新芯片。
同时，各大公司数据中心领导发现了一个有趣的现象。
那就是购买更多高性能 CPU 实际上能节约成本。
因为在 AI 模型运行过程中，GPU 所执行的任务大多是由 CPU 分配的。
在 GPU 开始工作之前，CPU 要处理大量复杂的任务。
包括接收用户请求、分配模型数据等操作。
如果 CPU 性能不足，则可能导致整个系统效率低下，GPU 无法及时运行，浪费电力资源。
相反，使用高端的高性能 CPU 能够显著提升 GPU 的工作效率并节省能源消耗。
这种策略被证明具有较高的性价比。
AMD 曾经做过实验，在为相同的 GPU 配备不同性能的 CPU 后发现，使用优质 CPU 可使效率提高8%，尽管耗电量仅增加了 0.8%。
因此可以说，投入更高的成本却能够带来更大的收益。
这种现象也预示着 CPU 在数据中心的地位将愈发重要。
随着 AI Agent 和强化学习技术的持续发展，CPU 的作用只会越来越突出。
对于英特尔、AMD 等公司来说，这无疑是一个难得的发展机遇。
唯一可能受到负面影响的是那些依赖 CPU 进行娱乐活动的人群。
如今购买一台新电脑可能会花费更多的资金。
未来随着 AI 技术的持续进步，CPU 在数据中心中的地位将越来越稳固。
可以说是性价比直接拉满了。
https://www.amd.com/en/blogs/2025/why-your-host-cpu-matters-more-than-you-think--ma.html
于是，在这些各种各样的因素叠加下，CPU 反而迎来了自己事业的第二春。
可以说在未来，随着 AI Agent 和强化学习的继续爆火，CPU 在数据中心的地位只会越来越稳固。
这对于英特尔、AMD 甚至想分一杯羹的英伟达来说，绝对是一波天降富贵，白捡的流量。
唯一受伤的，只有我们这些臭打游戏的家伙。
现在托尼能做的，只有祈祷家里的电脑别坏了。
不然这年头配个新电脑，不知道要花多少钱进去。。
撰文：早起
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.
