Q：CPU的发展阶段是如何跟随下游软件和应用需求变化的？
A：从2000年到2015年之前，是单核性能为王的时代。那时候传统IT架构下，企业端的ERP、CRM等传统企业软件，更看重单线程响应速度，不会造成特别高的并发需求，所以核心关注的是单颗核心的性能。
到了2017、2018年之后，发生了明显变化。互联网巨头催生了超大规模云计算的全面需求，硬件需要支撑成千上万的微服务或Docker容器，CPU开始要求具备极高的并发密度和能效比。那个阶段AMD凭借chiplet激进架构创新，实现了多核平权，份额开始提升。
从2024年到现在，应用形态逐渐变成Agent，上下文处理量大幅增多，CPU经历了三个角色阶段的变化。
Q：在AI时代，CPU的角色经历了哪三个阶段的演变？
A：第一个阶段，CPU的角色是和GPU打配合，做数据处理、tokenization、数据搬运和数据清洗，相当于数据的"管家"，主要在机头里面发挥作用。
第二个阶段，从2024年9月OpenAI o1发布，到2025年1月DeepSeek-R1发布后，强化学习在模型训练中需求明显提升。CPU开始负责环境仿真和reward模型计算，沙箱需求提升，CPU变成类似控制环境的"教练"角色。
第三个阶段，当前智能体推理需求大幅提升。CPU从后勤管家站到了前排，负责整体编排任务和调用工具。在Chatbot时期CPU更多辅助GPU计算，但在智能体时期，CPU负责目标分解、编排、工具调用、执行，以及长程任务过程中的监测。
Q：智能体时期，CPU具体负责哪些新增任务？
A：新增需求包括：任务的编排、工具的调用、以及对执行过程的监督。这些东西都是由CPU去执行，而不是GPU负责。这些新增需求越多，对CPU的需求就有明显提升。
Q：如何看待CPU配比提升时，机头和柜外的区别？
A：一定要把CPU分为机头和柜外来看。从2025年开始，有些新建的CPU集群没有和GPU集群放在一起。机头，也就是和GPU放在一起的机架，核心是为了让计算更高效，所有东西都不能影响计算效率。
如果CPU既要负责编排又要负责工具调用，每一步都占据CPU使用时间，那就不太适合和GPU配合。因为一旦CPU负责其他任务，可能会造成GPU闲置，GPU计算利用率下降带来的成本消耗更大。
所以，在机头内和GPU打配合的CPU，目前仍以GPU为主。但工具调用和任务编排本质上可以单独成立为机柜集群，核心增量需求来自于柜外，在整个集群架构上实现控制流、业务流和计算流的解耦。
Q：为什么说复杂的智能体任务会带来CPU需求的大幅增长？
A：以纯对话和搜索增强为例，纯对话输入完就直接输出，不占用过多计算时长。搜索增强可能需要一次性打开20个网页，打开只需零点一秒，然后搜集信息进行生成，相比Chatbot增加不多，需要CPU但消耗不大。
真正的CPU消耗来自复杂智能体任务，比如Browser Agent或长线程代码类任务。这些任务涉及到编排后利用不同工具、检索、信息搜集，类似在模拟空间里打开万得或传统企业软件再组合工具。完成任务的时间从零点一秒变成十五分钟甚至几个小时，趋势是任务时长越来越长，能做的事越来越多。
零点一秒的打开网页可以通过规模换时间，用户等零点一秒可以接受。但完成一个任务需要十五分钟甚至一小时，不可能让用户等那么久再给下一批用户。所以需要配合用户使用和任务完成时间，以及调用工具所占的沙箱或runtime，必须增加CPU配额。
Q：不同任务类型下，CPU比GPU的配比具体有什么差异？
A：对于纯对话任务，CPU比GPU总体配比大约是一比四或一比五。但对于Browser Agent或写工程类复杂任务，配比可以达到五比一到十比一，也就是五到十份CPU对应一份GPU。
Q：CPU后续的增长逻辑是什么？包括哪些乘数效应？
A：后续复杂智能体任务在总体需求中的占比一定会提升。CPU需求享受三层乘数：第一，整体需求不断上涨的乘数；第二，复杂任务占比逐步提升带来的结构性乘数；第三，CPU核心数越来越多带来的架构迭代乘数。
在不考虑供需缺口的情况下，CPU已经是具备强Alpha的赛道，迎来了量和价齐升的阶段。如果叠加供需缺口，会进一步放大价格乘数。
Q：CPU需求增长分哪两个阶段？各有什么特点？
A：第一阶段，来自调度需求。用户AI需求来了之后，先需要CPU集群把需求分散给各个GPU集群做计算。这一阶段是用户渗透率提升带来的，智能体更多是简单需求，AI并发开始提升。这是一个渗透率驱动、基数先快后慢的阶段，需要的是中低端CPU，追求性价比。
第二阶段，来自执行型任务驱动的CPU增长。复杂智能体需求提升，流程变长，甚至多智能体协作。这是伴随着智能体任务复杂度提升和在总需求中占比提升的过程，是一个先慢后快的阶段。后续CPU最大的预期差就来自第二阶段，会带来CPU需求的不断超预期上升。
Q：机头内CPU的趋势是什么？柜外CPU的趋势是什么？
A：机头内，早期H100、H200的CPU和GPU配比大概是一比四甚至一比八，现在大概是一比二，英伟达可能一比二，以前也有一比一的阶段。机头内CPU的趋势是走向定制化和大带宽，核心变化在于提升双向带宽，而不是大幅提升核心数或配比。
柜外，更多来自编排需求和工具调用需求带来的额外增量。柜外CPU追求的是后续与软件生态的匹配、执行任务的效率和带宽，是综合考量。调度型需求更多偏向中低端CPU考虑性价比，执行型任务更多考虑生态、效率和整体性能，这是后续CPU配比差异最大的来源。
Q：在当前时间点，如何看待x86和ARM架构？
A：两种架构在当前时间点都非常需要。调度型需求对ARM非常匹配。x86更多是因为之前的软件生态，很多UGS和企业软件都依托x86生态构建。在执行型任务中，最大追求是执行稳定、不当机，如果ARM厂商还没有把生态完善到足够程度，x86仍具备优势。
英特尔和AMD目前都出现拿货周期拉长的情况，各自在弥补短板，比如核心数和架构优化，以及在产能争取上不断提升。目前来看，x86仍具备非常强的生态优势。
Q：CPU未来的市场空间测算情况如何？
A：按照不同复杂度任务的占比来看未来趋势。陈立武和黄仁勋近期也表示，看到的趋势是后续CPU至少能达到一比一甚至四比一的整体配比变化。根据测算，AI驱动的服务器CPU空间能够达到两千亿美金以上的水平。
Q：整体来看，CPU在AI时代的投资机会怎么看？
A：从今年开始往后看，CPU是这一轮周期刚刚打开的硬件代表，具备非常强的Alpha属性。在国内市场，后续关于CPU这块的预期差会进一步拉大。
Q：未来AI任务增多后，电脑CPU会否供不应求导致卡顿？换机需求何时发生？
A：当前AIPC多配12G—32G内存、NPU算力仅几十TOPS，只能跑3B—7B小模型。到2027—2028年，内存将扩至64G—128G，NPU算力突破百级别甚至数百TOPS，端侧可部署30B—70B量化模型，使用体验将明显提升。
Q：未来端侧会出现哪些杀手级应用？
A：首先是永远在线的个人助理，新电脑出厂即预装，覆盖文档处理、内容生成、离线编辑、视频剪辑、设计辅助等基础服务。但复杂任务仍需云侧支持，端云协同是长期趋势。
Q：AIPC的爆发时间点大概在什么时候？
A：电脑端AIPC爆发时间点在2028年，2026—2027年为过渡期，当前主流配置推理算力不足，体验尚未完善。全球虽有上亿台AIPC，但普通大众默认购买的爆发要到2028年，那时算力和芯片密度提升后体验将大幅改善。
Q：CSP对CPU涨价的承受能力如何？涨价何时传导？
A：CSP有6—9个月缓冲期，因库存按半年周期管理。四、五月份已做几个点微调，当前第三季度即将过缓冲期，第四季度若新货未到，将面临业务侧价格压力。
Q：当前库存水平如何？能坚持多久？
A：通用服务器库存约200多万台，其中高核（96核/128核）占10%多，约20多万颗、2000多万核，可支撑到第四季度。若明年一季度补货不到位，云上业务发展将受制约。
Q：200多万台是通用服务器还是AI服务器？
A：220万台是通用服务器（8核、16核），其中约10%为高核（96核、128核），高核用于AI。
Q：Kimi、K3等大参数模型适配超节点的卡点在哪里？
A：K3为2.8万亿参数模型，按FP16需6.6TB显存，需数百片H20；INT8需3.3TB，INT4需1.7—1.8TB。超节点满配显存可做到18GB，四张卡即可加载INT8的K3，对大参数模型而言超节点基本是标配。
Q：超节点在推理和训练上分别有何优势？
A：超节点采用800G互联，减少跨节点通信延迟，推理速度快。万亿级模型下超节点是刚需。训练时MoE模型若用传统分布式训练需几十个节点、延时多、效率低，超节点可规避通信延时，做到高存储、高带宽、低延时，训练更快更稳定。
Q：Q1、Q2 Server CPU涨价40%—50%，Q3、Q4怎么看？
A：签锁量不锁价合同的客户价格略低于市场涨幅，但整体仍有上涨。2026年下半年涨价趋势延续，交期不变（6个月，AMD约12周），签合同有交期保障但价格降幅有限。
Q：国产CPU也有同样涨价趋势吗？
A：国产CPU未大幅涨价，也未拉长交期。因自产受限（中芯国际单片性能限制），采购配比仅几个点，未出现供给困难。
Q：AMD和英特尔交期不同，原因是什么？
A：AMD主要依赖台积电，但台积电产能被GPU挤占，CPU产能有限；英特尔有自有工厂和台积电双线产能，交期稍好。但两者都受先进制程紧缺及HBM、GPU争抢产能的影响。
Q：当前CPU需求能被满足吗？
A：目前有节制地推广AI服务，低端产品控制在数百万级别，存量尚可满足。供给情况一定程度上影响AI业务的迅速普及。供应商不会全额满足需求，会根据forecast打折承诺交期。
Q：端侧AI的CPU和NPU配比如何？
A：端侧CPU外挂NPU，推理的NPU与CPU集中在一起，与云端分开配置不同。
Q：CPU涨价是否影响CSP建设进度？
A：会显著影响CapEx结构，CPU在AI服务器成本占比从15%升至22%。扩容速度变慢，AI集群改造节奏受压，成本压力只能通过高定价传导给客户。预计2026下半年至2027上半年持续承压，待供给缓解后才逐步改善。
Q：哪些国产CPU进入头部CSP？比例如何？
A：国产CPU主要有华为鲲鹏920、海光C86、阿里倚天710、飞腾，整体占比小于15%（约四五个点）。其中阿里自研占8—10个点，海光约五六个点，鲲鹏主要做信创政企项目，阿里因自研芯片较少采购华为。
Q：沙箱对CPU的需求是怎样的？
A：沙箱部署是整个AI推理的首个环节，CPU像项目经理拆解任务并加载沙箱，GPU等待分配任务。65%的延迟源于沙箱部署问题。简单任务占用少量核数快速释放，复杂任务可能占8—10个核数小时。沙箱快进快出的效率直接影响端到端推理速度，是大厂Agent Cloud中Agent Runtime的核心。
Q：国产CPU与海外主流产品的差距有多大？X86和ARM哪个路线更优？
A：差距体现在制程（海外3—5纳米，国内7纳米）、单核性能（仅海外75%）、多线程（落后30%）、三级缓存（90—112M vs 256—300M）、软件兼容性（仅65%）、功耗（高15%—20%）。整体国产处于中下游水平，TCO长周期成本较高。
Q：哪些AI应用更拉动CPU需求？与采购量关联如何？
A：AI agent从一季度爆发，编程类深度付费约600万，但更广阔的是work agent赛道（电商、设计、招聘等），从二季度大规模推广，可能产生5000万复购、千万级DAU产品。agent链路已无chat bot，任何任务都需调agent，CPU是基础设施，不足则服务中断。大厂根据CPU量推用户，否则会出现延迟和高错误率。
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。