AI 风向转变：GPU 不再独美，CPU 借 Agent 与强化学习迎来事业第二春！

AI发展风向转变：GPU不再独美，CPU迎来事业第二春！

过去几年，老黄靠着GPU几乎把全世界的热钱都赚进了兜里，大家都说，搞AI只要显卡够多就行。但最近，风向悄悄改变了。

看似与显卡毫无关联的CPU开始涨价，就连此前成绩低迷、不被看好的英特尔，股价也迎来猛涨。上周五，其股价暴涨27%，突破了26年前创下的股价历史高点。如今，搞AI仅靠GPU已不够，CPU实力的高低也成为关键因素。

实际上，CPU从未离开过AI。在显卡成为AI主角之前，AI长期依靠CPU硬算。1998年，图灵奖得主LeCun在论文中提到，训练一个CNN模型需在单个CPU上运行两三天；若要训练更大的模型，则需更多更强的CPU。然而，用CPU训练AI效率极低，当时大家也没钱购置大量CPU，导致训练出的AI效果不佳，一些论文审稿人看到文章标题带有"神经网络"就会考虑拒稿。于是，为避免论文被拒，大家不得不给神经网络起别名。

但很快，人们发现神经网络的最佳搭档是GPU。2012年ImageNet大赛上，图灵奖得主Hinton带领的小队凭借两张GTX580显卡，将图像识别准确率提升了十个百分点。从此，神经网络飞速发展，AI成为新时代的黄金，GPU成为挖掘金矿的铲子，老黄也借此将英伟达市值推向世界第一，而曾经的王者CPU则沦为配角，只能承担杂活。

然而，到了2026年，人们发现仅靠GPU已无法满足AI发展需求。过去使用AI，如ChatGPT或DeepSeek，基本是对着网页交流，GPU进行矩阵运算预测答案。但随着Claude Code、龙虾等Agent工具的流行，情况发生了变化。AI不再是简单的一问一答，而是需要自主解决问题。例如，让AI购买奶龙玩偶，它需先了解奶龙，再选择合适工具搜索价格、款式等信息，最后整理核实并给出结果。可以看出，现在的Agent工作时是GPU和CPU交替作业，若CPU性能不佳，GPU也会消极怠工。因此，为避免GPU闲置，大家都在努力为数据中心增加CPU。微软建设最新数据中心Fairwater时，专门额外建造了一栋全是CPU的大楼。

此外，要提升模型性能也离不开CPU。如今让模型更聪明，仅增加显卡数量往往不够，这一代模型的进步越来越依赖强化学习。DeepSeek靠强化学习推出R1，OpenAI、Anthropic、Google、阿里Qwen、Grok等头部AI巨头也在强化学习上投入大量精力。强化学习就像让模型在考场中实战，做对奖励、做错扣分。验证强化学习结果的过程需要CPU协助，CPU甚至成为大模型最严格的导师。

为获取更多更强的CPU，各大模型厂商各出奇招。除向Intel购买CPU外，有技术积累的谷歌开始研发CPU Axion，无技术积累的Meta则与Arm合作共同研发。同时，大厂数据中心领导发现，购买更贵的CPU反而能省钱。因为AI大模型工作时，GPU的任务由CPU分配，若CPU性能差，会导致GPU效率低下，增加电费成本；而使用高端CPU虽自身耗电量大，但能让GPU更快完成任务，节省电费。AMD实验表明，使用好的CPU虽耗电量增加0.8%，但工作效率提升8%。

在多种因素的影响下，CPU迎来了事业的第二春。未来，随着AI Agent和强化学习的持续火热，CPU在数据中心的地位将更加稳固。这对英特尔、AMD甚至英伟达来说是难得的机遇，而对于游戏玩家来说，却可能面临电脑配置成本增加的问题，现在只能祈祷家里的电脑别坏。