CPU也要被干涨价了

过去几年里，黄仁勋凭借GPU技术，几乎把全球的热钱都赚进了自己口袋，人们普遍认为，只要显卡数量足够，就能搞定AI。

但最近，风向却在悄然转变。

就连看似和显卡毫无关联的CPU，也开始出现价格上涨的趋势。

即便是此前动荡不断、业绩低迷且备受轻视的英特尔，其股价也迎来了一波强劲的上涨。

上周五，其股价直接飙升27%，突破了26年前创下的历史高点。

没错，如今搞AI，光靠GPU已经远远不够了。

CPU的性能强弱，也成了不得不重视的关键因素。

实际上，严格来说，CPU从未真正离开过AI领域。

在显卡成为AI的主角之前，很长一段时间里，AI都是靠CPU硬算出来的。

1998年，图灵奖得主LeCun在一篇论文中提到，当时他们训练一个CNN模型，需要在单个CPU上跑两三天时间。

如果想训练更大的模型，就需要更多、更强的CPU。

但我们现在知道，用CPU训练AI本质上非常低效。

当时，大家也没钱买那么多CPU。

这就导致那时训练出的AI都表现平平。

甚至一些论文审稿人看到文章标题带有“神经网络”，就会考虑直接拒稿。

于是，为了避免论文被扔进垃圾堆，人们不得不给神经网络起个花名来蒙混过关。

但很快，大家发现神经网络真正的搭档其实是GPU。

2012年的ImageNet大赛上，图灵奖得主Hinton带领的小队取得了遥遥领先的成绩。

他们用两张从电脑城买到的GTX580显卡，将图像识别准确率直接提升了十个百分点。

从这一刻起，原本默默无闻的神经网络开始飞速发展。

AI成了新时代的黄金，而GPU则是挖掘金矿的铲子。

黄仁勋也穿着他那标志性的皮衣，通过卖铲子，一路将英伟达的市值推到了世界第一。

而曾经的王者CPU，在这场AI狂欢中彻底沦为配角，只能干些杂活。

但就像开头说的那样：风水轮流转，莫欺少年穷。

到了2026年的今天，大家突然发现，要想搞好AI，光靠GPU已经不够了。

过去我们用AI，无论是ChatGPT还是DeepSeek，基本都是对着一个网页聊天。

我们提问，然后那边的GPU在原地拼命做矩阵运算，预测下一个Token是什么，再把答案一段段吐出来。

这种简单流程基本没有CPU插手的空间。

但随着Claude Code、龙虾这样的Agent工具越来越火，情况逐渐发生了变化。

AI干活不再是简单的一问一答互动环节。

我们把一个问题丢给AI后，它需要自己想办法把整个问题补充完整。

举个例子，我们让AI帮忙买个奶龙玩偶，那AI最先要做的就是搞清楚什么是奶龙。

如果不认识，它得去网上搜索看看这是什么，确认之后还得选合适的工具。

比如调用电商平台接口或浏览器工具，搜索奶龙玩偶的价格、款式、店铺和销量。

最后，它还需要整理核实这些信息，判断哪个链接更靠谱、哪个产品价格更合理，再把结果呈现出来。

看完这个过程，我们会发现现在的Agent在干活时，都是先让GPU干点活，然后让CPU接力再干点活，接着再让GPU干活，形成连环交替的模式。

如果CPU性能拉胯，那GPU就会直接摆烂。

所以现在，为了让GPU不摸鱼，大家都在想方设法给数据中心塞进更多CPU。

微软在建设最新的数据中心Fairwater时，就专门额外建了一栋全是CPU的大楼。

此外，大家也发现，想让模型性能更强，也离不开CPU在后面发光发热。

现在想让模型变得更聪明，光给它多塞几张显卡堆规模，很多时候已经不够用了。

这一代模型想进步，越来越依赖强化学习的作用。

DeepSeek靠强化学习搞出了R1，OpenAI、Anthropic、Google、阿里Qwen、Grok等头部AI巨头也在强化学习上花了不少功夫。

所谓的强化学习，就是不再只让模型坐在教室里背标准答案，而是直接扔进考场里让它下场做题。

做对了给奖励，做错了扣分。

比如让AI练习写代码的能力，模型不能光生成代码就完事，得把代码真的跑起来，测试一遍，看看结果对不对。

这个验证强化学习结果的过程，就需要CPU来帮忙。

模型的每次训练，背后都可能有一堆CPU在陪它做演习，在旁边搭场地、搬道具、打分看成绩。

CPU甚至成了大模型最严厉的导师。

于是，为了获得更多更强的CPU，各家大模型厂商纷纷使出了各种绝招。

除了直接向行业老大哥英特尔下单购买CPU外，有技术积累的谷歌开始搞起了CPU Axion。

没有技术积累的Meta则直接和隔壁的Arm合作，共同研发。

同时，各家大厂数据中心的领导还发现了一件怪事。

那就是你越花钱买CPU，反而越省钱。

这是因为现在这些AI大模型在干活时，GPU干的所有活，其实都是CPU指派的。

在GPU正式干活前，CPU需要干一大堆活。

包括但不限于：接受用户请求、分配模型数据、加载模型权重、更新KV缓存等等。

如果CPU本身就拉胯，活根本排不出来，处理数据磨磨唧唧，就会导致功耗高达几百瓦、昂贵无比的GPU直接开始磨洋工。

结果是要干同样的活，得花更长的时间，那电费账单自然就上去了。

相反，直接换上更贵、功耗更大的高端CPU来干活。

虽然CPU自己耗电够多，但它给GPU派活的速度也一点不慢。

反而能让GPU更快把活干完，为公司省下更多电。

AMD之前做过实验，他们给同样的GPU配上了不同的CPU来测试。

结果发现，用上好CPU的那组，虽然耗电量增加了0.8%，但干活效率反而提升了8%。

这属于是数据中心越贵，数据中心越便宜了。

可以说是性价比直接拉满了。

于是，在这些各种各样因素的叠加下，CPU反而迎来了自己事业的第二春。

可以说在未来，随着AI Agent和强化学习的继续火爆，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。

来源：快科技