由单一芯片长久统治的AI（人工智能）叙事，正在被推向一个新的转折点。

近日，英特尔CEO陈立武在一档播客深度访谈中，首次复盘了其执掌英特尔14个月以来的改革思路。面对外界对传统芯片巨头转型的质疑，陈立武用“爬-走-跑”来形容公司几大业务板块。他坦言：“过去几个月公司还在爬，但人们已经开始看到潜力了。”

英特尔的底气，源于全球AI算力市场正在发生的一场结构性逆转。在不久前结束的台北电脑展（COMPUTEX 2026）上，陈立武还在接受采访时透露了一个细节：在过去短短四周内，多位全球科技巨头CEO直接打电话给他，目的只有一个——要更多的CPU。

在过去的数年中，全球AI算力的叙事几乎由英伟达和其生产的GPU独揽。不过，从基础大模型逐步迈向推理应用，再到如今火爆全球的智能体（Agent）阶段，GPU以外的芯片也在重新确立地位。

这场变革不仅推动英特尔的至强服务器CPU供不应求，甚至让英伟达CEO黄仁勋也从今年开始积极“推销”CPU。他在6月的一场发布会上指出：“现在，CPU是指挥家，GPU是乐团。”

AI算力市场的这块大奶酪，正在被重新切分。

从1:8到1:1，智能体帮助CPU“回到牌桌”

算力市场的风向转变，其根源在于AI技术路线从“生成式AI”向“智能体AI”的加速演进。

英伟达高管曾指出，AI已正式跨入“自动执行、使用工具、自我检查工作”的自主智能体时代。传统的ChatGPT式应用是“一问一答”的单次推理，而智能体的工作流则是“思考、规划、行动、反思”的无限迭代循环。

传统CPU是为活在秒级世界的人类设计的，而智能体则“活在纳秒的世界里”，对延迟极其敏感。同时，单个智能体的Token消耗量，最高可达单轮推理的1000倍。

这种模式上的变化，导致算力配比发生“质变”：陈立武指出，传统大模型训练阶段，CPU与GPU的配比通常是1:8。但在智能体阶段，由于需要大量的任务编排、数据移动、内存协调和安全控制，CPU的工作负载飙升，两者的配比正迅速趋向1:1。

这种增长表现在了CPU巨头的财报数据中。今年4月，英特尔第一财季财报显示，公司数据中心和AI产品营收为51亿美元，同比增长了22%，成为公司所有业务板块增长最快的。

今年5月，AMD CEO苏姿丰（Lisa Su）也在财报电话会上宣布，将服务器CPU的市场规模预测从600亿美元翻倍上调至1200亿美元以上，对应2025至2030年的复合年增长率从18%提高到35%。

华尔街主流投行伯恩斯坦（Bernstein）近期发布的一份重量级报告，更是点燃了市场对CPU复兴的乐观情绪。该机构将2030年全球服务器CPU的市场规模预测，从原先的1370亿美元大幅上调至2230亿美元，意味着未来5年内该市场规模将暴增近6倍。

在这期间，英伟达也“亲自下场”，推出了从零构建、专为智能体打造的Vera CPU，试图将这块日渐壮大的CPU AI算力市场一并拿下，间接佐证了其重要性。

供给侧分流：台积电产能吃紧与本土制造的执念

如果说需求的多元化从前端分散了英伟达的吸引力，那么在后端，供应链的深度重塑则造成了实质性的“分流”。

目前，全球AI芯片的先进产能几乎大比例取决于台积电一家。随着AI热潮导致台积电先进制程产能持续极度紧张，大型科技公司开始展现出强烈的“去风险化”意愿，这就成为了誓要当“美版台积电”的英特尔的翻盘支点。

陈立武表示：“我们都经历过供应链挑战，任何半导体大公司都必须认真思考供应链的问题，必须拥有稳健且具有韧性的供应链，不能完全依赖某一个或两个地理集中的供应商。越来越多的人会意识到，在美国本土制造是至关重要的。”

今年4月，英特尔宣布加入由特斯拉、SpaceX和xAI主导的Terafab项目。Terafab工厂落户美国德州奥斯汀，定位为全球规模最大的2nm先进芯片工厂，年芯片产能目标锁定1000亿至2000亿颗。特斯拉CEO马斯克更是明确表示，计划在其项目中采用英特尔下一代的14A芯片制造工艺。

此外，一周前，美国总统特朗普在社交媒体上发布一则公开爆料，称苹果已同意与英特尔合作在美国本土设计和制造芯片，意味着英特尔的晶圆代工业务迎来重大突破。据外媒报道，尽管英特尔高管对这一计划的提前曝光感到吃惊，但知情人士证实两家公司关于在美制造部分芯片的秘密谈判确实已持续数月。‌

一旦苹果、特斯拉等“现象级客户”的订单落地，不仅将打破台积电在先进制程上的绝对垄断，也将为英特尔的18A及更先进节点带来希望。陈立武透露，虽然目前在代工领域英特尔与台积电的差距还很大，但英特尔最先进的18A工艺已经全面进入量产爬坡阶段，并已经在规划1纳米和0.7纳米。

定制化芯片火热，科技巨头试图发布“独立宣言”

除了CPU的重新抬头和代工厂的供给侧变化外，英伟达最大的“隐形蛋糕”，正在被各大云厂商的自研定制芯片（ASIC）蚕食。

近几年来，为了降低对英伟达高昂产品的依赖，并针对特定工作负载进行能效优化，科技巨头们开始纷纷想办法绕开通用的GPU。

例如，专注于ASIC的博通负责帮助其他科技公司构建定制芯片，提供AI芯片所需的知识产权和其他关键技术。今年6月，公司CEO陈福阳在财报电话会上指出，博通拥有六家核心定制芯片客户，包括谷歌、Meta、Anthropic和OpenAI。虽然在本财季，公司的AI半导体收入为108亿美元，但该领域的订单其实已经超过300亿美元。

同时，谷歌的TPU（张量处理器）已经发展到成熟阶段，不仅大规模用于自身业务，更开始走向对外销售与云端开放。另一边，亚马逊云计算（AWS）为AI训练和推理任务设计了自研芯片Trainium系列。此外，Meta、微软等巨头也都加入了这场自研芯片的潮流。

顶级投行摩根大通（JPMorgan）在6月发布的最新报告中写道，随着各大科技巨头加速寻求摆脱对通用GPU的过度依赖，包括谷歌TPU、AWS Trainium、微软Maia以及Meta MTIA等定制化AI芯片正以惊人的速度崛起。其预测，最快到2027年，定制化ASIC的出货量将首度超越英伟达的通用GPU。

报告强调，在数据中心面临日益严峻的“电力瓶颈”和高昂毛利压力的当下，ASIC在特定工作负载（尤其是智能体推理应用）上的极高能效比，正在让英伟达的AI算力霸权发生实质性松动。

当AI工作负载的重心从大模型训练向“智能体推理”转移时，价格高昂的通用GPU不再是唯一的标准答案。

随着全球AI算力市场走向“生态混战”，这种供给侧的多元化、技术的系统级整合以及对供应链韧性的强调，对于正在全力构建自主算力体系的中国半导体产业而言，也释放出了强大的结构性红利。

正如苏姿丰（Lisa Su）在上海AI开发者日上所盛赞的那样：“中国生态系统最令人兴奋的是，这是真正理解开放创新的地方。”在这个崇尚开放与多元的崭新AI时代，中国本土的算力产业链，正迎来属于自己的突围期。