英伟达杀入，CPU四强争霸

公众号记得加星标⭐️，第一时间看推送不会错过。

2026年，服务器CPU市场再次硝烟四起。

10月19日，美国AI云服务商Modal宣布，计划引入英伟达新一代Vera CPU，用于运行AI智能体（AI Agent）相关工作负载。此前，这家公司的CPU基础设施一直依赖英特尔和AMD的x86处理器。如今，英伟达正试图凭借Vera，撬开传统CPU巨头长期占据的市场。

而英伟达并不是唯一的新玩家。今年3月，长期以IP授权为核心业务的Arm，首次推出自主设计的数据中心处理器AGI CPU，正式从幕后走向台前。

一时间，曾经主要由英特尔与AMD主导的服务器CPU市场，迎来了英伟达、Arm两位实力雄厚的竞争者。面对这场由Agent引起的算力海啸，CPU市场的新一轮割据与博弈，究竟是在争夺什么？

Agent来了，CPU的角色变了

过去几十年，服务器CPU的发展主要围绕更高的通用计算性能展开。但随着Agentic AI兴起，这套沿用多年的设计逻辑正在发生变化。

在传统GPU加速服务器中，CPU主要负责数据准备、任务调度、I/O处理以及与加速器的协同，核心任务是保障GPU高效运转。而在Agent执行环境中，CPU还需要承担大量沙箱运行、代码执行、工具调用和数据处理等工作，尤其当成千上万个Agent并发运行时，单线程性能、内存带宽、任务吞吐量及资源隔离能力的重要性愈发凸显。

不同的AI工作负载，正在对CPU提出截然不同的要求。

今年6月，Arm全球云与AI基础设施芯片负责人Satadal Bhattacharjee在《From Host Node to Heterogeneous Rack: Rethinking the AI CPU》一文中指出，随着AI基础设施向专业化计算演进，CPU正承担越来越多差异化的任务。Agentic AI正在推动数据中心从以加速器为中心的架构，转向面向完整AI工作流程的异构机架设计。这意味着，未来CPU不再只是提供通用算力，还需要针对不同计算环节进行专门优化。

Arm进一步将AI计算中的CPU划分为三种角色：服务于模型预填充（Prefill）阶段的主机CPU、服务于解码（Decode）阶段的主机CPU，以及负责模型调用之间的代码执行、工具调用等任务的Agent执行CPU。

这一划分释放出一个重要信号：CPU的价值，正在从单纯比拼通用计算性能，转向比拼特定工作负载下的实际效率。

对于服务器CPU厂商而言，这不仅意味着产品设计方向需要调整，也可能催生更加细分的市场需求。过去以通用性能为核心的竞争，正在逐步演变为通用性能与工作负载优化并重的新格局。

四强亮剑，各有各的杀手锏

面对Agentic AI带来的新一轮计算需求，英伟达、Arm、AMD和英特尔纷纷亮出各自的底牌。不过，四家厂商虽然瞄准同一市场，技术路线与战略考量却各不相同。

英伟达——从GPU向CPU延伸，争夺AI系统控制权。

首先让我们来看下英伟达。英伟达的底气，首先来自其在AI加速计算领域建立的庞大生态。

随着GPU在AI训练和推理市场占据核心地位，英伟达逐渐意识到，影响AI系统效率的已经不只是GPU本身，还包括CPU、内存、互连以及整个软件运行环境。

Vera正是这一思路的延续。作为继Grace之后的新一代CPU，Vera采用英伟达自主设计的Olympus核心，集成88个核心、176个线程，并通过LPDDR5X内存系统提供最高1.2TB/s的内存带宽。

英伟达Vera CPU（图源：英伟达）

可以看出，它的设计重点并不是一味增加核心数量，而是在提高单线程性能的同时，改善高并发环境下的资源争用和内存访问效率。这与Agent工作负载的特点高度契合：大量任务并行执行，但单个任务又需要较快的响应速度。更重要的是，Vera既可以通过NVLink-C2C与英伟达GPU紧密协同，也可以独立部署在CPU服务器中。

根据Modal 10月19日公布的技术报告，Vera并不是在所有单任务测试中都领先竞争对手，而且优势并不是很明显。下图展示了在沙盒中合理预期的Agent运行任务（精选自 Terminal-Bench）的单任务延迟，该实验是在无负载的机器上串行运行的，因此结果展示的是纯粹的单线程/单任务延迟。

无负载下的单任务延迟对比（图源：Modal）

但随着并发任务数量不断增加，其吞吐量优势开始扩大。在特定测试条件下，相比英特尔Granite Rapids平台，Vera最高能够实现约两倍的任务吞吐量。其关键优势是高负载下的内存带宽与资源争用控制。也正因为如此，Modal成为了Vera的坚定拥趸。

在不同（50/100/150）并发容器的高资源争抢场景下，各CPU平台的任务吞吐量对比（Modal基准测试）

这不是英伟达第一次推出CPU，却是其独立CPU商业化的重要突破。 Vera不仅配套Rubin GPU，也可以部署在独立CPU服务器中。Modal此前长期采用x86架构，如今开始为Arm架构适配基础设施，意味着英伟达有机会进入原本由英特尔、AMD供应的计算资源池。据路透社10月19日报道，英伟达向投资者提出的Vera芯片本财年销售预期已达到至少200亿美元。

Arm——从IP授权走向自主芯片，改变产业链角色。

再来看Arm，Arm做了这么多年的IP“苦生意”，早就想进军处理器了。

果然，就在今年3月，Arm推出了面向数据中心的AGI CPU，与Meta联合开发。这款基于Neoverse V3架构的处理器集成最多136个CPU核心，热设计功耗为300W，采用台积电3nm工艺，重点面向Agentic AI基础设施。

Arm AGI CPU（图源：Arm）

Arm并没有将全部重点放在单颗CPU的性能上，而是强调机架级的计算密度与能效。按照Arm公布的数据，AGI CPU在特定测试及配置条件下，能够实现相较x86平台两倍以上的机架级性能，不过这一结果仍需结合具体负载和测试条件看待。这种设计方向反映出Arm对数据中心市场的判断：当Agent数量持续增长，有限电力预算内能够运行多少任务，可能比单颗CPU的峰值性能更加重要。

Arm还与Meta联合开发AGI CPU，并获得多家云计算及设备厂商支持。

值得玩味的是，随着Arm亲自进入芯片市场，它与客户之间的关系也开始发生变化。英伟达Vera、AWS Graviton、Google Axion等产品都建立在Arm架构生态之上。如今，Arm不仅是这些公司的技术供应商，也开始成为服务器CPU市场上的直接竞争者。如何在维护开放授权生态的同时发展自有芯片业务，将成为Arm必须处理的新课题。

AMD——继续发挥多核心、Chiplet和x86生态优势。

面对两位新玩家，AMD并不打算放弃自己在x86市场积累的优势。

今年5月，AMD宣布代号为Venice的第六代EPYC处理器开始采用台积电2nm工艺量产爬坡。该产品采用Zen 6架构，单颗CPU最多256个核心、512个线程，并支持16通道DDR5内存及PCIe 6.0。多核心设计、Chiplet架构以及不断提升的内存和I/O能力，仍是AMD争夺服务器市场的重要筹码。

但AMD最新的动作表明，它同样意识到了Agent计算需求的变化。10月12日，AMD发布了Helion Agentic AI机架方案，提出了两种不同的基础设施形态：一种是纯CPU机架，最多支持32,768个CPU核心，专门承担Agent执行任务，并连接外部模型推理系统；另一种则将EPYC CPU、Instinct GPU及通用计算节点整合在同一机架中。

可以看出，AMD开始将Agent执行与模型推理视为两类可以独立配置计算资源的工作负载。对于大规模云服务商，可以通过高密度CPU集群运行大量Agent；对于企业客户，则可以根据需求将CPU和GPU部署在统一平台中。

按照AMD计划，Helion相关配置将于今年11月开始提供，目前仍处于生态合作伙伴开发阶段。

英特尔——借助新架构与成熟生态守住基本盘。

四家厂商中，英特尔面临的竞争压力最为复杂。一方面，AMD持续扩大在x86服务器市场的份额；另一方面，Arm阵营正在依靠能效优势向数据中心渗透，如今又迎来了英伟达Vera。

根据Mercury Research的数据，2026年第二季度，在其广义x86服务器CPU统计口径中，英特尔出货份额为65.5%，AMD为34.5%；如果仅比较核心服务器市场的EPYC与Xeon处理器，AMD的出货份额已经达到46.4%。

数据来源：tom’shardware

面对新一轮竞争，英特尔正在通过两条产品路线展开反击。

已经推出的至强 6+（Clearwater Forest）采用Intel 18A工艺，最高集成288个能效核，强调高密度计算、吞吐量与能源效率，适合云原生及大规模并行任务。

与此同时，下一代Diamond Rapids则更加侧重高性能通用计算。在今年Hot Chips大会上，英特尔公布了Diamond Rapids的更多技术细节，包括最多256个性能核、1.28GB末级缓存、16通道内存以及PCIe 6.0、CXL 3.0等能力，并进一步强化AMX矩阵加速和APX等架构技术。

英特尔还将Diamond Rapids与面向AI推理的Crescent Island GPU结合，试图建立覆盖Agent任务编排、模型推理和通用计算的完整平台。

与英伟达相比，英特尔的最大优势在于长期积累的x86软件生态、企业客户关系以及成熟的服务器平台。大量数据库、企业应用、虚拟化平台和开发工具都经过多年x86优化，这些并不会因为新架构出现就迅速被替代。

但对于英特尔而言，仅靠生态优势显然不够。随着竞争对手在能效、内存带宽和系统架构上不断突破，如何让新一代至强真正满足Agent计算需求，将直接影响其未来的市场地位。

他们争的，远不止一颗芯片

当我们把视线从具体的微架构与参数对比中抽离出来，审视这场由英伟达、Arm、AMD与英特尔共同掀起的“CPU四强争霸”，会发现这场变革早已超越了传统半导体厂商之间的份额蚕食。这场四强争霸，其核心实质是一场深度的商业控制权与产业链重构之战，主要有三层利害关系。

第一层，争夺AI数据中心新增的CPU预算。

Agentic AI的兴起，正在为CPU创造新的增长机会。2026年5月，Gartner分析师Adrian O'Connell发布的题为《Agentic Will Drive CPU Demand and Bring Opportunities for New Entrants》（Agent将推动CPU需求增长，并为新进入者创造机会）报告指出，生成式AI的繁荣推动了GPU需求，而Agentic AI的增长则重新凸显了CPU的重要性。不过，Gartner同时提醒，Agent驱动的CPU市场增长不会达到此前GPU因生成式AI而爆发的程度，最终受益者也未必是传统CPU厂商。

IDC在今年10月更新的全球服务器市场预测中，也明确上调了非加速服务器的需求预期，原因之一正是Agentic AI和推理工作负载开始增加对标准机架x86服务器的需求。

第二层，争夺Agent执行平台入口。

AI时代，不再是单一处理器单打独斗的时代，这是一个讲求系统最大利益化的时代。这也是为什么四家厂商的竞争开始从芯片延伸到整套平台，无论是从CPU向GPU切入，还是GPU向CPU领域蔓延，都在争夺Agent执行平台的一个入口。

第三层，争夺云厂商客户及产业链主导权。

虽然英伟达、Arm、AMD和英特尔是这场竞争的代表性选手，但真正影响CPU市场未来走向的，还有AWS、Google、微软、Meta等大型云服务商。

近年来，这些企业已经通过自研CPU改变了服务器市场的供应关系。

AWS今年6月正式推出基于Graviton5的云实例，继续围绕Arm架构优化计算性能、能效和成本。亚马逊还明确将持续运行的Agent工作负载列为Graviton的重要应用方向。

Google在今年4月的Google Cloud Next大会上，Google宣布将自研Axion CPU与GKE Agent Sandbox结合，为Agent提供安全、可扩展的代码执行环境。按照Google公布的特定测试结果，基于Axion N4A的Agent Sandbox，相比另一家主要超大规模云服务商的方案，可实现最高约30%的性价比提升。

值得注意的是，Google并没有因此放弃外部芯片供应商，而是同时提供英特尔、AMD处理器，以及英伟达AI计算平台。大型云厂商正在采取更加灵活的策略：一方面通过自研芯片降低成本、强化差异化能力，另一方面保留外部供应商，以适应不同工作负载和客户需求。

微软已经也发布自研的首款专门针对 AI 工作负载与大语言模型（LLM）训练及推理 进行优化的云端专用 AI 芯片（ASIC/加速器）——Azure Maia（如 Maia 100）。基于台积电5nm 制程工艺制造，晶体管数量达到1050亿个。

在这场关乎商业控制权、生态平台入口与产业链主导权的三维战争中，芯片本身的极限性能固然重要，但能够以更低成本、更高吞吐支撑起庞大 Agent 生态运行的“系统级领跑者”，才将是这场算力终局之战的真正赢家。

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

今天是《半导体行业观察》为您分享的第4567期内容，欢迎关注。

加星标⭐️第一时间看推送~

求推荐