在过去的三年里，AI算力故事的主线一直围绕着GPU展开。从NVIDIA的H100、H200，到GB200、GB300，再到云厂商争相扩建的十万卡集群——每一个产业叙事都在讲述着一个事实：算力瓶颈在于GPU。在这个故事里，CPU长期以来被默认为一个不那么重要的“补充”角色，跟在GPU后面，处理GPU不愿做的事情。
然而，从2026年开始，这个叙事出现了一些裂痕。6月1日，英特尔在北京发布了Xeon 6+处理器，该处理器专为云原生、智能边缘AI和网络密集型工作负载而设计。这是英特尔18A制程工艺下的首款数据中心CPU。
在英特尔自己的描述中，Xeon 6+并非GPU的“补充”，而是AI基础设施的“控制平面”，负责编排、并发和数据流。“AI扩展的路径不在于单个组件的堆叠，而在于系统的协同运作，”英特尔数据中心业务执行副总裁兼总经理Kevork Kechichian表示。“随着AI向智能边缘时代过渡，编排、并发和数据流已成为新的限制因素。”
这再次印证了一个核心事实：CPU仍然是现代AI基础设施的控制平面。这个判断并非英特尔一家之言。今年2月，独立的半导体研究公司SemiAnalysis发布了一份题为《CPU回归》的2026年数据中心CPU格局报告，同样给出了直接的评估。随着AI训练和推理的大规模部署，CPU正以一种与过去三年截然不同的方式被重新需求。
然而，这种“回归”仔细审视后会发现，CPU并非要重夺聚光灯，而是在一个新的位置上被重新定义。
要理解CPU为何“回归”，我们首先要看AI工作负载本身的变化。过去两年，AI算力的主流叙事是训练，大模型训练的规模每年都在以四到十倍的速度增长。训练需要大规模并行计算，GPU在此扮演着至关重要的角色。然而，训练并非AI的唯一工作负载。
根据英特尔的评估，整个AI算力工作负载可以分为三类：基础工作负载（存储、数据库、Web、微服务、CDN）、训练（前沿大模型）以及推理/智能代理。第三类工作负载的关键区别在于其工作负载本身的性质。训练是从零开始创建模型的过程，而推理和智能代理则涉及在实际应用中部署已经训练好的模型。
这意味着，相当一部分工作并非“计算”，而是“编排”：调度多个模型的协同工作，管理上下文，协调不同代理之间的数据流，并发处理用户请求，并确保可预测的延迟。这些任务并非GPU的强项。
随着GPU算力的不断提升，它产生的“外围算力需求”也变得更大。这意味着CPU的复苏并非是“CPU再次比GPU更快”。相反，随着AI算力形态从“训练一个大模型”扩展到“运行成千上万个智能代理”，编排和数据流再次成为瓶颈。这是过去三年AI叙事中被忽视的一面。
英特尔的赌注体现在Xeon 6+的产品定义上，该处理器拥有多达288个高效能核心（E-cores）。其背后的逻辑是，AI代理的工作负载不在于单个核心能跑多快，而在于能否同时运行成千上万个轻量级任务。当一台服务器需要同时编排数百个代理、处理数千个推理请求，并维持数万个并发连接时，288个E-cores的吞吐量远比64个P-cores的单核性能更重要。
这是一种非主流的产品定义，因为行业历史上一直侧重于单核性能。然而，英特尔正在迎合一种趋势，即AMD、AWS和Ampere等竞争对手也在优先考虑高密度、高能效的核心。此外，Xeon 6+是英特尔18A制程工艺的关键测试。它是否会被市场接受，能否与台积电N2和三星2nm有效竞争，还有待观察。
英特尔的“CPU回归”故事是否会真正发生？这取决于几个变量：NVIDIA等GPU制造商的反应，云提供商开发自有ARM架构CPU的趋势，以及18A制程技术本身的成功。CPU的复兴是真实的，但谁将引领这场复兴，目前仍未确定。
[极客公园]
AI基础设施中的CPU复兴：对加密市场的影响
CPU最近从外围组件重新定位为AI基础设施的”控制平面”，这一转变代表了加密市场的重大范式转变，具有深远影响。英特尔推出Xeon 6+处理器，结合SemiAnalysis的”CPU回归”报告，标志着一个新架构时代的开始，在这个时代中，编排、并发性和数据流管理将与原始计算能力同等重要。对于加密货币投资者而言，这一转变既带来了挑战也创造了机遇，要求他们对AI相关的区块链投资进行战略重新评估。
市场影响：超越GPU垄断
过去三年，AI计算领域一直以GPU为中心的叙事为主导，英伟达(NVIDIA)占据了市场关注度和价值的大部分份额。这一发展从根本上改变了竞争格局：
-
去中心化AI编排机会：CPU控制平面的重新重要性为去中心化AI编排层创造了肥沃的土壤。能够调整其架构以适应CPU主导工作流程的项目，如Akash Network (AKT)和Render (RNDR)，可能会获得显著优势，特别是在编排至关重要的推理和智能代理领域。
-
代币估值重新评估：估值严重依赖于GPU稀缺性或基于GPU的计算模型的加密资产可能需要下调估值。相反，强调平衡GPU加速与CPU编排的混合架构的项目可能会出现估值溢价。
投资机会
AI基础设施中的CPU回归为加密货币投资者提供了几个引人注目的机会：
-
混合计算代币：能够成功桥接CPU和GPU资源的项目，特别是那些具有代币化编排层的项目，处于在整个AI计算堆栈中捕获价值的有利位置。对”同时运行数千个轻量级任务”的强调与许多去中心化计算模型完美契合。
-
边缘AI基础设施：向”智能边缘AI”的转变为区块链解决方案创造了机会，这些解决方案能够在边缘实现隐私保护的分布式推理。如果Helium (HNT)及其边缘提供商网络能够成功整合AI特定的功能，可能会从这一趋势中受益。
-
去中心化控制平面协议：提供英特尔控制平面概念的去中心化替代方案的新代币化协议可能会成为AI堆栈中有价值的组成部分。这些协议可能强调透明度、社区治理和减少供应商锁定——这是加密货币的核心价值主张。
-
英特尔邻近加密项目：虽然英特尔本身的加密货币直接曝光有限，但成功整合英特尔18A工艺或利用其CPU架构的项目可能会加速采用。这包括从英特尔SGX扩展中受益的零知识证明系统。
风险与挑战
CPU回归也给加密货币投资者带来了重大风险：
-
集中化逆风：随着英特尔和其他既定玩家在控制平面上重新确立其主导地位，去中心化AI基础设施的叙事可能会面临逆风。开发自有ARM CPU的主要云服务提供商进一步将权力集中在传统科技巨头手中。
-
架构不匹配：许多基于区块链的AI项目都是围绕以GPU为中心的假设架构设计的。那些无法适应CPU主导编排的项目可能会发现自己技术上过时，无论其代币经济学或社区实力如何。
-
工艺技术风险：英特尔的18A工艺面临台积电N2和三星2nm的激烈竞争。无法有效竞争可能会破坏CPU回归的叙事，并对围绕英特尔生态系统构建的任何加密项目产生负面影响。
-
英伟达的应对：这家GPU巨头不太可能轻易放弃控制权。他们的潜在行动——无论是通过软件优化、专用加速器还是战略合作伙伴关系——都可能在一夜之间重塑竞争格局。
加密投资者的战略建议
-
投资组合多元化：AI相关的加密投资组合应在依赖GPU和针对CPU优化的项目之间实现多元化。新兴的共识是，这两种架构将共存，CPU负责编排，GPU专注于专业计算。
-
关注编排层价值：能够证明在编排、数据流和并发管理层面具有明确价值的项目可能会超越纯计算提供商。这与文章的洞察一致：”AI扩张的路径不在于单个组件的堆叠，而在于系统的协同操作。”
-
监控云服务提供商策略：云服务提供商内部CPU的发展将是未来市场方向的关键指标。来自AWS、Google Cloud和Microsoft Azure关于其CPU策略的早期信号应该指导对去中心化计算提供商的投资决策。
-
评估原始计算之外的代币效用：CPU回归强调，AI基础设施的价值超越了原始计算能力，包括高效的任务调度和并发处理。能够将这些互补功能代币化的加密项目可能更能抵御架构转变。
CPU的回归不是简单地重拾过去的荣耀，而是对其在AI生态系统中的角色重新定义。对于加密投资者来说，这既是对现有投资论点的挑战，也是识别AI领域下一代真正有价值的区块链应用的机会。赢家将是那些能够无缝整合这一新的架构现实，同时保持加密货币特有的去中心化和透明度的项目。