重新被需要的英特爾

吳泳銘在上月阿里財報會上，提過三個阿里云未來增長的最大動能：MaaS公有云，企業級內部推理和訓練市場，以及以CPU為主的傳統云計算需求。

前兩個方面非常清晰，隨著模型應用越來越廣泛，云廠商既提供直接的Token API售賣，也支撐有更強能力和需求的企業做訓練和推理。

第三個增長方向，相對來說沒那么耀眼，但趨勢正在被進一步驗證。云計算產業鏈的上游，英特爾迎來順風局。

過去幾個季度，這家公司逐步走出此前的低谷。

以2026年第一季度為例，英特爾實現營收約136億美元，同比增長約7%。

其中，數據中心與AI（DCAI）業務收入約51億美元，同比增長超過20%，成為最主要的增長來源。相比之下，PC相關業務整體仍然處在相對平穩甚至略有波動的區間，已經不再承擔增長引擎的角色。

利潤端的情況更復雜。

GAAP口徑下，英特爾仍錄得約37億美元的凈虧損；但在非GAAP口徑下，公司已經恢復到每股約0.29美元的盈利水平。

兩者之間的差異，主要來自重組費用、股權激勵以及部分一次性項目的調整，而不是日常經營成本本身。

現金流和支出結構也能反映出當前階段的特征。英特爾仍在維持較高的資本開支強度，用于推進先進制程和擴建產能。

這意味著公司當前改善并不是單純“收縮成本”中實現的，而是在投入仍然較高的情況下，由需求側主導的修復。

市場的反應相對直接。

在連續幾個季度表現好于預期之后，英特爾股價出現明顯修復。投資者開始重新評估這家公司在AI周期中的位置，也開始重新討論它的長期敘事是否需要調整。

老英的順風局

把英特爾最新一季財報拆開看，這一輪回暖其實可以被更清晰量化。

2026年第一季度，英特爾實現營收136億美元，同比增長約7%，同時明顯超出市場預期（約124億美元） 。這是公司連續第六個季度跑贏市場預期，意味著需求端的改善已經具有連續性，而非僅僅單次反彈。

其中客戶端計算（CCG）收入約77億美元，同比增長1%。數據中心與AI（DCAI）收入約51億美元，同比增長22% 。

這兩個數字放在一起看，很容易看出主導關系已經發生轉移。

PC業務仍然是最大體量，但幾乎不再提供增長。真正推動整體收入上行的力量，是數據中心和AI相關業務。

DCAI這一塊不僅增長快，而且質量高：收入同比增加約10億美元（從約41億到51億），經營利潤率顯著改善（接近30%水平） 。

再看利潤端。GAAP每股虧損：-0.73美元；非GAAP每股收益：+0.29美元

制造端持續投入，折舊和前期成本較高，同時仍在消化過去幾年的重組費用。

英特爾現在的狀態是核心業務已經恢復賺錢能力，但整體仍被制造轉型拖累。

Foundry收入約54億美元，同比增長約16%，仍處于虧損狀態 。 （Foundry里有大量是給Intel自家產品部門“內部制造”的分部收入，合并報表時必須抵消，不能當成外部客戶收入和其他業務相加。）

這在當前階段并不意外。

先進制程的推進需要持續投入，疊加過去幾年積累的重組成本，使得GAAP口徑下仍然承壓。這種狀態更像是一個“中間階段”，需求已經恢復，但成本結構還沒有完全調整完成。

好在順風局還在持續。公司在財報和電話會中反復提到：服務器CPU需求強勁，AI相關負載帶動通用計算需求，多個大客戶簽訂長期供貨協議。市場層面已經有更直接的表現，服務器CPU價格上漲、供給趨緊 。

現任掌舵人陳立武在2024年底正式接任英特爾 CEO。

相比此前的管理層，他的背景更偏向EDA和半導體生態（長期執掌Cadence），在產業鏈協同和資本配置上經驗更深。上任之后的一年時間里，他的動作沒有特別激進，但方向清晰。

2025年初開始，公司逐步推進組織收縮，減少非核心項目，降低內部復雜度。

與此同時，裁員和成本控制持續推進，屬于過去幾年重組的延續，但執行上更明確。資源配置開始明顯向數據中心和企業側傾斜，消費端和一些邊緣業務的優先級被下調。

這樣看來AI是真壞呀。奪走了顯卡，奪走了內存，奪走了CPU，還可能要奪走我們的工作。

另一個變化體現在執行節奏上。過去幾年，Intel同時推進多個方向，從GPU到代工，再到不同制程路線，整體節奏比較分散。

管理層調整之后，重點開始回到既定路線本身：優先保證數據中心產品的推進節奏，同時把制程節點按計劃落地，而不是不斷擴展新的嘗試方向。

這種變化不一定會立刻體現在某一個指標上，但會逐漸反映在產品交付和收入結構中。

AI也跟CPU有關

AI產業最早的爆發，集中在模型訓練。算力需求集中釋放，對性能的要求極高，資源呈現出明顯的集中使用特征。這也是為什么GPU在過去兩年成為絕對核心。

但當模型開始進入大規模使用階段，計算的形態發生了變化。訓練只是大模型產出的起步環節 ，AI系統不可能訓練完成就結束。模型需要被嵌入到具體業務中，接受用戶的訪問和請求，成為長期運行的基礎設施。

一般的AI應用，它不需要極致算力，但需要持續處理大量請求，每一次對話都涉及模型調用、數據讀取和狀態維護。想想過去那道做開發的經典面試題，瀏覽器輸入網址敲下回車后發生了什么。

從龍蝦到愛馬仕，一個agent往往不只是調用模型生成文本，還會執行完整流程：查詢數據庫、調用外部接口、處理結果并寫回系統。這類任務更接近傳統軟件系統，而不是生成式計算。

這些場景帶來的變化，意味著時間維度上，計算不再集中在短時間內，而是長期持續運行。負載形態上，請求數量在增長，但單次計算強度相對穩定，系統負載更加平滑。

算力需求從GPU到CPU和其他傳統計算設施的溢出就自然發生。

GPU仍然承擔訓練和推理任務，但大量基礎工作還是得由通用計算資源完成。CPU負責調度和控制，內存和存儲支撐數據訪問，網絡負責連接各個模塊。

整個系統更像一個持續運轉的基礎設施，而不只是一臺專門用于高性能計算的機器。當AI的增長越來越體現在“使用頻率”和“運行規模”上時，通用算力的重要性就會隨之上升。

比如相較于放在家里時刻開機的Mac mini，云端Linux實例配置方便得多，而且成本算下來更低。

在服務器體系中，其實本來大量傳統計算并不發生在GPU上，而是圍繞數據處理、任務調度和系統運行展開，只是過去一段時間被訓練需求高峰的突出性所掩蓋。

英特爾在這一層有很深的積累，Xeon仍然是主流服務器平臺之一，公司也在強化這一方向，通過產品更新和資源傾斜，優先滿足數據中心需求。

制造能力是另一個需要單獨看的變量。

英特爾仍然保留自有工廠，這是和大多數芯片設計公司不同的地方。在需求持續擴大的情況下，產能本身會成為約束條件之一。能夠在內部保障一部分供給，對數據中心客戶來說，是一個現實的優勢。

不過，這種優勢目前還不完整。

英特爾自身已經進入混合制造模式。以新一代客戶端產品為例，不同模塊分別采用自家工藝和臺積電制程。在GPU和AI加速器方向，對外部代工的依賴更為明顯。這意味著，公司在先進制程上的能力仍在追趕過程中。

Foundry業務代表的是一個長期方向，既會對利潤形成持續壓力，也增加了整體不確定性。

坦率的說，追趕臺積電或者保證現有制程差距不擴大，如果你將其理解為制造業的一類細分行業，那英特爾的勝算可能不是那么高。

如果沒有來自非商業因素的壓力，我真怕老英隨時步AMD的后塵，隨時撂挑子不做了。