AI從答題到做事，CPU崛起，Meta天價采購揭示算力新邏輯

很多人以為，AI就是GPU。

誰有英偉達H100，誰就厲害。誰有Blackwell，誰就領先。

但現在，事情變了。

英偉達自己的人說了一句很反常的話：CPU正在成為AI Agent工作流的瓶頸。

這句話來自英偉達AI基礎設施負責人 Dion Harris。CNBC相關報道摘要顯示，他說CPU正在成為擴展AI和Agent工作流時的瓶頸，而且這是一個“令人興奮的機會”。

你看，這就很有意思。

英偉達是賣GPU的。結果英偉達的人告訴你，現在AI系統里，CPU也開始不夠用了。

更巧的是，同一時間，Meta剛和AWS簽了一筆多年協議，要大規模使用AWS的Graviton CPU。Reuters報道，這筆交易價值數十億美元，Meta會使用數千萬個Graviton核心。

這不是普通采購。

這是AI算力風向變了。

GPU像一群特別能算的人。

它適合干大規模并行計算。訓練大模型、跑大模型推理，都離不開GPU。

CPU不一樣。

CPU更像總調度員。

以前大家討論AI訓練，所以都盯著GPU。

但AI Agent不是單純訓練模型。

AI Agent是在“做事”。

先理解任務，再調用搜索工具。

拿到結果后，再判斷有沒有用。

不夠，再繼續查。

然后整理、比較、寫出結論。

中間這些調度動作，很多都不是GPU在干，而是CPU在干。

所以一句話就夠了：GPU負責算，CPU負責管。

AI從“回答問題”變成“執行任務”以后，CPU的重要性就上來了。

這個數字很重要。

它說明你以為AI慢，是模型不夠強。

但在Agent場景里，很多時候不是GPU不夠強，而是CPU調度、工具調用、數據處理跟不上。

就像餐廳后廚。

廚師再厲害，如果傳菜、點單、備料全亂了，客人還是要等。

GPU是廚師。

PU是整個后廚調度系統。

Meta官方說，這次和AWS合作，是為了把數千萬個AWS Graviton核心加入Meta的算力組合，用來支持Agentic AI。Meta還特別強調，隨著Agentic AI推進，算力需求正在變得更需要CPU。

AWS自己的說法更直白。

GPU仍然對訓練大模型很重要，但Agentic AI帶來了大量CPU密集型工作，比如實時推理、代碼生成、搜索、多步驟任務編排。

這就是核心。

Meta不是突然不買GPU了。

相反，Meta還在繼續大量買GPU算力。CoreWeave官方在4月宣布，和Meta擴大了AI基礎設施協議，規模達到210億美元；Reuters也報道，Nebius和Meta的AI容量協議最高可達270億美元。

所以Meta的邏輯不是“CPU替代GPU”。

而是：

GPU負責模型，CPU負責Agent。

這兩邊都要補。

Graviton是AWS自己設計的服務器CPU，基于ARM架構。

ARM大家并不陌生。手機芯片里經常用ARM路線，比如蘋果的很多芯片也是這個方向。

ARM最大的特點之一，是能效高。

在手機里，能效高意味著續航長。

在數據中心里，能效高意味著少交電費、少花散熱錢。

AWS官方介紹，Graviton5有192個核心，緩存比上一代大5倍，性能比上一代最高提升25%，核心之間通信延遲最高降低33%。

AWS還說，Graviton實例在相同性能下，能比可比EC2實例最高少用60%的能耗。

這不是小數。

當你只跑幾臺服務器，省電可能只是賬單好看一點。

但當你跑的是數千萬個CPU核心，省電就是戰略問題。

因為數據中心最貴的東西，不只是芯片。

還有電。

還有散熱。

還有機房容量。

Meta這筆交易告訴我們一件事：

未來AI基礎設施不是單腿走路。

不是只有GPU。

也不是CPU替代GPU。

而是CPU和GPU重新分工。

GPU負責大模型推理。

CPU負責Agent工作流。

GPU像發動機。

CPU像變速箱和中控系統。

發動機再猛，變速箱跟不上，車也跑不順。

所以，真正的AI數據中心戰爭，已經從“誰有更多GPU”，變成了“誰能把CPU、GPU、網絡、內存、電力、散熱全部組織起來”。

這才是Meta、AWS、英偉達、Intel、Arm都在搶的位置。

過去兩年，大家都在問：

你有多少GPU？

接下來，真正懂行的人還會問一句：

你的CPU調度層夠不夠強？

AI Agent時代來了。

CPU這個老角色，重新回到了牌桌中央。