AMD 和 Intel 刚刚让 CPU 重回 AI 基建的核心

AMD 大幅上调了对服务器 CPU 市场的预期，而 Intel 则公布了逾 15 年来最强劲的营收增长。两者共同表明，AI 基础设施支出几乎完全归属于 GPU 的假设正受到挑战。

这一变化已体现在实际订单、产能规划和产品排期中。Intel 的数据中心业务在 2026 年第二季度同比增长 59%。AMD 目前预计，到 2030 年服务器 CPU 市场规模将超过 1,200 亿美元。

这并不是 CPU 取代 Nvidia GPU 的故事，而是随着 AI 系统从模型训练向更广泛的应用扩展，CPU 正变得更有价值。推理、智能体、数据传输、网络和存储都会产生仅靠加速器无法独立处理的工作负载。

如今，核心竞争转向 AMD 与 Intel 在围绕这些加速器的主机计算层展开的较量。内存供应和制造执行能力将决定两家公司能否把需求转化为持续增长。

Intel 的财报将 AI 需求转化为可量化的 CPU 增长

Intel 第二季度业绩为 AI 支出正向 CPU 层渗透提供了最清晰的证据。

Intel 公布第二季度营收为 161 亿美元，较去年同期增长 25%。首席执行官陈立武称，这是公司逾 15 年来最强劲的营收增长。

公司的数据中心与 AI 事业部实现营收 63 亿美元，同比增加 59%，成为 Intel 增长最快的主要产品业务。

这些数字之所以重要，是因为 Intel 并不主导加速器市场。Nvidia 仍是用于训练和部署大型模型的 GPU 核心供应商。因此，Intel 的增长指向了更广泛的基础设施周期。

每个大型 AI 集群都需要主机 CPU。这些处理器负责初始化加速器、运行操作系统、调度任务、管理存储，并在数据进入 GPU 前进行处理。

智能体 AI 又增加了一层需求。AI 智能体是能够利用模型、工具和外部数据规划并执行多步骤任务的软件。

智能体会反复调用模型、数据库、搜索系统和企业应用。这些交互会产生通常运行在传统服务器处理器上的编排工作负载。

Intel 的季度业绩还显示，增长并不限于单一产品类别。客户端和实体 AI 营收达到 89 亿美元，同比增长 13%。

Intel Foundry 报告的分部营收为 58 亿美元，同比增长 31%。不过，其中很大一部分收入来自 Intel 自身的产品部门，而非外部芯片设计商。

公司的整体业绩也需要谨慎解读。尽管录得 22 亿美元的非 GAAP 净利润，Intel 仍报告了 110 亿美元的 GAAP 净亏损。

这一差距在很大程度上反映了常规经营表现以外的费用。不过，这也说明仅凭营收增长无法判定公司的转型前景。

Intel 预计第三季度营收将在 158 亿至 168 亿美元之间。公司还计划增加对制造设备、洁净室产能和基板的投资。

这一回应意义重大。管理层并未将第二季度的增长视为现有库存的短期抢购，而是在为延续至 2027 年的更高产品和代工需求做准备。

Intel 推出了 Xeon 6+，这是其首款采用 Intel 18A 制程制造的服务器处理器。公司还表示，其工厂在多项制程技术上超出了内部产量目标。

矛盾也由此显现。Intel 拥有需求、庞大的装机基础以及不断改善的产出能力。但在客户证明当前 AI 基础设施计划能够转化为长期利用率之前，它必须投入大量资金。

为何 AMD 认为服务器 CPU 市场将大得多

AMD 认为，AI 智能体将使每台已部署加速器需要更多而非更少的 CPU 容量。

在第一季度业绩交流中，AMD 表示已实质性上调对服务器处理器市场的预期。公司此前预计，该市场年增长率约为 18%。

AMD 目前预测，市场年增长率将超过 35%，到 2030 年总可寻址需求将超过 1,200 亿美元。总可寻址市场，即 TAM，是对特定产品类别可获得收入规模的估算。

这一预测来自 AMD，而非独立市场研究机构。投资者应将其视为受客户讨论、产品规划和管理层假设影响的战略目标。

即使确切数字仍存在不确定性，其背后的机制仍具可信度。AI 系统依然需要 CPU 来协调加速器，并将其与数据中心其余部分连接起来。

训练集群使用 CPU 进行任务调度、数据预处理、检查点管理和基础设施监控。推理系统则增加了路由、检索、安全和应用逻辑等任务。

智能体系统进一步强化了这一模式。一次用户请求可能触发多次模型调用、数据库搜索、权限检查和工具执行。

每个步骤都会消耗加速器时间，同时也会生成传统计算工作负载。随着企业将智能体连接至内部应用，CPU 工作负载会随模型使用量一同增长。

AMD 表示，这些需求包括编排、数据传输、并行执行和头节点服务。头节点是负责协调更大规模加速器节点集合的服务器。

公司预计，其第二季度服务器 CPU 营收将同比增长超过 70%。AMD 计划于 8 月 4 日公布业绩，这将立即检验这一预测。

AMD 同样需要具备服务这些需求的产品。其答案是基于 Zen 6 架构、代号 Venice 的第六代 EPYC 产品家族。

公司已在 TSMC 的 2 纳米制造工艺上启动Venice 量产爬坡。AMD 表示，在这一阶段，客户验证范围比以往任何一代 EPYC 都更广。

Venice 包含 Verano，这是一款专为 AI 基础设施设计的处理器。AMD 预计，该产品家族将支持云端、企业和加速计算部署。

通用服务器 CPU 与面向 AI 的主机 CPU 之间的区别正变得愈发重要。数据中心买家越来越多地评估整机柜，而非单独的芯片。

机柜级系统将处理器、加速器、内存、网络、散热和软件组合为一个可部署单元。性能取决于这些组件在生产工作负载下如何协同运作。

AMD 可以供应这一系统的多个部分。其产品组合包括 EPYC 处理器、Instinct 加速器、Pensando 网络产品以及 ROCm 软件栈。

这种广度使 AMD 有机会跨组件进行优化，但也增加了完整系统交付客户前必须协调一致的排期数量。

AMD 的 Helios 平台预计将把 EPYC 处理器与 MI450 系列加速器配对。量产部署计划于 2026 年下半年开始。

Microsoft 已表示，计划在扩展合作关系下部署下一代 EPYC 和 Instinct 产品。Meta 也已另行同意，在多个世代中部署最多 6 吉瓦的 AMD 加速器。

这些承诺为 AMD 带来的能见度超过单纯的推测性 TAM 估算。但它们并不保证未来部署的节奏、利润率或利用率。

AMD 与 Intel 正演变为 AI 基础设施之争

AMD 和 Intel 正在争夺为 AI 加速器提供供给、协调和变现支持的系统控制权。

Intel 在企业服务器领域仍拥有更大的装机基础。其处理器已深度融入企业软件、云服务和数据中心运营流程。

这一地位为 Intel 带来了惯性优势。更换服务器处理器可能需要应用测试、固件变更、性能验证和新的采购协议。

AMD 已通过数代 EPYC 产品逐步降低这些障碍。它凭借更高的核心密度、能效和具竞争力的总体拥有成本赢得了市场采用。

当前 AI 周期改变了竞争条件。买家正在建设新的集群，而不只是更新熟悉的企业服务器。

新建项目让 AMD 有机会在无需先取代现有 Intel 系统的情况下赢得部署，也让客户能够围绕完整的加速器平台进行设计。

Intel 则从相反方向参与竞争。即便客户选择 Nvidia 或 AMD 加速器，它仍可利用既有 Xeon 客户关系保住主机处理器角色。

其第二季度业务亮点包括一套结合 Intel Xeon 处理器、SambaNova 加速器和 Nvidia Blackwell GPU 的系统。这一设计显示，Intel 将 Xeon 定位为围绕多种加速器类型的中立基础设施。

AMD 则有更强的动机推广采用自家组件的紧密集成系统。Intel 则受益于客户在不同加速器供应商之间保留灵活性。

这使竞争远不止于基准测试比较。它涉及供应承诺、平台认证、网络、内存访问、软件支持和部署时机。

两家公司还面临基于 Arm 的服务器处理器竞争。Amazon、Google、Microsoft 和其他云运营商已针对特定工作负载开发了定制 CPU。

这些处理器可降低对商用供应商的依赖，也让云公司能够围绕自身的软件和数据中心设计调整硬件。

AMD 声称，Venice 每个插槽的吞吐量可达到领先 Arm 架构 AI 解决方案的两倍以上。这一说法尚未获得广泛、独立的生产环境验证。

Arm 竞争在战略上仍然重要，因为超大规模云服务商以极大规模采购处理器。一款成功的内部芯片可能会从 AMD 或 Intel 手中移走大块需求。

不过，定制处理器并不会消除商用 CPU 市场。企业仍需要广泛的软件兼容性、多种云选择，以及来自成熟服务器供应商的系统。

更可能的结果是基础设施层出现碎片化。超大规模云服务商将根据工作负载、供应情况和成本，在定制处理器以及 AMD、Intel 产品之间进行组合。

在这一环境中，执行能力比架构纯粹性更受重视。如果内存、主板或完整机柜到货延迟，即使处理器基准测试表现出色，价值也十分有限。

AMD 必须与 TSMC 和封装合作伙伴协调其路线图。Intel 则必须在提高制造产出的同时改善良率并管理资本需求。

因此，这场竞争建立在两种不同的承诺之上。AMD 认为，其产品迭代节奏和整合产品组合能够继续扩大份额。

Intel 则认为，更好的执行能够重新激活其规模、客户关系和制造资产。其最新营收数据让这一论点比一年前更具可信度。

这两种承诺都尚未得到完全验证。AMD 即将公布的业绩必须确认，强劲需求正转化为营收。Intel 则必须证明，增长能够延续至有利同比基数之外。

真正的瓶颈正从加速器转向内存

CPU 需求增长并未消除 AI 供应难题；它只是将问题扩散到内存、封装、网络和电力领域。

Intel 的 Tan 在公司财报电话会上将内存描述为一项主要供应约束。他表示，该组件已成为瓶颈，也是客户的痛点。

这一约束涵盖高带宽内存（HBM）。HBM 将堆叠式内存置于加速器附近，为大型 AI 工作负载提供所需的数据吞吐量。

传统服务器内存同样重要。CPU 需要 DRAM 来运行数据库、检索系统、虚拟机，以及围绕 AI 模型运行的编排服务。

因此，更高的 CPU 出货量会在本已紧张的内存供应链中争夺产能。需求可以在不同产品类别之间转移，但晶圆制造和封装产能无法即时改变。

SK Group 和 Nvidia 作出了规模大得多的承诺。两家公司宣布签署意向书，涉及一项价值超过 5000 亿美元的计划。

该计划包括一座最高可达两吉瓦的 AI 工厂，以及长期内存合作关系。首座工厂计划于 2027 年开始运营。

根据 SK partnership，SK hynix 和 Nvidia 计划共同开发包括 HBM 在内的内存产品。Nvidia 还预计，这项协议将确保未来供应。

这一安排扩大了双方于 6 月宣布的合作。此前的 memory agreement 将 SK hynix 产品与 Nvidia 的 Vera Rubin 系统、Vera 处理器、个人 AI 计算机和机器人平台连接起来。

意向书并不像已完成采购或已交付的基础设施那样具有同等确定性。公布的总金额也涵盖多项活动和多年周期。

它不应被解读为一笔针对内存芯片的单一即时订单。该数字描述的是一项广泛的基础设施计划，涉及建设、计算系统和长期供应。

即便有这些限定，该合作仍显示出领先供应商认为风险所在。Nvidia 希望在需求到来前，就让内存开发与分配同其系统路线图保持一致。

这种协同给 AMD 和 Intel 带来压力。两家公司都需要内存合作伙伴优先为其产品配置产能，而 Nvidia 仍是 AI 加速器领域最大的客户。

AMD 面临的挑战尤其复杂，因为 Helios 需要处理器、加速器、网络、HBM、封装和软件同步到位。任何一个组件延迟，都可能限制整套机架的交付。

Intel 面临的是不同约束。该公司计划增加设备和基板投资，而其代工业务仍在消耗大量资本。

根据公司的详细业绩，Intel Foundry 本季度实现 58 亿美元的部门营收，但录得 21 亿美元的运营亏损。

代工业务亏损使乐观的 CPU 叙事变得更复杂。Intel 必须在与采用 TSMC 制造的 AMD 产品竞争的同时，为制造能力改进提供资金。

其 18A 产出约比目标高出 25%，较上一季度增长超过 50%。这些数字表明取得了进展，但外部代工营收仍只有 2.93 亿美元。

因此，代工业务的大部分增长来自 Intel 的内部生产网络。能否获得有意义的外部采用，仍是另一项考验。

AI 硬件周期可以支撑多家供应商，但无法抹去生产经济学规律。扩产过慢会丢失订单，扩产过快则可能损害回报。

如果数据中心运营商因电力接入或融资问题推迟项目，这种取舍将更加尖锐。尚未建成的设施中的芯片无法产生收入。

CPU 增长叙事无法证明什么

强劲的季度需求并不能证明每一座已宣布的 AI 数据中心都将建成，或得到盈利性利用。

第一项不确定性涉及需求比较。Intel 25% 的营收增长发生在一段艰难时期之后，并受益于工厂执行能力改善。

因此，强劲的年度增长率既可能反映复苏，也可能反映结构性扩张。投资者需要观察数个季度的数据中心增长，才能区分这两种影响。

Intel 的 GAAP 亏损也表明，运营改善不会自动转化为清晰的股东回报。会计费用可能是暂时的，但资本需求却具有持续性。

管理层计划加大对设备、制造空间和基板的投资。这些投资假定产品和代工需求将持续处于高位。

第二项不确定性涉及 AMD 的市场预测。超过 1200 亿美元的服务器 CPU TAM，取决于智能体应用的持续采用以及大规模基础设施建设。

智能体可以增加编排工作量，但软件效率也可能抵消部分硬件需求。更好的调度、缓存、量化和模型路由，可降低每项任务所需的计算量。

AI 服务提供商也有强烈动机提高利用率。闲置的加速器或 CPU 仍会占用资本和宝贵的数据中心容量。

因此，应用使用量与芯片需求之间并非线性关系。更多 AI 用户可能带来更多计算需求，但每一代基础设施也能更高效地处理工作负载。

第三项不确定性涉及客户集中度。少数几家超大规模云服务商占据了行业计划中大部分 AI 支出。

Microsoft、Meta 和其他运营商的大额承诺为供应商带来可见性，但也使供应商暴露于少数资本预算变化的风险中。

一个园区延期或模型战略调整，就可能同时影响多家硬件供应商。长期供应协议可以降低不确定性，但无法消除建设和利用率风险。

第四项不确定性是竞争反应。Nvidia 通过机架系统、网络、软件及自有的基于 Arm 的处理器，持续拓展独立 GPU 之外的业务。

云服务运营商正在开发定制加速器和 CPU。这些产品可能重新分配原本会运行在 AMD 或 Intel 硬件上的工作负载。

AMD 的软件进展仍是另一项重要变量。ROCm 是该公司用于编程和运行其加速器的开放软件环境。

AMD 在其 2025 年 11 月分析师活动上表示，ROCm 下载量同比增长十倍。下载次数并不能衡量生产使用情况、开发者满意度或工作负载可靠性。

Nvidia 的 CUDA 环境仍拥有深厚的库、工具和受训开发者基础。AMD 需要让软件采用率与硬件交付同步增长。

Intel 也需要在加速计算领域形成更清晰的定位。强劲的 Xeon 需求固然有利，但客户越来越多地购买围绕加速器和网络构建的架构。

该公司可以在不主导加速器市场的情况下，继续成为有价值的主机处理器供应商。但这一角色仍可能限制其对完整系统设计和利润率的影响力。

这些风险并不否定 CPU 的复苏。它们界定了 CPU 复苏要成为持久 AI 基础设施周期所必须满足的条件。

最有力的解读并不是每家芯片公司都会获胜，而是 AI 支出如今已覆盖更多组件，带来更多机会，也带来更多故障点。

三项信号将决定 CPU 周期能否持续

AMD 的下一份财报、Intel 的制造经济性以及内存交付时间表，将依次检验新的 CPU 论点。

第一项信号将在 8 月 4 日到来，届时 AMD 将公布第二季度业绩。管理层此前预测服务器 CPU 营收将同比增长逾 70%。

若达到这一预期，将支持 AMD 关于 AI 正在提升主机处理器需求的主张，也将验证公司更大市场预测背后的客户沟通情况。

投资者应关注数据中心营收、EPYC 增长、供应可用性和 Venice 时间表。关于 2027 年产能承诺的评论，其重要性将不亚于单季度销售额。

较弱的业绩并不会消除长期需求，但会表明客户兴趣、认证进度和已实现营收正以不同速度推进。

第二项信号是 Intel 的代工业务和资本支出轨迹。其内部生产在第二季度有所改善，但外部代工营收仍然有限。

关注 18A 良率、产出、外部客户承诺以及代工运营亏损。这四项均取得进展，才能强化 Intel 关于制造规模可支撑 CPU 复苏的说法。

支出增加却未能降低代工亏损，将削弱这一论点。Intel 不能无限期依赖产品需求来吸收制造成本。

第三项信号是下一代内存的交付时间表。SK hynix 和 Nvidia 已勾勒出广泛的联合开发与供应计划，规模更大的基础设施预计将在 2027 年到位。

关注 HBM 供应情况、内存认证，以及竞争平台是否能获得足够供应以按计划部署。即使 CPU 需求依然强劲，内存短缺仍会限制 AMD 和 Intel。

这三项信号串联起整个硬件链条。订单必须转化为处理器，处理器必须进入完整机架，机架必须进入具备电力供应的数据中心。

对开发者而言，结果将影响哪些平台获得优化投入和云端可用性。硬件竞争可能影响模型成本、部署选择和 AI 软件的可移植性。

企业买家在承诺长期基础设施前，也应关注相同信号。只有内存、网络、支持服务和部署能力按时到位，富有吸引力的处理器路线图才有意义。

知识工作者将间接受到影响。更多可用的推理能力可支持更快的智能体、更大的业务工作流，以及对私有组织数据更广泛的使用。

评估这些系统的团队应保留每项基础设施选择背后的决策、基准测试和源材料。可搜索的工程知识库可以在产品和时间表变化时，让这些证据保持关联。

实际问题不再是 GPU 是否仍处于 AI 的核心地位。它们仍然是。问题在于，每次加速器部署会为市场带来多少额外的 CPU、内存和网络需求。

先关注 AMD 8 月的业绩，接着是 Intel 的 18A 经济性，最后是支撑 2027 年机架交付的内存时间表。若三者同步推进，CPU 复兴就具备结构性支撑。若出货量与公告脱节，当前乐观情绪便已领先于实际部署。无论结果如何，都将塑造企业计划下一步使用的 AI 服务的成本与可用性。