跳到主要内容

GPU、ASIC、CPU 三分天下：AI 服务器的算力版图正在重组

· 阅读需 3 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

过去三年，AI 算力的叙事几乎是 GPU 的独角戏。2026 下半年，这张图变成了三角形：GPU 负责训练与通用推理，ASIC 接管固定的大规模推理，CPU 则因为 AI 代理的兴起重新回到关键路径上。

一、ASIC：从补充到主力​

四大云厂商的自研芯片成熟度已经拉开明显梯度：

厂商自研芯片状态
GoogleTPU（已至 v8，训练/推理双线）最成熟：单一超节点可串 9,216 颗，外部客户超百万颗
AWSTrainium高：Anthropic 的 Claude 运行在超过 100 万颗 Trainium2 上
MetaMTIA（四款路线图）发展中：同时与 AMD 签最高 6GW、租用谷歌 TPU
MicrosoftMaia 300起步中：正式发布、2027 百万颗部署，主力仍是英伟达

IDC 预测推理市场 ASIC 份额从 2024 年的 15% 升至 2030 年的 80%。无论这个终局预测是否精确，方向已经清晰：工作负载固定、规模巨大、在意成本与能效的推理场景，正在系统性流向 ASIC。

二、CPU：AI 代理带来的意外变量​

这是 2026 下半年最容易被忽视的新变量。Meta 9 月推出个人 AI 代理 Muse——可以代用户寄信、订行程、填表单，且关掉 App 后长时任务仍在云端持续执行。AI 代理的推理需要 GPU，但任务编排、API 调用、数据查询与每个用户常驻的虚拟机，主要由 CPU 承担。用户越多、后台任务越多，CPU 需求越高。

需求信号已经出现：

  • Intel CEO 表示其 CPU 产能只能满足约一半的 AI 相关需求
  • Meta 计划部署数千万个 AWS Graviton 核心处理 AI 代理工作负载

三、竞争单位从芯片放大到机柜​

与三角分工同步发生的，是竞争粒度的变化：NVIDIA Vera Rubin、AMD Helios、华为 Atlas 950 超节点、Meta MTIA 400——竞争以整座机柜为单位展开。瓶颈随之扩散：从运算芯片延伸到内存、封装、互联、电源与散热。这也是 HBM4 三倍报价与先进封装紧缺的共同背景。

四、对采购决策的影响​

  1. 不要用单一指标选型：训练看算力密度与互联，推理看每 Token 成本，代理编排看 CPU 与内存配置
  2. ASIC 进入采购清单：2027 年起，非英伟达推理算力的供给盘子里自研 ASIC 将占可观份额，谈判筹码结构改变
  3. 预算要留 CPU 项：智能体应用的成本模型里，CPU 与常驻虚拟机的开销不再是配角

延伸阅读：交互式对比工具 · TCO 计算器 · 超节点选型框架