这篇整理服务器CPU的产业信息，内容来自公开披露与公开报道，不构成投资建议。

这两年聊AI算力，话题基本围着GPU转。谁家卡多，谁家显存大。CPU在旁边，存在感不高。

最近这个印象在被修正。

先说过去是怎么回事。

传统AI数据中心里，CPU和GPU的配比大概是1比4到1比8。一颗CPU，配四颗到八颗GPU。CPU干的活相对固定：喂数据、管I/O、调度任务。真正的重活在GPU上。

据公开活动实录，AMD的苏姿丰在公开活动上表示：传统聊天式AI是这个配比，但智能体要做任务编排、工具调用、数据处理，部分部署正向1比1演进。

英伟达那边的动作也清楚。据公开报道，黄仁勋发布Vera CPU时表示，CPU不再仅仅是支持模型运行，它正在驱动模型。Vera CPU的定位是承担智能体系统的控制与调度，采用自研Olympus核心。

数字放一边，先看这个变化背后的道理。

智能体和聊天机器人是两种负载。

聊天是一问一答。你问一句，模型算一遍，吐出答案，结束。这个过程GPU是主角。

智能体不是。接到一个任务之后，它要拆子目标、去数据库检索、生成代码、丢进沙箱执行、调外部接口、看中间结果对不对、不对再来一轮。一个任务几十步很常见。

这些步骤里，真正需要GPU大规模并行的部分其实不多。拆任务、调接口、跑沙箱、做判断，全是CPU擅长的通用计算。

所以出现一个挺尴尬的情况：CPU在满负荷处理这些杂活的时候，GPU闲着。

这才是配比要调整的原因。不是GPU不够用了，是CPU拖住了整体节奏。

还有个细节更值得琢磨。据公开报道，AMD方面的说法是，智能体带来的CPU需求，不太会体现为在GPU服务器旁边多插几颗CPU，而更可能催生独立的CPU服务器，形成GPU集群之外的一层。

这个判断我觉得比配比变化本身更有意思。它意味着新增的不是配件，是一个独立的算力层。

产品这头也在变。

据公开报道，九月以来国内智能体产品密集迭代。9月15日飞书发布8.0版本，为适配Agent做了系统性重构，同时发布面向团队的智能体产品豆包工作伙伴。9月28日Manus面向海外用户发布2.0版本，推出个人智能体应用Cue，并表示正在组建团队开发面向国内市场的产品。

这些产品的共同点是：从会说话，转向能干活。

活越多，CPU的调度和内存访问就越频繁。这是我在几份材料里读出来的主线。

国内这几家做处理器相关业务，路径各不相同。

海光信息做的是高端处理器、加速器等计算芯片产品和系统的研发。据公司披露，海光处理器兼容市场主流的x86指令集，面向企业计算、云计算数据中心、大数据分析、人工智能、边缘计算等场景提供多种形态的处理器芯片。

龙芯中科做的是处理器及配套芯片的研制、销售及服务，产品包括处理器及配套芯片，以及基础软硬件解决方案。公司自主指令集架构叫LoongArch，面向网络安全、办公与业务信息化、工控及物联网等方向。

中国长城的收入主要来自计算产业，做的是自主安全计算相关的整机与部件。

禾盛新材需要注意的是，它本身做的是新材料业务，与服务器CPU的关联仅通过参股公司上海熠知电子实现，且不纳入合并报表，跟前三家不在一个层面。据公司对外投资进展公告，禾盛新材参股熠知电子，并披露了进一步增资的方案，完成后持股比例将提升至17%以上，该事项尚需双方股东会审议。熠知电子做的是ARM架构服务器处理器芯片，据公开报道今年1月发布了第三代AI CPU TF9000系列。

看完这些材料，我有个体会：这行说的是同一件事，站的位置差得远。

指令集不同，生态不同，服务的场景也不同。x86那套生态成熟，迁移成本低；自主指令集要自己建生态，周期长但可控性强。ARM服务器芯片在国内属于少数实现商业落地的路线。

至于各家产品在智能体场景下的实际表现，我没有查到能横向对比的一致口径。说实话我也没法判断谁做得多扎实，公开信息里只有各自的描述。

风险提示

CPU与GPU配比的实际变化受工作负载、部署方式、产品迭代等多重因素影响，不同场景下的最优配置差异很大。各家披露口径不同，数字不完全可比。相关产业处于演进过程中，技术路径存在不确定性。文中涉及公司仅为产业信息整理所需，不代表对其业务前景的判断。

本文仅为产业信息整理，不替代上市公司法定信息披露义务。本文所涉信息来自公司公告、官网、公开报道及公开发布活动，仅为产业信息整理，不保证完整性与准确性。本文不推荐任何个股，不构成任何形式的投资建议，市场有风险，请以公司法定信息披露为准。