很多人以为，AI就是GPU。
谁有英伟达H100，谁就厉害。谁有Blackwell，谁就领先。
但现在，事情变了。
英伟达自己的人说了一句很反常的话：CPU正在成为AI Agent工作流的瓶颈。
这句话来自英伟达AI基础设施负责人 Dion Harris。CNBC相关报道摘要显示，他说CPU正在成为扩展AI和Agent工作流时的瓶颈，而且这是一个“令人兴奋的机会”。
你看，这就很有意思。
英伟达是卖GPU的。结果英伟达的人告诉你，现在AI系统里，CPU也开始不够用了。
更巧的是，同一时间，Meta刚和AWS签了一笔多年协议，要大规模使用AWS的Graviton CPU。Reuters报道，这笔交易价值数十亿美元，Meta会使用数千万个Graviton核心。
这不是普通采购。
这是AI算力风向变了。
GPU像一群特别能算的人。
它适合干大规模并行计算。训练大模型、跑大模型推理，都离不开GPU。
CPU不一样。
CPU更像总调度员。
以前大家讨论AI训练，所以都盯着GPU。
但AI Agent不是单纯训练模型。
AI Agent是在“做事”。
先理解任务，再调用搜索工具。
拿到结果后，再判断有没有用。
不够，再继续查。
然后整理、比较、写出结论。
中间这些调度动作，很多都不是GPU在干，而是CPU在干。
所以一句话就够了：GPU负责算，CPU负责管。
AI从“回答问题”变成“执行任务”以后，CPU的重要性就上来了。
这个数字很重要。
它说明你以为AI慢，是模型不够强。
但在Agent场景里，很多时候不是GPU不够强，而是CPU调度、工具调用、数据处理跟不上。
就像餐厅后厨。
厨师再厉害，如果传菜、点单、备料全乱了，客人还是要等。
GPU是厨师。
PU是整个后厨调度系统。
Meta官方说，这次和AWS合作，是为了把数千万个AWS Graviton核心加入Meta的算力组合，用来支持Agentic AI。Meta还特别强调，随着Agentic AI推进，算力需求正在变得更需要CPU。
AWS自己的说法更直白。
GPU仍然对训练大模型很重要，但Agentic AI带来了大量CPU密集型工作，比如实时推理、代码生成、搜索、多步骤任务编排。
这就是核心。
Meta不是突然不买GPU了。
相反，Meta还在继续大量买GPU算力。CoreWeave官方在4月宣布，和Meta扩大了AI基础设施协议，规模达到210亿美元；Reuters也报道，Nebius和Meta的AI容量协议最高可达270亿美元。
所以Meta的逻辑不是“CPU替代GPU”。
而是：
GPU负责模型，CPU负责Agent。
这两边都要补。
Graviton是AWS自己设计的服务器CPU，基于ARM架构。
ARM大家并不陌生。手机芯片里经常用ARM路线，比如苹果的很多芯片也是这个方向。
ARM最大的特点之一，是能效高。
在手机里，能效高意味着续航长。
在数据中心里，能效高意味着少交电费、少花散热钱。
AWS官方介绍，Graviton5有192个核心，缓存比上一代大5倍，性能比上一代最高提升25%，核心之间通信延迟最高降低33%。
AWS还说，Graviton实例在相同性能下，能比可比EC2实例最高少用60%的能耗。
这不是小数。
当你只跑几台服务器，省电可能只是账单好看一点。
但当你跑的是数千万个CPU核心，省电就是战略问题。
因为数据中心最贵的东西，不只是芯片。
还有电。
还有散热。
还有机房容量。
Meta这笔交易告诉我们一件事：
未来AI基础设施不是单腿走路。
不是只有GPU。
也不是CPU替代GPU。
而是CPU和GPU重新分工。
GPU负责大模型推理。
CPU负责Agent工作流。
GPU像发动机。
CPU像变速箱和中控系统。
发动机再猛，变速箱跟不上，车也跑不顺。
所以，真正的AI数据中心战争，已经从“谁有更多GPU”，变成了“谁能把CPU、GPU、网络、内存、电力、散热全部组织起来”。
这才是Meta、AWS、英伟达、Intel、Arm都在抢的位置。
过去两年，大家都在问：
你有多少GPU？
接下来，真正懂行的人还会问一句：
你的CPU调度层够不够强？
AI Agent时代来了。
CPU这个老角色，重新回到了牌桌中央。
热门跟贴