如今，在许多基础设施规划会议上，都有这样一番对话：“智能体AI会改变CPU与GPU 的比例。所以，我们只需要在现有的GPU服务器里多加几颗CPU就行了，对吧？”
这听起来很符合逻辑。但这也正是很多人误解的地方。
从聊天机器人式的AI向智能体AI的转变，绝不仅仅是把几颗CPU塞进现有的、以GPU 为主的机架里那么简单。它的影响远比这深远得多——这是一场数据中心架构的结构性变革。智能体AI正在催生对全新CPU服务器机架的巨大需求，这些机架将与现有的GPU基础设施并肩而立，为所有智能体的日常工作提供算力支撑。
对于企业IT负责人来说，这带来了一个深刻的启示：智能体AI正在重写AI基础设施的算力平衡法则。
AMD曾预测服务器CPU市场将以每年18%的速度增长；但智能体带来的算力需求结构性激增，彻底改变了这一测算模型。现在AMD预计，服务器CPU的总潜在市场规模（TAM）年增长率将超过35%，到2030年有望突破1200亿美元。
第一波浪潮：
以模型回复为核心的聊天机器人AI
生成式AI的第一波浪潮，是建立在一个相当简单的模式之上的：用户提问，应用程序将提示词（Prompt）发送给模型，模型生成回复，应用程序再将结果返回给用户。
这种架构自然而然地催生了以GPU为核心的设计。在那些部署中，CPU充当着配备4 到8块GPU的服务器的“头节点（Head Node）”。这颗头节点 CPU 负责调度、I/O（输入/输出）和系统管理，而繁重的数学计算则全部交由GPU来完成。
来源于：AMD官网
智能体AI
绝不仅仅是“聊天加工具”那么简单
我们现在正处于智能体 AI 时代的初期。在这个时代，工作负载的形态发生了彻底的改变。智能体不再只是回答单一的提示词（Prompt），而是会将一个目标拆解为多个步骤，决定下一步的行动，调用多个模型、查询数据库、连接API、运行企业级应用、检查权限、检索记忆、验证输出结果，然后再循环往复地执行这一系列流程。这与“输入提示词、输出答案”的聊天机器人AI相比，有着截然不同的基础设施需求画像。
尽管GPU在模型执行方面依然至关重要，但当前的生产工作负载已经变得高度依赖 CPU。CPU 现在需要承担起以下核心职责：
编排（Orchestration）：管理负责拆解复杂任务的底层引擎。
智能体执行与工具调用：触发各类 API 以及传统的企业软件。
策略与安全：对智能体的每一个自主操作进行现实世界中的合规与安全校验。
来源于：AMD官网
应对CPU-GPU算力重心转移的解法，
绝不仅仅是“多加几颗CPU”
在聊天机器人AI时代，CPU与GPU的比例通常是1:4或1:8；但在智能体AI时代，我们正看到这一比例向1:1演进，在某些场景下，对CPU的算力需求会更高。
这里的关键在于：你绝不能仅仅通过在GPU服务器里“零星塞入”更多CPU来实现这种平衡。真正的解法是，引入一个经过全新架构设计的CPU计算层。
对于企业 IT 负责人而言，你们的规划思路必须与时俱进。
未来几年的主流 AI 系统，将不再是一个单一的“AI一体机（AI Box）”，而更像是一个分布式系统。你将拥有用于高密度模型计算的 GPU 机架、高速网络，以及能够确保系统全程可观测、安全且高效的软件栈；同时，你还将拥有用于任务编排、数据处理及工具执行的智能体CPU 机架。
在这个阶段，均衡的架构比任何时候都重要。
如果CPU层算力不足，GPU就会陷入空转等待；
如果网络架构未被充分重视，智能体的执行就会停滞；
如果数据路径设计混乱，系统延迟就会急剧攀升；
如果编排层没有为高并发做好设计，系统的成本和复杂性就会随之飙升。
来源于：AMD官网
给IT负责人的实操建议
值得再次强调的是：智能体AI正在彻底改变基础设施的底层逻辑。
随着智能体AI从试点阶段走向生产部署，千万别再把它当成“只是给企业加了个聊天机器人”来规划基础设施了。你得把它当成引入了一整支全新的数字劳动力大军——它们需要全天候地进行规划、执行、校验、检索信息、调用工具以及跑通各种工作流。
这意味着，你规划的CPU算力要比早期为AI预估时多得多。这也意味着，你的目光不能只盯着GPU服务器，还得统筹考虑整个机架、网络架构（Fabric）、软件生态以及整体的运营平衡。
在智能体时代，性能不再是靠单一处理器包揽一切来实现的。真正的性能来自合理的架构——让CPU和GPU协同作战，才能把AI从单纯的“给出答案”推向真正的“采取行动”。
以上文章选自：AMD Blogs - Agentic AI Changes the CPU/GPU Equation
https://www.amd.com/en/blogs/2026/agentic-ai-changes-the-cpu-gpu-equation.html?
