CPU強勢回歸｜從GPU到CPU，誰是下一個贏家？

• AI投資不再只有GPU，因CPU 正重新成為AI基礎設施的關鍵拼圖。
• 從AI代理、數據卸載到後訓練，每個環節都正在推高數據中心對 CPU的需求。
• CPU回歸是大趨勢，但不會有單一公司能獨吞全部紅利。

英特爾 CEO 陳立武在今年第一季業績電話會上提出了一個重要觀點：「CPU正重新確立其在 AI 時代不可或缺的地位」。

市場反應迅速。英特爾股價急升，半導體相關股份亦隨之展開一輪升勢，釋放出的訊號非常清晰：「CPU回來了」。

投資者或許會問：這只是短期炒作，還是 AI 基礎設施正在出現更深層次的變化？

CPU強勢回歸｜三大力量推動 CPU 需求回升

過去兩年，AI 投資主線幾乎完全由 GPU 主導。然而，當 AI 進入另一階段，CPU重新回到投資者視野。

1.       AI代理

過去，AI 的主要形態是對話框，用戶提出問題，模型給出答案。但如今，AI 的形態正悄然改變，逐漸由一問一答，演變成能夠自主執行任務的 AI 代理。與傳統對話框不同，AI 代理需要搜尋網頁、調用外部工具、執行程式碼、查詢數據庫、驗證結果，並將多個步驟串連成一個完整的最終輸出，而這些任務正好更適合CPU。隨着AI代理被廣泛採用，CPU 的角色變得更加重要。

2.       數據卸載

隨着AI逐步走向長上下文及代理應用，模型需要儲存更多歷史對話、中間數據，以及與注意力機制相關的資料。這些資料通常會以鍵值快取（KV cache）的形式儲存。問題在於，GPU記憶體，即HBM，雖然速度極快，但容量有限。當上下文長度持續增加時，部分資料便需要轉移至容量更大的系統記憶體，這個過程稱為數據卸載。

在這個過程中，CPU扮演「指揮官」角色。它不但負責在GPU記憶體與系統記憶體之間搬移數據，亦需要協助判斷哪些資料應保留在GPU內，哪些可以暫時卸載，以及何時需要將資料重新調回GPU。因此，當長上下文及AI代理應用加速普及，數據中心對CPU的需求將進一步上升。CPU的角色不再只是輔助運算，而是確保GPU持續獲得數據供應、維持系統同步，以提升整體GPU使用率的關鍵。

相關文章：<記憶體超級週期｜技術變革，正在重寫供需邏輯>

3.    後訓練

AI模型的訓練大致可分為兩個階段。預訓練負責建立模型的基礎知識及語言模式；後訓練則透過強化學習等方式令模型變得更可靠、更有用，並提升在真實世界執行任務的能力。

強化學習環境可視為大規模驗證場。模型提出答案或行動後，系統需在數千至數百萬個情境中平行執行驗證，包括程式碼編譯、數學推理、物理模擬、工具調用回饋等。這些驗證工作高度依賴 CPU 算力。

相比成本高昂的預訓練，後訓練被視為提升模型能力的「低垂果實（low-hanging fruit）」。企業在垂直場景微調或本地部署時，常常依賴後訓練快速優化模型表現。隨着後訓練的重要性上升，數據中心對 CPU 的需求正持續增加。

AI 需求已不再只是GPU當道。當工作負載從訓練轉向推理，再邁向 AI 代理，數據中心架構亦同步改變。下一階段的 AI，不再是堆疊更多 GPU，而是需要更多 CPU 來配合。在訓練時代，一個集群約為每 7–8 個 GPU 配 1 個 CPU；到了推理階段，比例已壓縮至約 3–4:1；而在 AI 代理部署中，CPU 與 GPU 的比例可能進一步接近 1:1甚至更高。

由此可見，CPU 已從 AI 基礎設施的配角，轉變為與 GPU 不可或缺的合作夥伴。

CPU強勢回歸｜X86 與 ARM的競爭

CPU 需求明顯回升，但真正的投資問題，不是誰出貨最多 CPU，而是誰能把需求轉化為收入及利潤率。要理解這一點，首先要從 CPU 競爭的底層語言——指令集架構，即 Instruction Set Architecture（ISA）——說起。ISA 定義了軟件如何與晶片溝通，而在當前數據中心 CPU 市場中，X86 與 ARM 是兩大主要競爭架構。

X86目前仍是贏家

X86一直是大部分數據中心的預設CPU架構。由於過去數十年企業數據庫、虛擬化平台及關鍵應用皆圍繞 X86 的建立與驗證，遷移成本高昂且風險較大，因此英特爾與 AMD 擁有深厚的傳統護城河。

同時，AMD及英特爾的X86 CPU在單核性能、高記憶體頻寬及低延遲連接方面仍具優勢。AMD的Infinity Fabric、CXL支援，以及英特爾的伺服器平台生態，為客戶提供了相對低風險的方式以整合CPU、GPU、記憶體、儲存及網絡，特別適合企業與混合 AI 工作負載。

ARM正從後追趕

ARM 在全球超大型雲端服務商內部的市佔率正快速提升，而亞馬遜 Graviton、谷歌 Axion 及微軟 Cobalt 正正是採用 ARM 架構。ARM 的核心優勢，在於能夠為大規模雲端工作負載提供強勁的每瓦性能，以及較低的總擁有成本（TCO），特別適合網頁服務、API、微服務及資料庫查詢等常見工作。

隨着 AI 推理規模擴大，這項優勢變得更加重要。雖然 X86 在複雜企業部署中仍然強勢，但 ARM 架構 CPU 正在緊密整合的 AI 系統中取得進展。英偉達 Grace 及即將推出的 Vera 系列，透過高頻寬、低延遲連接與 GPU 緊密配合，有效提升 GPU 使用率及機櫃層級效率。

更值得留意的是，超大型雲端服務商愈來愈傾向自行開發客製化 ARM 晶片，以降低成本、提升能源效率，並針對自身工作負載進行優化。ARM 在企業兼容性及部分通用工作負載方面仍落後於 X86，但它在雲端及 AI 優化環境中快速增長。

表一：AI時代ARM vs. X86競爭格局（2026年）

X86 仍佔主導，但 AMD 與英特爾激烈競爭

即使 X86 目前仍是數據中心的預設架構，內部競爭亦正在升溫，焦點仍然落在英特爾與 AMD 身上。

英特爾的路線較進取。其 Clearwater Forest 伺服器 CPU 設計上可擴展至 288 核心，理論上適合 AI 代理時代所需的大量平行任務，例如任務協調、程式碼驗證、工具調用及強化學習環境。不過，產品量產時間已由 2025 年下半年延後至 2026 年上半年，而性能提升亦據報較市場原先預期溫和，令投資者對其執行力仍有保留。

更值得留意的是，英特爾在高性能伺服器 CPU Diamond Rapids 中移除 SMT，即 Hyper-Threading。SMT 可讓一個 CPU 核心同時處理兩個執行緒（thread）。簡單理解，執行緒就是 CPU 正在處理的一條工作線，例如一次數據查詢、一段程式碼執行，或一次工具調用。

當一個核心能同時處理更多執行緒，系統便能在同一時間應付更多小型任務，從而提升多任務吞吐量。這對 AI 代理工作負載尤其重要，因為 AI 代理往往涉及大量小型任務同時運行，包括搜尋調用、數據庫查詢、程式碼執行、結果驗證及強化學習環境。

若這類工作負載對多執行緒吞吐量的需求持續上升，英特爾移除 SMT 可能會被視為一個技術誤判。

相比之下，AMD 的策略較低風險。它延續 EPYC 過去多代已驗證成功的 chiplet 路線，即將推出的 Venice CPU 預計可擴展至 256 個 Zen 6c 核心，並繼續支援 SMT，意味理論上可提供多達 512 threads。更重要的是，AMD 的優勢不只是核心數，而是產品路線圖較清晰、能源效率較佳，對數據中心客戶而言部署風險亦較低。

因此，在 X86 內部，英特爾提供較高的路線圖彈性，但 AMD 目前擁有更清晰的執行路徑。若 AI 代理及後訓練工作負載真的推動更多平行小任務需求，AMD 或許更有機會將 CPU 需求回升轉化為實際收入及利潤。

CPU強勢回歸｜混亂的競爭格局

隨着AI工作負載變得更複雜，CPU生態系多個部分的需求均在回升。然而，市場充滿不同類型的玩家。

英特爾：供應短缺受惠者

英特爾是本次伺服器 CPU 短缺最直接的受惠者。由於供不應求，英特爾得以提升定價與產品組合，帶動平均售價上升，財務表現明顯改善。2026 年第一季，英特爾營收達 136 億美元（按年增 7%），數據中心與 AI 業務更年增 22%。

值得注意的是，投資英特爾並非僅押注其 CPU 業務，而是同時押注美國半導體製造的復興。美國政府、軟銀及英偉達的資本挹注，已為英特爾提供強大的戰略後盾，使其投資故事帶有明顯的國家半導體政策色彩。

更關鍵的是，由於全球先進製程產能持續短缺，英特爾正獲得來自蘋果等重量級客戶的訂單。這些訂單規模龐大且涵蓋多產品線，為英特爾的晶圓代工業務提供了難得的「實戰訓練」機會。這凸顯出英特爾在當前環境下的獨特定位——它既是 CPU 短缺的直接受益者，也是美國在先進製程領域的重要戰略棋子。

與英特爾不同，AMD 的增長不單來自CPU短期價格的上升，更主要來自市佔率的提升。EPYC 憑藉優異的每瓦性能、高核心數及清晰的產品路線圖，在雲端與企業市場持續增長。下一代 Venice 平台預計將進一步延續其伺服器 CPU 增長動能。

更重要的是，AMD 正逐步整合 EPYC CPU、Instinct GPU、Pensando DPU 及 Xilinx FPGA，打造更完整的 AI 基礎設施平台，有機會從零件供應商轉型為平台級解決方案提供者。

然而風險依然存在。其 GPU 軟體生態仍落後於 英偉達 CUDA，而超大型雲端服務商持續自研 ARM CPU，也可能限制 AMD 長期在雲端 CPU 市場的份額增長空間。

英偉達：擁有強大的AI生態

英偉達絕對不只是一家 GPU 公司，而是全方位 AI 基礎設施供應商。

對英偉達而言，CPU 主要並非獨立利潤來源，但這並不削弱其重要性。相反，CPU 是其 AI 系統中的關鍵控制資產，負責提升 GPU 使用率、增加機櫃層級價值，並強化整體生態系的鎖定效應。

這正是 Grace 與 Vera 至關重要的原因。在 GB200 NVL72 以及即將推出的 Vera Rubin 平台中，英偉達將 CPU、GPU、高速互聯網絡（NVLink） 與軟件整合成一座完整的 AI 工廠，讓客戶能以「即插即用」的方式部署 AI 基礎設施。其中，Vera 特別針對 AI 代理工作負載設計，重點優化協調、排程、數據搬移及記憶體管理等控制密集型任務。

相關文章：<英偉達｜基本面依然強勁，但市場「渴求更多」>

ARM：市佔率上升，但收益有限

ARM是CPU架構轉變中的主要受益者。ARM在2026財年第四季錄得創紀錄收入14.9億美元，數據中心授權費按年增長超過一倍，反映ARM在雲端市場的滲透率快速上升。

但ARM 的商業模式正限制其增長。ARM通常透過授權費賺取收入，自身並不生產CPU。即使ARM架構 CPU市佔上升，ARM 能實際捕捉到的最終晶片經濟價值仍然有限。

若ARM進一步進入自家AI 專用數據中心晶片，便有機會捕捉更多價值。但這亦會帶來更高執行風險、更高資本密集度，並可能與現有客戶產生利益衝突。

高通：邊緣 AI 代理的黑馬

高通目前仍被市場主要視為手機晶片公司。然而，當AI 代理逐步從雲端向終端延伸，高通正成為邊緣 AI 代理與裝置端 AI 代理的重要受益者。若未來 AI 代理與模型不再僅存在於雲端，而是直接部署在手機、個人電腦乃至汽車等終端裝置上，高通將具備顯著的優勢。其 Hexagon NPU 與異質運算架構，能夠高效執行本地化的 AI 代理工作負載，在低功耗、低延遲、即時回應及隱私保護等方面具有明顯優勢。

當 AI 代理從雲端走向手機、個人電腦與汽車等終端生態時，市場對本地推理、低延遲互動與持續運作能力的需求將大幅上升。而高通早已在這些終端領域建立深厚布局，並具備將 AI 能力直接落地於裝置的硬體基礎。

更值得注意的是，高通已開始獲得中東主權基金的支持。沙烏地阿拉伯的 HUMAIN 計劃從 2026 年起，部署規模高達 200MW 的高通 AI 推理方案，用於大規模 AI 推理服務。這顯示高通不僅在終端裝置領域具備優勢，也開始切入由主權基金推動的 AI 基礎設施建置，凸顯其在推理 TCO 與邊緣 AI 領域的競爭力。

相較其他 AI 基礎設施玩家，高通在邊緣 AI 代理及裝置端 AI 代理賽道上的價值仍被市場低估。其估值相對合理，下行空間較有限；若下一階段 AI 代理浪潮由雲端延伸至終端裝置，高通則有望釋放不對稱的上行空間。

CPU強勢回歸｜投資啟示

CPU 需求正在回歸。英特爾在 2026 年 4 月業績後股價急升，反映市場正在為新趨勢而重新定價。

然而，「需求回升」不代表所有公司都能同等受惠。CPU 的商業模式相對複雜，涉及 X86 與 ARM 的架構競爭、GPU 平台整合、雲端自研晶片，以及不同授權模式等多條路徑。要判斷最終贏家，難度頗高，尤其在 AI 快速演變的環境下，今日看似清晰的邏輯，可能很快被新的技術或商業模式所改變。

不過，我們相信 CPU 需求回升是真實且具延續性的趨勢，亦是值得投資者關注的方向。若投資者相信 AI 基礎設施投資仍會延續，但不想押注單一公司，透過 ETF 以一籃子方式參與半導體產業鏈，會是較穩健的選擇。

然而，無可否認，半導體相關股份現時已處於相對高位。MVIS 美國半導體 25 指數的預期市盈率，已升至高於歷史平均一個標準差，反映不少利好因素已被市場提前反映。投資者不宜盲目追高，更適合等待估值回落或市場調整時，分階段增加配置。

圖一：MVIS美國半導體25指數

表二：MVIS美國半導體25指數

資料來源：彭博及奕豐金融編纂

截至2026年5月11日