AMD首席执行官苏姿丰：CPU正成为AI时代的新核心

2026年第一季度财报电话会上，AMD CEO苏姿丰透露了一个正在悄然改变AI基础设施格局的趋势：过去由GPU主导的算力结构，正被一种全新的工作负载重塑——代理式人工智能（Agentic AI）。

过去几年，AI训练和推理的标配是“1颗CPU配4到8颗GPU”。CPU的角色很明确：启动任务、管理内存、把数据喂给GPU，然后等着结果回来。但今天，情况变了。

“我们看到越来越多的客户，正在把CPU的数量往上加。”苏姿丰说。在一些最新的AI实验室和云服务商部署中，单个服务器节点的CPU与GPU比例，已经从过去的1:8，逐步变成1:2、1:1，甚至在部分高并发智能体集群中，CPU数量开始超过GPU。

什么是代理式AI？它为什么需要这么多CPU

代理式AI，简单说，就是让AI系统不再只是“回答问题”，而是能“做事”。

举个现实例子：一家软件公司用AI智能体自动开发功能模块。一个智能体负责读取需求文档，另一个分析现有代码库，第三个写新代码，第四个跑测试，第五个根据测试失败结果修复Bug，第六个提交PR并等待人工审核——整个流程几乎无人干预。这些智能体不是并行跑模型，而是像一支小型团队，在系统里不断沟通、调整、等待、重试。

这种模式下，每个智能体都需要独立的上下文管理、状态追踪、任务调度和资源协调。而这些，恰恰是CPU的强项。GPU擅长算矩阵，但不擅长管“谁该干啥、啥时候干、出错了怎么办”。这些逻辑判断、异步通信、任务排队、内存切换，全靠CPU撑着。

“你不能让一个GPU去协调100个智能体的对话流。”一位参与部署的云架构师在匿名访谈中说，“我们现在的服务器，CPU核数比去年多了一倍，内存带宽翻了三倍，GPU数量反而没怎么增加。”

AMD的CPU，现在供不应求

苏姿丰在会上提到，AMD当前所有能交付的EPYC处理器，几乎都被AI实验室、云厂商和金融科技公司抢光了。不是因为训练大模型，而是因为“跑智能体”。

据第三方调研机构TrendForce最新数据，2025年下半年，用于智能体调度的x86服务器出货量同比增长147%，远超GPU服务器的68%。在北美三大云服务商中，超过60%的新建AI节点已采用“双路EPYC + 少量H100”的配置，而非过去常见的单路CPU配多卡GPU。

这背后是成本和效率的权衡。一台搭载两颗EPYC 9754（128核）和4块H100的服务器，比8块H100+单路CPU的方案，在处理智能体并发任务时，整体能效比高出38%，部署周期缩短近40%。

未来的服务器长什么样？

想象一下，未来的AI服务器不再是“GPU堆砌机”，而更像一个高密度任务调度中心：

• 双路CPU，每颗128核以上，支持高并发线程
• 内存容量拉到4TB以上，用于缓存上百个智能体的状态
• PCIe 5.0通道翻倍，让CPU能同时和多个GPU、高速存储、网络卡通信
• GPU数量减少，但更专注“高吞吐计算”，不再被调度任务拖慢

这不是科幻。已经有客户在用AMD的服务器跑“AI程序员团队”——单节点同时运行200+智能体，每天自动处理上千次代码审查、测试和修复请求。人工只负责最终验收。

这不是GPU的衰落，而是分工的进化

有人担心：CPU崛起，是不是意味着GPU没用了？答案是否定的。

GPU依然在模型推理、图像生成、科学计算中不可替代。但AI的下一阶段，不再只是“算得快”，而是“活得像人”——能思考、能纠错、能协作、能等待。而这，是CPU的主场。

苏姿丰最后说：“我们不再只是卖芯片。我们是在帮客户构建一个能自己运转的AI组织。”

未来三年，谁掌握了“智能体调度能力”，谁就掌握了AI落地的钥匙。而那把钥匙，正握在CPU手里。