推理把 CPU 请回机房中央：英特尔上调 2100 亿美元，谷歌下单多代至强

10 月 6 日，英特尔在 Connection 2026 大会上给出了一个来自真实客户生产需求的场景：在 10 分钟内拉起 10000 个沙盒，每个沙盒必须在一分钟以内完成创建并承载完整运行环境。围绕这个场景，英特尔提出的判断是，当 AI 从聊天走向干活，数据中心的重心会从单一的加速卡转向系统级调度，CPU 重新回到机房的中央位置。

支撑这个判断的是具体数字。英特尔公布，单颗至强 6+ 处理器最高可支持超过 1000 个智能体稳定部署；到今年年底，超过 80% 的企业应用将至少嵌入一个 AI 智能体；到 2031 年，中国企业场景中的活跃智能体数量将达到 3.5 亿个。更值得记录的是市场预期的调整：2030 年 CPU 市场规模预估从半年前的 590 亿美元上调至 2100 亿美元，约为原先的 3.6 倍；数据中心里 AI 负载的占比预计从 2025 年的 40% 升至 2030 年的 80%。

其一，推理把 CPU 从配角推回调度中枢

智能体的工作流程与传统推理并不相同。一个任务进来之后，需要规划、拆解步骤、调用工具、保存中间结果，复杂任务还会启动多个子智能体并行。这些预处理、上下文管理、任务编排的工作，天然适合由 CPU 承担。英特尔方面给出的演进路径是：从提示词工程到上下文工程，再到执行框架工程与循环工程，每一步都在减少人工干预，也都在增加对 CPU 的需求。

一个更直观的佐证来自配比。英特尔此前指出，随着 AI 工作重心由训练转向推理，CPU 与 GPU 的配比正从 1:8 向 1:1 演进；另有国内大模型厂商过去一年 CPU 需求提高约 5 倍。当推理成为常态开销，算力预算里原本被忽略的那一部分开始显形。

其二，谷歌用多代至强给推理找了另一条路

同一周内，谷歌宣布将在 AI 数据中心采用多代英特尔至强 6 处理器，承载训练与推理负载。这条消息的分量不在于采购规模，而在于选择本身：在加速卡持续紧张的背景下，把一部分工作负载切给通用处理器，是一种现实的成本取舍。

与此同时，芯片端的资金也在重新定价。10 月 6 日有报道称，美国银行、花旗和摩根士丹利开始向其他银行分销一笔总额 600 亿美元的债务融资，用于资助对谷歌半导体的租用，其中约 420 亿美元是提供部分担保的优先级有担保贷款，另有约 180 亿美元次级债务，已有机构承诺为其中约 90 亿美元出资。报道称，这被市场视为衡量 AI 债务需求的风向标。

把这两件事放在一起看：一端是资本在为一年后的算力锁定账单，另一端是运行时在把这些算力重新分配给更便宜的部件。融资解决的是一年后能不能拿到芯片，调度解决的是每天能不能把账算平。

其三，对创业者与投资人的三个观察点

• 成本口径会变。当推理变成连续支出，每百万 token 单价之外，调度、内存、沙盒启动这些系统开销会进入成本表。
• 价值分布会挪。专用加速卡仍是训练与高密度推理的主力，但围绕 CPU 的中间层，也就是编排、缓存与隔离，会诞生新的供应商机会。
• 采购逻辑会变。企业不再只比单卡算力，而是比整机架在给定电力与预算下，能稳定跑完多少真实任务。

当 AI 从聊天走向干活，机房的瓶颈就不再只是算得多快，而是能不能用更少的电和成本，稳定完成更多真实任务。

结语：算力的成本结构正在被重写

过去两年，行业习惯用抢到多少张卡来衡量算力。但从这一周的两条消息看，真正的变化发生在账单结构上：训练是一次性的，推理是每天发生的；前者决定谁能入场，后者决定谁能留下。当 CPU 重新进入算力叙事的中心，意味着这个行业开始为长期运行，而不是一次性建成定价。