新闻 
CPU也要涨价!英特尔咸鱼翻身股价创新高
CPU也要涨价!英特尔咸鱼翻身股价创新高CPU也要涨价!英特尔咸鱼翻身股价创新高
过去几年，老黄靠着 GPU 几乎把全世界的热钱都赚进了兜里，大家都说，搞 AI 只要显卡够多就行。
但是最近，风向偷摸摸的变了。
就看起来和显卡八杆子打不着的 CPU，都要开始涨价了。
就连前段时间各种动荡，一直成绩低迷被人看不起的英特尔，股价也是迎来了一波猛涨。
上周五股价直接暴涨 27%，突破了它们在 26 年前创下的股价历史高点。
是的，现在搞 AI，光靠 GPU 已经不够了。
CPU 实力的高低也成了不得不品的一环。
其实严格来说，CPU 从来没离开过 AI。
因为在显卡真正成为 AI 主角之前，AI 很长一段时间，都是靠 CPU 硬算出来的。
1998 年，图灵奖得主 LeCun 在一篇论文中就提到，他们当时要训练一个 CNN 模型的话，得在单个 CPU 上跑个两三天时间。
想要训练更大的模型？就得用上更多更强的 CPU。
但我们现在知道，用 CPU 来训练 AI，本质上是个非常低效的行为。
在当时大家也没钱买这么多 CPU。
这就导致了当时训练出来的 AI 都很拉。
拉到当时的一些论文审稿人，看到文章名字里带有“神经网络”，就会考虑直接拒稿。
于是，大家为了不让自己的论文被直接扔进垃圾堆，不得不给神经网络起个花名，来蒙混过关。
但是很快，大家发现神经网络真正的 CP，其实是 GPU。
2012 年的 ImageNet 大赛上，图灵奖得主 Hinton 带领的小队打出了遥遥领先的战绩。
用两张电脑城里买到的 GTX580 显卡，把图像识别的准确率给直接提升了十个百分点。
也就是从这一天起，路边一条的神经网络直接起飞。
AI 成了新时代的黄金，而 GPU 成了那个能挖掘金矿的铲子。
老黄也穿着他的标志性皮衣，通过卖铲子，一路把英伟达的市值干到了世界第一。
而曾经的王者 CPU，在这场 AI 狂欢中彻底沦为了配角，只能干点杂活儿。
但就像咱们开头说的一样：风水轮流转，莫欺少年穷。
到了 2026 年的今天，大家突然发现，想要搞好 AI，光靠 GPU 已经不够了。
过去我们用 AI，不管是 ChatGPT 还是 DeepSeek，大家基本上都是对着一个网页唠嗑。
我们提问，然后那边的 GPU 在原地狠狠的做矩阵运算，预测下一个 Token 是什么，再把答案一段段吐出来。
这种简单的流程基本就没有什么 CPU 插手的空间了。
但是随着 Claude Code，龙虾这样的 Agent 工具越来越火，事态逐渐发生了一些变化。
AI 干活不再是简单的一问一答的互动环节。
我们把一个问题丢给 AI 后，AI 需要自己想办法把整个问题给补完。
举个例子，我们让 AI 来帮我们去买个奶龙玩偶，那 AI 最先做的，就是搞清楚，什么是奶龙？
如果不认识的话，就要去网上搜一搜看看这是啥，确认完之后，它还得去选合适的工具。
GPT-image-2做的图，示意一下
比如调用电商平台的接口，或者浏览器工具，去搜奶龙玩偶的价格、款式、店铺和销量。
最后还得把这些信息整理核实一下，判断一下哪个链接更靠谱，哪个产品的价格更合理，最后再把结果给端上来。
看完这个过程，我们会发现现在的 Agent 在干活的时候，都是先让 GPU 干点活，然后让 CPU 接力再干点活，接着再让 GPU 来干活的连环交替类型。
你要是 CPU 性能拉了，那 GPU 直接开始摆烂。
所以现在，大家为了不让 GPU 摸鱼，所以都在想方设法给数据中心里塞进更多的 CPU。
微软在建设最新的数据中心 Fairwater 的时候，就专门额外建了一栋全是 CPU 的大楼。
By semianalysis
除此之外，大家也发现，现在想要让模型的性能变得更强，也离不开 CPU 在后面发光发热。
现在想让模型变得更聪明，光给它多塞几张显卡堆规模，很多时候已经不太够用了。
这一代模型想进步，越来越依赖 RL，也就是强化学习的功劳。
DeepSeek 就靠强化学习搞出了 R1，OpenAI、Anthropic、Google、阿里 Qwen、Grok 这些头部的 AI 巨头也在强化学习上花了不少功夫。
所谓的强化学习，就是不再只让模型坐在教室里背标准答案，而是直接扔进考场里，让它下场做题。
做对了，给奖励，做错了，扣分。
比如你让 AI 练写代码的能力，那模型就不能光生成代码就完事了，得把代码真的跑起来，测一遍，看看结果对不对。
这个验证强化学习结果的过程，就需要 CPU 来帮忙。
模型的每次训练，背后都可能有一堆 CPU 在陪它做演习，在旁边搭场地、搬道具、打分看成绩。
CPU 甚至成了大模型最严厉的导师。
于是为了能获得更多更强的 CPU，各家大模型厂商也是整出了各种绝招。
除了直接向行业老大哥 Intel 下单购买 CPU 之外，有技术积累的谷歌开始搞起了 CPU Axion。
没技术积累的 Meta 则是直接开始和隔壁 Arm 合作，开始共同研发。
同时，各家大厂数据中心的领导还发现了一件怪事。
那就是你越花钱买 CPU，你反而越省钱。
这是因为现在这些 AI 大模型在干活的时候，GPU 干的所有活，其实都是 CPU 给它指派的。
在 GPU 正式开始干活前，CPU 需要干一大堆活。
包括但是不限于：接受用户请求、分配模型模型数据、加载模型权重，、更新 KV 缓存等等等。。。
如果 CPU 本身就拉了，那活根本排不出来，处理数据磨磨唧唧，就会导致功耗大几百瓦、昂贵无比的 GPU 直接开始磨洋工了。
结果就是要干一样的活，得花掉更长的时间，那电费账单可不就上去了么。
相反，直接换上更贵功耗更大的夯爆了的高端 CPU 来干活的话。
虽然 CPU 自己花的电够多，但它给 GPU 派活的速度也一点不慢。
反而能让 GPU 更快的把活给干完，给哥们省下更多的电。
AMD 之前就做过实验，他们给同样的 GPU 配上了不同的 CPU 来测试。
结果发现，用上好的 CPU 的那组，虽然耗电量增加了 0.8%，但是干活的效率反而提升了 8%。
属于是数据中心越贵，数据中心越便宜了。
可以说是性价比直接拉满了。
https://www.amd.com/en/blogs/2025/why-your-host-cpu-matters-more-than-you-think--ma.html
于是，在这些各种各样的因素叠加下，CPU 反而迎来了自己事业的第二春。
可以说在未来，随着 AI Agent 和强化学习的继续爆火，CPU 在数据中心的地位只会越来越稳固。
这对于英特尔、AMD 甚至想分一杯羹的英伟达来说，绝对是一波天降富贵，白捡的流量。
唯一受伤的，只有我们这些臭打游戏的家伙。
现在托尼能做的，只有祈祷家里的电脑别坏了。
不然这年头配个新电脑，不知道要花多少钱进去。。
资料来源：
CPUs are Back: The Datacenter CPU Landscape in 2026
Google的猫脸识别：人工智能的新突破
英伟达帝国的一道裂缝
CPU荒来了！英特尔、AMD 3月再涨价，今年已涨10%-15%，交货周期最长延至6个月
Nvidia to focus on competition-beating AI advances at megaconference
Arm unveils new AI chip, expects it to add billions in annual revenue
The CPU Was Left for Dead by AI. Now AI Is Bringing It Back.
CPU突然跟GPU一样重要了，英特尔咸鱼翻身股价创新高
大概去年这个时候，英特尔一副日薄西山躺在 ICU 快咽气了的样子，结果最近，它突然从床上蹦起来，把病危通知书给撕了。
其股价直接创出历史新高，甚至超过了 2000 年互联网泡沫时期的巅峰。
这背后，主要是英特尔似乎正在从 “ 被 AI 淘汰的失败者 ” 转变为了 “ AI 的受益者 ”。
在此之前，Open AI 的横空出世，让数据中心的主力芯片从 CPU 转向 GPU，大家都更注重训练和推理，这是 GPU 的强项，CPU 比不上一点。
同时，在电脑芯片领域，竞争对手 AMD 和苹果（ M 系列芯片 ）越来越能打，英特尔则被消费者戏称为牙膏厂；
再加上英特尔自建晶圆厂，盈利能力和先进制程都落后于对手，华尔街基本直接给英特尔判了死刑。
而英特尔最新发布的一季报，很明确的告诉大家：CPU 正在重回舞台，哥们又站起来了，要夺回之前失去的一切。
英特尔的收入主要分三块：①客户端业务，也就是电脑芯片；②数据中心及AI；③代工业务。
一季度，英特尔实现营收 136 亿美元，同比增长 7%，主要受益于数据中心及 AI 业务的增长。
其中，电脑芯片本季度收入 77 亿美元，同比只增长 1.3% 。数据中心及 AI 业务本季度收入 50.5 亿美元，同比增长 22% 。代工业务，本季度收入 54.2 亿美元，同比增加 16%，但其大部分代工业务的收入来自内部结算，对外的代工收入暂时只有 1.7 亿美元左右。
我们先说最亮眼的数据中心及 AI 业务。电话会上，英特尔 CEO 陈立武表示，“ CPU 正在重新确立其作为 AI 计算栈核心基础层的地位，反映出客户工作负载从训练向推理、向智能体演进过程中对 CPU 的真实需求。过去 CPU 与 GPU 的比例是 1 比 8，现在是 1 比 4，并且正在向 1 比 1 甚至更好的方向发展。”
也就是说，CPU 正在逐渐发生从 “ 配角 ” 到 “ 核心大脑 ” 的转变。当然，毕竟是自己夸自己公司的业务，可能多少会有点水分，但逻辑上来讲，这个趋势是没问题的。
在训练阶段，企业的需求主要是海量的矩阵运算，这是 GPU 的强项。
而在智能体（ Agent ）阶段，为了执行用户给出的任务，智能体需要进行任务规划、条件判断、工具调用（ API 调用 ）以及错误处理。这些操作本质上是复杂的序列逻辑（ Serial Logic ）和分支预测，是 CPU 的强项，也是 GPU 的弱项。
基于上述逻辑，英特尔上调了服务器 CPU 的需求预期，预计今年行业和公司自身的服务器 CPU 出货量都将实现双位数百分比的增长，且这一势头至少将延续至2027年。
同时他们表示，在一季度，因为产能受限，英特尔错失的收入能 “ 以十亿美元为单位计。”
正因为看到了需求的爆发趋势，4 月 2 日，英特尔宣布以 142 亿美元从私募股权巨头阿波罗全球管理公司手中回购了爱尔兰晶圆厂 49% 的股权。
这一点还挺有意思的，2024 年，由于手头缺钱，英特尔把这部分股权以 112 亿美元的价格出售给阿波罗，现在又加价 30 亿美元买回来了。。。
未来，英特尔会独享这座芯片制造基地的所有营收与利润增长。
另一项带来惊喜的是代工业务。电话会上，英特尔的管理层表示，“ 18A 制程的良率改善已超出年初设定的内部目标，原定于年末达到的良率水准，预计将在年中实现（ 随后就是大规模出货。实际上， 2025 年底，英特尔就成功出货了首款基于Intel 18A制程的产品）。下一代制程 Intel 14A 的成熟度、良率及性能表现更是超过了同期的 18A 水平。”
在半导体领域，“ A ” 代表埃米（ Angstrom ），是一个长度单位。1 纳米（ nm ）等于 10埃米（ A ）。英特尔的 18A 和14A 理论上对应的是 1.8nm 和 1.4nm （ 等效 ）制程。
作为对比，全球芯片代工之王台积电目前的 3nm 工艺在苹果、和安卓旗舰机上得到普遍应用。2nm 技术已如期于 2025 年第四季开始量产，并将应用于今年秋季的新一代苹果手机上。此外，台积电 1.6nm 工艺预计将于 2027 年量产。
所以，在落后很多年之后，英特尔的工艺看起来有进入第一梯队的迹象。
工艺上做好了准备之后，订单也来了。
4 月 7 日，英特尔宣布，将加入埃隆·马斯克的 TeraFab 项目（ 美国得克萨斯州的超级芯片工厂 ），与 SpaceX、xAI 和 Tesla 携手，重构晶圆制造技术。在他们的预想中，TeraFab 将使用英特尔的 14A 工艺，目标是实现年产 1 太瓦（ TW ）的算力。1 太瓦等于 1000 吉瓦，相当于 100 个当前最大的在建的 10 吉瓦的 AI 数据中心的规模。
换成另一种指标，马斯克的初步目标是每月生产 10 万片晶圆，最终目标月产 100 万片。作为对比，2025 年，台积电及其子公司所拥有及管理的十几家晶圆厂，年产能超过 1700 万片十二寸晶圆。
虽然实际落地能做成什么样还不好说，但这张饼暂时看来是又大又香，所以英特尔的股价也受利好消息影响出现了上涨。
不过我们也得提一嘴，这一幕像极了去年 9 月份甲骨文宣布拿到 OpenAI 的 5 年 3000 亿美元算力订单后的股价暴涨。
后来，因为担心 OpenAI 的支付能力以及由此衍生而来的甲骨文负债压力，甲骨文的股价逐渐跌回起点。
在特斯拉上周三的电话会议上，马斯克表示，TeraFab 实际推进节奏是循序渐进的。特斯拉将首先建设一座芯片研究设施，月产能为 “ 几千片晶圆 ”，投入约 30 亿美元。
按照台积电 CEO 魏哲家的说法， 建造一座全新晶圆厂，从选址、动土（ 抗震混凝土 ）到无尘室建设，由于技术门槛高，至少耗时 2 至 3 年。 厂房盖好后，还需要引入设备、调试、试产、良率提升，再到正式量产，通常需要另外 1 到 2 年。
至于英特尔的14A技术，毕竟是下一代制程，最后能否如期达到满意的效果，也是未知数。
另一方面，和曾经的小老弟 AMD 相比，目前英特尔的市值 4250 亿美元比 AMD 的市值 5270 亿美元还低了 1000 亿美元。
要知道，前者自建晶圆厂，2025 年的收入是 528 亿美元，毛利是 184 亿美元；后者是 Fabless 模式，2025 年收入和毛利分别为 346 亿美元和 171 亿美元。并且英特尔在电脑和数据中心的 CPU 市场整体份额依旧比 AMD 要高（ IDC 和 Mercury Research 的调研数据大概是 6:4 和 7:3 之间 ）。
从这个角度看，英特尔的潜力或许还没完全发挥出来。
当然，我们还是要强调一句，AI 能短短两年内先把英特尔打进地狱然后又拉到天堂，再过个一年，它没准会把英特尔玩成什么样呢。
[加西网正招聘多名全职sales 待遇优]
还没人说话啊，我想来说几句
但是最近，风向偷摸摸的变了。
就看起来和显卡八杆子打不着的 CPU，都要开始涨价了。
就连前段时间各种动荡，一直成绩低迷被人看不起的英特尔，股价也是迎来了一波猛涨。
上周五股价直接暴涨 27%，突破了它们在 26 年前创下的股价历史高点。
是的，现在搞 AI，光靠 GPU 已经不够了。
CPU 实力的高低也成了不得不品的一环。
其实严格来说，CPU 从来没离开过 AI。
因为在显卡真正成为 AI 主角之前，AI 很长一段时间，都是靠 CPU 硬算出来的。
1998 年，图灵奖得主 LeCun 在一篇论文中就提到，他们当时要训练一个 CNN 模型的话，得在单个 CPU 上跑个两三天时间。
想要训练更大的模型？就得用上更多更强的 CPU。
但我们现在知道，用 CPU 来训练 AI，本质上是个非常低效的行为。
在当时大家也没钱买这么多 CPU。
这就导致了当时训练出来的 AI 都很拉。
拉到当时的一些论文审稿人，看到文章名字里带有“神经网络”，就会考虑直接拒稿。
于是，大家为了不让自己的论文被直接扔进垃圾堆，不得不给神经网络起个花名，来蒙混过关。
但是很快，大家发现神经网络真正的 CP，其实是 GPU。
2012 年的 ImageNet 大赛上，图灵奖得主 Hinton 带领的小队打出了遥遥领先的战绩。
用两张电脑城里买到的 GTX580 显卡，把图像识别的准确率给直接提升了十个百分点。
也就是从这一天起，路边一条的神经网络直接起飞。
AI 成了新时代的黄金，而 GPU 成了那个能挖掘金矿的铲子。
老黄也穿着他的标志性皮衣，通过卖铲子，一路把英伟达的市值干到了世界第一。
而曾经的王者 CPU，在这场 AI 狂欢中彻底沦为了配角，只能干点杂活儿。
但就像咱们开头说的一样：风水轮流转，莫欺少年穷。
到了 2026 年的今天，大家突然发现，想要搞好 AI，光靠 GPU 已经不够了。
过去我们用 AI，不管是 ChatGPT 还是 DeepSeek，大家基本上都是对着一个网页唠嗑。
我们提问，然后那边的 GPU 在原地狠狠的做矩阵运算，预测下一个 Token 是什么，再把答案一段段吐出来。
这种简单的流程基本就没有什么 CPU 插手的空间了。
但是随着 Claude Code，龙虾这样的 Agent 工具越来越火，事态逐渐发生了一些变化。
AI 干活不再是简单的一问一答的互动环节。
我们把一个问题丢给 AI 后，AI 需要自己想办法把整个问题给补完。
举个例子，我们让 AI 来帮我们去买个奶龙玩偶，那 AI 最先做的，就是搞清楚，什么是奶龙？
如果不认识的话，就要去网上搜一搜看看这是啥，确认完之后，它还得去选合适的工具。
GPT-image-2做的图，示意一下
比如调用电商平台的接口，或者浏览器工具，去搜奶龙玩偶的价格、款式、店铺和销量。
最后还得把这些信息整理核实一下，判断一下哪个链接更靠谱，哪个产品的价格更合理，最后再把结果给端上来。
看完这个过程，我们会发现现在的 Agent 在干活的时候，都是先让 GPU 干点活，然后让 CPU 接力再干点活，接着再让 GPU 来干活的连环交替类型。
你要是 CPU 性能拉了，那 GPU 直接开始摆烂。
所以现在，大家为了不让 GPU 摸鱼，所以都在想方设法给数据中心里塞进更多的 CPU。
微软在建设最新的数据中心 Fairwater 的时候，就专门额外建了一栋全是 CPU 的大楼。
By semianalysis
除此之外，大家也发现，现在想要让模型的性能变得更强，也离不开 CPU 在后面发光发热。
现在想让模型变得更聪明，光给它多塞几张显卡堆规模，很多时候已经不太够用了。
这一代模型想进步，越来越依赖 RL，也就是强化学习的功劳。
DeepSeek 就靠强化学习搞出了 R1，OpenAI、Anthropic、Google、阿里 Qwen、Grok 这些头部的 AI 巨头也在强化学习上花了不少功夫。
所谓的强化学习，就是不再只让模型坐在教室里背标准答案，而是直接扔进考场里，让它下场做题。
做对了，给奖励，做错了，扣分。
比如你让 AI 练写代码的能力，那模型就不能光生成代码就完事了，得把代码真的跑起来，测一遍，看看结果对不对。
这个验证强化学习结果的过程，就需要 CPU 来帮忙。
模型的每次训练，背后都可能有一堆 CPU 在陪它做演习，在旁边搭场地、搬道具、打分看成绩。
CPU 甚至成了大模型最严厉的导师。
于是为了能获得更多更强的 CPU，各家大模型厂商也是整出了各种绝招。
除了直接向行业老大哥 Intel 下单购买 CPU 之外，有技术积累的谷歌开始搞起了 CPU Axion。
没技术积累的 Meta 则是直接开始和隔壁 Arm 合作，开始共同研发。
同时，各家大厂数据中心的领导还发现了一件怪事。
那就是你越花钱买 CPU，你反而越省钱。
这是因为现在这些 AI 大模型在干活的时候，GPU 干的所有活，其实都是 CPU 给它指派的。
在 GPU 正式开始干活前，CPU 需要干一大堆活。
包括但是不限于：接受用户请求、分配模型模型数据、加载模型权重，、更新 KV 缓存等等等。。。
如果 CPU 本身就拉了，那活根本排不出来，处理数据磨磨唧唧，就会导致功耗大几百瓦、昂贵无比的 GPU 直接开始磨洋工了。
结果就是要干一样的活，得花掉更长的时间，那电费账单可不就上去了么。
相反，直接换上更贵功耗更大的夯爆了的高端 CPU 来干活的话。
虽然 CPU 自己花的电够多，但它给 GPU 派活的速度也一点不慢。
反而能让 GPU 更快的把活给干完，给哥们省下更多的电。
AMD 之前就做过实验，他们给同样的 GPU 配上了不同的 CPU 来测试。
结果发现，用上好的 CPU 的那组，虽然耗电量增加了 0.8%，但是干活的效率反而提升了 8%。
属于是数据中心越贵，数据中心越便宜了。
可以说是性价比直接拉满了。
https://www.amd.com/en/blogs/2025/why-your-host-cpu-matters-more-than-you-think--ma.html
于是，在这些各种各样的因素叠加下，CPU 反而迎来了自己事业的第二春。
可以说在未来，随着 AI Agent 和强化学习的继续爆火，CPU 在数据中心的地位只会越来越稳固。
这对于英特尔、AMD 甚至想分一杯羹的英伟达来说，绝对是一波天降富贵，白捡的流量。
唯一受伤的，只有我们这些臭打游戏的家伙。
现在托尼能做的，只有祈祷家里的电脑别坏了。
不然这年头配个新电脑，不知道要花多少钱进去。。
资料来源：
CPUs are Back: The Datacenter CPU Landscape in 2026
Google的猫脸识别：人工智能的新突破
英伟达帝国的一道裂缝
CPU荒来了！英特尔、AMD 3月再涨价，今年已涨10%-15%，交货周期最长延至6个月
Nvidia to focus on competition-beating AI advances at megaconference
Arm unveils new AI chip, expects it to add billions in annual revenue
The CPU Was Left for Dead by AI. Now AI Is Bringing It Back.
CPU突然跟GPU一样重要了，英特尔咸鱼翻身股价创新高
大概去年这个时候，英特尔一副日薄西山躺在 ICU 快咽气了的样子，结果最近，它突然从床上蹦起来，把病危通知书给撕了。
其股价直接创出历史新高，甚至超过了 2000 年互联网泡沫时期的巅峰。
这背后，主要是英特尔似乎正在从 “ 被 AI 淘汰的失败者 ” 转变为了 “ AI 的受益者 ”。
在此之前，Open AI 的横空出世，让数据中心的主力芯片从 CPU 转向 GPU，大家都更注重训练和推理，这是 GPU 的强项，CPU 比不上一点。
同时，在电脑芯片领域，竞争对手 AMD 和苹果（ M 系列芯片 ）越来越能打，英特尔则被消费者戏称为牙膏厂；
再加上英特尔自建晶圆厂，盈利能力和先进制程都落后于对手，华尔街基本直接给英特尔判了死刑。
而英特尔最新发布的一季报，很明确的告诉大家：CPU 正在重回舞台，哥们又站起来了，要夺回之前失去的一切。
英特尔的收入主要分三块：①客户端业务，也就是电脑芯片；②数据中心及AI；③代工业务。
一季度，英特尔实现营收 136 亿美元，同比增长 7%，主要受益于数据中心及 AI 业务的增长。
其中，电脑芯片本季度收入 77 亿美元，同比只增长 1.3% 。数据中心及 AI 业务本季度收入 50.5 亿美元，同比增长 22% 。代工业务，本季度收入 54.2 亿美元，同比增加 16%，但其大部分代工业务的收入来自内部结算，对外的代工收入暂时只有 1.7 亿美元左右。
我们先说最亮眼的数据中心及 AI 业务。电话会上，英特尔 CEO 陈立武表示，“ CPU 正在重新确立其作为 AI 计算栈核心基础层的地位，反映出客户工作负载从训练向推理、向智能体演进过程中对 CPU 的真实需求。过去 CPU 与 GPU 的比例是 1 比 8，现在是 1 比 4，并且正在向 1 比 1 甚至更好的方向发展。”
也就是说，CPU 正在逐渐发生从 “ 配角 ” 到 “ 核心大脑 ” 的转变。当然，毕竟是自己夸自己公司的业务，可能多少会有点水分，但逻辑上来讲，这个趋势是没问题的。
在训练阶段，企业的需求主要是海量的矩阵运算，这是 GPU 的强项。
而在智能体（ Agent ）阶段，为了执行用户给出的任务，智能体需要进行任务规划、条件判断、工具调用（ API 调用 ）以及错误处理。这些操作本质上是复杂的序列逻辑（ Serial Logic ）和分支预测，是 CPU 的强项，也是 GPU 的弱项。
基于上述逻辑，英特尔上调了服务器 CPU 的需求预期，预计今年行业和公司自身的服务器 CPU 出货量都将实现双位数百分比的增长，且这一势头至少将延续至2027年。
同时他们表示，在一季度，因为产能受限，英特尔错失的收入能 “ 以十亿美元为单位计。”
正因为看到了需求的爆发趋势，4 月 2 日，英特尔宣布以 142 亿美元从私募股权巨头阿波罗全球管理公司手中回购了爱尔兰晶圆厂 49% 的股权。
这一点还挺有意思的，2024 年，由于手头缺钱，英特尔把这部分股权以 112 亿美元的价格出售给阿波罗，现在又加价 30 亿美元买回来了。。。
未来，英特尔会独享这座芯片制造基地的所有营收与利润增长。
另一项带来惊喜的是代工业务。电话会上，英特尔的管理层表示，“ 18A 制程的良率改善已超出年初设定的内部目标，原定于年末达到的良率水准，预计将在年中实现（ 随后就是大规模出货。实际上， 2025 年底，英特尔就成功出货了首款基于Intel 18A制程的产品）。下一代制程 Intel 14A 的成熟度、良率及性能表现更是超过了同期的 18A 水平。”
在半导体领域，“ A ” 代表埃米（ Angstrom ），是一个长度单位。1 纳米（ nm ）等于 10埃米（ A ）。英特尔的 18A 和14A 理论上对应的是 1.8nm 和 1.4nm （ 等效 ）制程。
作为对比，全球芯片代工之王台积电目前的 3nm 工艺在苹果、和安卓旗舰机上得到普遍应用。2nm 技术已如期于 2025 年第四季开始量产，并将应用于今年秋季的新一代苹果手机上。此外，台积电 1.6nm 工艺预计将于 2027 年量产。
所以，在落后很多年之后，英特尔的工艺看起来有进入第一梯队的迹象。
工艺上做好了准备之后，订单也来了。
4 月 7 日，英特尔宣布，将加入埃隆·马斯克的 TeraFab 项目（ 美国得克萨斯州的超级芯片工厂 ），与 SpaceX、xAI 和 Tesla 携手，重构晶圆制造技术。在他们的预想中，TeraFab 将使用英特尔的 14A 工艺，目标是实现年产 1 太瓦（ TW ）的算力。1 太瓦等于 1000 吉瓦，相当于 100 个当前最大的在建的 10 吉瓦的 AI 数据中心的规模。
换成另一种指标，马斯克的初步目标是每月生产 10 万片晶圆，最终目标月产 100 万片。作为对比，2025 年，台积电及其子公司所拥有及管理的十几家晶圆厂，年产能超过 1700 万片十二寸晶圆。
虽然实际落地能做成什么样还不好说，但这张饼暂时看来是又大又香，所以英特尔的股价也受利好消息影响出现了上涨。
不过我们也得提一嘴，这一幕像极了去年 9 月份甲骨文宣布拿到 OpenAI 的 5 年 3000 亿美元算力订单后的股价暴涨。
后来，因为担心 OpenAI 的支付能力以及由此衍生而来的甲骨文负债压力，甲骨文的股价逐渐跌回起点。
在特斯拉上周三的电话会议上，马斯克表示，TeraFab 实际推进节奏是循序渐进的。特斯拉将首先建设一座芯片研究设施，月产能为 “ 几千片晶圆 ”，投入约 30 亿美元。
按照台积电 CEO 魏哲家的说法， 建造一座全新晶圆厂，从选址、动土（ 抗震混凝土 ）到无尘室建设，由于技术门槛高，至少耗时 2 至 3 年。 厂房盖好后，还需要引入设备、调试、试产、良率提升，再到正式量产，通常需要另外 1 到 2 年。
至于英特尔的14A技术，毕竟是下一代制程，最后能否如期达到满意的效果，也是未知数。
另一方面，和曾经的小老弟 AMD 相比，目前英特尔的市值 4250 亿美元比 AMD 的市值 5270 亿美元还低了 1000 亿美元。
要知道，前者自建晶圆厂，2025 年的收入是 528 亿美元，毛利是 184 亿美元；后者是 Fabless 模式，2025 年收入和毛利分别为 346 亿美元和 171 亿美元。并且英特尔在电脑和数据中心的 CPU 市场整体份额依旧比 AMD 要高（ IDC 和 Mercury Research 的调研数据大概是 6:4 和 7:3 之间 ）。
从这个角度看，英特尔的潜力或许还没完全发挥出来。
当然，我们还是要强调一句，AI 能短短两年内先把英特尔打进地狱然后又拉到天堂，再过个一年，它没准会把英特尔玩成什么样呢。
[加西网正招聘多名全职sales 待遇优]
| 分享: |
| 注： |
| 延伸阅读 |
推荐: