過去兩年，市場幾乎把 AI 等同於 GPU：
訓練靠 GPU，推理也靠 GPU，於是“AI = 英偉達”成了最省事的結論。
但當 AI 從“會回答問題的模型”，走向“能規劃、能執行、能長期運行的係統”（Agentic AI），
你會發現：GPU 隻是引擎，真正決定一套 AI 係統能不能跑起來的，是 CPU + 係統架構。
所以我越來越覺得：
CPU 可能是 AI 時代被低估的那條隱形主線。
一、GPU 負責算力峰值，CPU 負責“係統吞吐”
GPU 強在一個詞：並行。
它適合做高密度矩陣計算，把訓練/推理的“算力峰值”堆到極限。
但一個 AI 係統真正上線，最重要的不是峰值，而是吞吐和穩定性：
誰來喂數據、做預處理？
誰來調度任務、管理內存、做緩存命中？
誰來處理 IO、網絡、存儲、上下文切換？
誰來讓一群 GPU 不閑著？
答案基本都是：CPU。
很多時候你以為你買的是“GPU 服務器”，
其實你買的是“CPU 驅動的係統”，GPU 隻是其中最貴的加速卡。
二、AI 越走向推理和 Agent，CPU 越像“底盤”
訓練是少數公司做的事，但推理是所有公司都會做的事。
而 Agentic AI 的特點是：
長時間運行，
多任務並發，
大量工具調用（檢索、數據庫、API、腳本），
更重的係統調度與上下文管理。
換句話說：
訓練像“造發動機”，推理和 Agent 更像“開車跑長途”。
這時候 CPU 的價值更像底盤，不顯眼，但決定能不能跑、跑得穩不穩。
三、真正的瓶頸往往不是算力，而是“喂不進去”
AI 係統裏一個常見現象是：
GPU 很貴，但利用率並不總是滿的。
原因往往不是 GPU 不夠強，
而是數據管道、IO、調度、內存和網絡沒跟上。
於是你會看到一個很現實的悖論：
GPU 越貴，大家越在意讓它別閑著。
而要讓 GPU 不閑著，首先得把 CPU、內存、網絡、存儲補齊。
這就是為什麽當 AI 滲透更深，CPU 反而更容易“被重新定價”。SNDK和MU存儲直接起飛。
四、供應鏈角度：CPU 可能是更難補的短板
很多人忽略了一個關鍵：
AI 硬件真正難的不是設計，而是交付。
GPU 的擴產已經把台積電的先進製程逼到極限。
而 CPU 本身就更複雜（平台驗證、生態、主板、內存、互連），
擴產速度天然慢。
所以當需求上來時，最先卡住的，往往不是 GPU，而是整機交付能力。
你可以隻缺一塊 GPU，服務器無法交付；
你也可以隻缺某些 CPU/平台，同樣無法交付。
係統級瓶頸的本質是：
短板不在最強的那塊，而在最難補的那塊。
五、市場為什麽容易低估 CPU？
原因很簡單：
GPU 的價值更“顯性”，CPU 的價值更“隱性”。
GPU 是爆炸式增長，數字漂亮。
CPU 是係統滲透，增長更慢。
GPU 的故事像“淘金熱”，CPU 更像“賣鏟子和修路”。
但長期回報往往來自後者：
當全世界都在追逐算力峰值，能讓係統跑起來的那部分，才是更穩定的現金流和定價權。
六、順手更新我的 INTC LEAP。明天就是intc的財報。
我不會把這當成短線交易，也不是賭一次財報。
更像是對“CPU 重新被定價”這條主線的一個長周期下注。
INTC LEAP 倉位快照
合約，數量，標的現價，浮動盈虧，合約市值
INTC Jan 2027 $27 Call，150，$29.25，+285%，$438,750
INTC Jan 2027 $40 Call，200，$20.58，+142%，$411,500
長周期 LEAP，非短線。
七、寫在最後
我不認為 CPU 會取代 GPU。
AI 時代的核心算力依然在 GPU。
AI 的下一階段競爭，會從“誰的 GPU 更強”，變成“誰的係統更完整”。
而 CPU，就是這個係統裏最容易被忽略、卻最難替代的角色。
當大家都盯著最亮的那盞燈時，
真正決定能不能跑贏的，往往是那些看起來“不性感”的CPU,存儲等零件。
YMYD，看看明天季報是否打臉，哈哈。
