Agent時代，CPU的價值該重估了

金磊 發自 蘇州

量子位 | 公眾號 QbitAI

CPU的價值，在Agent時代，真的需要被重估了。

為什麼這麼説？

因為Agent正在改變AI計算的配比——

從一顆CPU搭配四顆GPU（1:4），到現在的一顆CPU搭配一顆GPU（1:1）。

這便是芯片巨頭英特爾剛剛在蘇州舉辦的技術創新與產業生態大會（Intel Connection）中給出的判斷——

隨着AI開始調用工具、執行任務，CPU需要承擔更多的調度、數據處理和執行工作，其在整套AI系統中的價值也需要重新衡量。

不僅如此，英特爾CEO陳立武在視頻致辭中還坦言：

作為現代計算的基石，x86持續驅動計算向智能化應用發展。

而從昨天英特爾的股價暴漲12%來看，也從側面印證了市場對於CPU在Agent時代重要性的認可。

既然趨勢已然如此，那麼CPU在整套系統中的價值，又該如何重新計算？

為什麼需要更多CPU？

在回答價值如何被重估之前，我們且需要了解一下，為什麼Agent時代CPU成了緊缺貨。

其實英特爾數據中心事業部副總裁、中國區總經理陳葆立在今天的演講中，就用我們每天都可能交給Agent的任務做了例子——整理新聞。

在這個任務中，用户需要給Agent設定任務，每天早上8點，幫自己蒐集前一天的AI新聞，並完成總結。

雖然我們下達的需求只有一句話，但其實Agent背后的工作量遠沒有看着那麼簡單。

因為它要上網找資料，拿回來的內容可能是網頁，也可能是PDF報告或視頻。各種格式的信息，需要先提取、處理，才能交給大模型分析。

在陳葆立看來，這些預處理工作，恰恰有不少適合由CPU承擔。

而且，一次模型調用往往還不夠。Agent要拆解任務、調用工具，再根據結果決定下一步怎麼做。前一步沒完成，依賴它的后續工作就得等着。

對於這一點，中國工程院外籍院士、清華大學智能產業研究院（AIR）創始院長張亞勤，在會上對Agent做解釋的時候也有所提及：

它能圍繞目標進行規劃、行動、試錯和迭代，直到完成任務。模型給出的回答，會成為后續行動的依據，行動結果又會進入下一輪處理。

這麼一來，CPU需要處理的事情就多了。模型計算之外的執行、調度和數據處理，都得跟上Agent干活的節奏。

爲了解釋這種變化，陳葆立把數據中心簡化成三個相互配合的部分：

• CPU服務器或集群，負責智能體的執行和工作編排；

• GPU等加速計算資源，承擔模型計算；

• 存儲系統，則保存任務涉及的數據、對話以及新生成的文檔等內容。

除此之外，CPU的工作還會貫穿這些環節。加速計算需要數據預處理，存儲系統需要數據調度，Agent執行任務也需要不同資源及時配合。

所以，一套系統里GPU性能再強，也得有數據及時送來、有后續任務接上。處理和搬運數據的環節出了瓶頸，昂貴的計算資源就可能閒着，整項任務的完成速度也會受影響。

這也是英特爾反覆強調CPU的原因，Agent需要的計算量在增加，系統要有效利用這些算力，還得把執行和調度能力一起補上。

而落到企業採購這個層面上，問題也就更具體了。

過去幾個月，陳葆立和團隊與國內的軟件合作伙伴、互聯網廠商交流，得到的反饋是，客户既關心能運行多少個智能體，也看重每個智能體的能力和可靠性。

比如，某些業務需要在短時間內啟動大量沙箱，為智能體提供運行環境。系統得及時響應，已經運行的任務也要繼續處理。

再比如，同一套設備上同時運行多個Agent，數量增加以后，每個Agent還能不能在要求的時間內得到響應？這個數字，才關係到服務到底能不能用。

所以能啟動多少個Agent，與能讓多少個Agent穩定干活，實則是兩回事。

陳葆立在現場介紹的測試和優化，正是在同時考察數量與單個智能體的表現。CPU的評價因此有了更具體的參照，包括併發能力、響應時間，以及對真實任務的支撐能力。

至此，我們剛纔提到的1:1這個比例趨勢，也就不難理解了，它對應的是英特爾所強調的智能體推理部署趨勢，具體配比仍要看任務和系統配置。

但企業需要多少CPU，最終要由這些工作來決定。而英特爾能拿到多少業務，還得看它交出的方案。

CPU的機會，英特爾能拿到多少？

對於這個問題，英特爾給出的辦法，是把CPU和配套軟件放進實際任務里，一起優化。

數據中心里的一個切入口，就是剛纔我們提到的數據預處理。陳葆立介紹，英特爾希望利用至強處理器內置的加速能力，加快相關工作，幫助客户減少等待。

另一個切入口則是在存儲。大模型的上下文越來越長，Agent又需要反覆處理任務信息，KV Cache的容量和調度就成了需要考慮的問題。這類緩存保留了模型計算中可複用的中間數據，可以減少重複計算，但本身也會佔用存儲空間。

緩存規模增大以后，只靠GPU上的高帶寬內存未必裝得下，還需要藉助系統內存、SSD等資源。數據放在哪里、怎樣壓縮、如何搬運，都會影響使用效率。

針對這些問題，陳葆立介紹了英特爾的KV Cache優化方案，包括利用處理器內置能力進行無損壓縮，以及加快數據傳輸。

這些工作看起來沒有模型參數那麼搶眼，卻關係到設備能否有效運轉。數據少佔一些空間、傳輸少花一些時間，都可能減少系統里的等待和浪費。

他還提到，英特爾正在和國內的軟件合作伙伴合作，打造高性能存儲系統。目標很直接，讓數據更快送到需要它的計算資源手里，減少CPU、GPU閒置。

CPU能帶來多少價值，要放到整套系統的效率里衡量。這也解釋了英特爾為什麼在現場反覆提及軟件與合作伙伴，包括Linux、PyTorch等開源項目，以及英特爾在其中的投入。畢竟硬件能力要在客户業務里發揮作用，還需要軟件支持和適配。

當然，類似的分工，在個人設備上也存在。英特爾副總裁兼端側計算和物理AI事業部中國區總經理高嵩，便在演講中介紹了CPU、GPU、NPU的協同方式：

CPU承擔智能體的計劃、決策等需要及時響應的工作；GPU發揮矩陣計算方面的能力，處理相應的AI計算任務；NPU則以較低功耗，支持需要長時間運行的音視頻處理、計算機視覺等任務。

這背后的一個很實際的要求，是Agent既要及時迴應，也可能需要持續感知環境，不同任務對性能和功耗的要求並不一樣，需要軟件把工作分配給合適的計算單元。

因此，英特爾想爭取的業務，也不只在大家熟悉的PC里。

高嵩提到了家庭AI、車載AI、圍繞私人數據運行的AI等設備形態。它們對應不同的使用需求，也為英特爾的處理器和軟件平臺提供了新的應用場景。

機器人就是其中一個例子。據高嵩介紹，機器人既需要感知環境、規劃任務，也需要實時控制運動，多個機器人之間還可能涉及協同調度。這些工作對計算系統的及時響應提出了更高要求，也給CPU留下了用武之地。

這里的商業邏輯其實也並不複雜，合作伙伴把產品做出來、交付給客户，英特爾的平臺纔有機會進入更多設備。

北京大學新結構經濟學研究院院長林毅夫在會上談到，人工智能對經濟的影響，要通過各個產業利用AI提高效率來體現。放到英特爾身上，這個判斷同樣具體，更多的應用需求，最終需要變成客户願意付錢的產品和服務。

對英特爾來説，這些應用也意味着新的業務機會。

數據中心里的Agent，需要CPU處理數據、編排任務，協調計算和存儲資源；個人設備和機器人中的Agent，同樣需要及時響應、執行指令，並與其他計算單元配合。英特爾希望把至強、酷睿及配套軟件用到這些具體工作中，讓合作伙伴更容易開發和部署自己的產品。

這也是本次大會上，英特爾反覆強調CPU的原因。Agent每完成一項任務，背后都可能包含多輪模型調用、工具執行和數據處理。模型算得快，還需要其他環節跟得上，用户才能更快拿到結果。

因此，衡量CPU的作用，也需要把這些工作算進去。它能支撐多少個Agent同時運行，能否及時完成調度，能讓計算資源少等多久，都影響着整套系統的實際表現。

總而言之，現在Agent表現的好壞，CPU是有絕對的「話語權」的。

（聲明：本文僅代表作者觀點，不代表新浪網立場。）