Intel 靠卖＂废料＂提升利润率:AI 芯片荒荒到什么程度

2026 年 4 月，Intel 交出了一份让华尔街意外的 Q1 财报。利润率高出预期，但驱动增长的既不是新技术突破，也不是大规模成本削减。真正的原因有点尴尬——Intel 开始把过去本该扔掉的晶圆边缘废料 die，重新分级打包卖给 AI 客户，而且卖得很好。

行业分析师 Ben Bajarin 在 4 月 24 日的推文中写道：”Intel 从更好的良率回收中获得了意外的利润率提升。那些原本是晶圆边缘低价值 die 的芯片，被降级后仍然作为可用的 SKU 卖了出去，把本该成为废料的东西变成了利润。”

这则消息表面上是一家公司的财务优化策略，实际上折射出一个更大的行业现实：AI 对芯片的饥渴，已经让”能用就行”成了市场共识。

废料变利润

要理解这件事为什么值得深挖，得先搞清楚硅晶圆制造的基本逻辑。

一片 300mm 晶圆上密密麻麻排列着几十到上百个 die。由于制造过程中边缘区域的应力分布、温度均匀性和刻蚀精度都存在天然的物理劣势，晶圆边缘的 die 良率显著低于中心区域。过去，这些边缘 die 要么被降级后塞进低端产品线，要么直接报废。

现在，Intel 找到了一条新出路：把这些边缘 die 重新分级，做成核心数更低、规格更保守的 CPU，然后卖给客户。

客户不仅接受了，而且还很积极。

为什么？因为 AI 基础设施的建设速度，已经让芯片供应跟不上了。

这不是”创新”，这是”饥荒”

把废料变成利润，听起来像是聪明人的做法。但换个角度想——一家全球最顶级的半导体公司，靠卖过去本该扔进垃圾桶的东西来提升利润率，这说明什么？

说明需求端已经饥渴到不再挑剔。

AI 推理正在吃掉 CPU

过去几年，所有人的注意力都在 GPU 上。训练大模型需要 H100、B200，这是不争的事实。但到了推理阶段，情况变了。

Agentic AI 爆发之后，AI 系统不再只是跑个推理模型就完事。它需要理解上下文、规划任务、调用工具、做决策——这些工作大量依赖 CPU 算力。GPU 擅长并行计算，但逻辑调度、任务编排、上下文管理，这些是 CPU 的活儿。

于是，数据中心对 CPU 的需求出现了结构性上升。不只是要更多的核，而是要更多”能用的核”。当高端产品产能不足时，降级产品就成了最佳替代品。

“够用就行”的时代

Intel 的 Xeon 产品线在企业市场深耕多年。虽然 AMD 的数据中心芯片在原始性能上已经领先了几代，但企业客户的核心诉求从来不是”最强性能”，而是”够用、稳定、能买到”。

在供应紧张的背景下，”能买到”三字的权重被无限放大。

过去，一颗边缘 die 如果达不到 Xeon 高端型号的规格，就会被降级甚至报废。现在，只要核心功能正常，哪怕核心数砍掉一半、频率降两档，照样有客户排队买单。

这不是产品策略的胜利，是供需失衡的直接体现。

不只是 Intel 的事

Wccftech 在报道中提到一个细节：其他 CPU 厂商也在做类似的事。AMD 的芯片由台积电代工，同样可以利用低等级 die 做成可用产品。

换句话说，把废料变成利润，可能已经成为整个行业的公开操作，只是 Intel 是第一个在财报电话会上把这事摊开说的。

对芯片制造的影响

从制造角度看，这件事其实挺正面的：

• 有效晶圆利用率提升了。过去一片晶圆的边缘区域是”成本黑洞”，现在也能贡献收入。

• 每片晶圆的 revenue per wafer 提高了，这对利润率是实打实的改善。

• 对于产能受限的 FAB，相当于变相提升了有效产能。

但从另一个角度，这也暴露了一个问题：当行业需要靠”不浪费任何一颗 die”来满足需求时，说明真正的产能瓶颈远比想象中严重。

对客户的启示

对于购买这些降级 CPU 的 AI 客户来说，选择其实很务实。Agentic AI 的很多工作负载不需要顶级单核性能，而是需要更多的并发处理能力。一颗降级 CPU 的核心虽然规格低，但跑分布式任务调度、API 网关、数据预处理，完全够用。

这不是退而求其次，是资源匹配。

这种策略能持续多久？

靠卖废料 die 提升利润率，短期内确实有效。但长期来看，有几个问题值得思考：

第一，这掩盖了真实的技术竞争力问题。 Intel 的利润率提升不是来自产品性能领先，而是来自对”废料”的再利用。如果 AI 需求降温，这些降级产品的市场会迅速萎缩。

第二，客户容忍度有上限。 现在客户因为买不到高端芯片，所以愿意接受降级产品。但当供应恢复、竞品选择增多时，这些降级产品的定价权和市场份额都会受到冲击。

第三，对整个行业的定价体系有潜在影响。 当”降级产品”大规模进入市场，高端产品的溢价空间会被压缩。长期来看，这可能会拉低整个 CPU 市场的平均售价。

良率优化本身就是技术壁垒

抛开尴尬，这件事其实指出了一个值得关注的趋势：在 AI 驱动的芯片需求爆发期，良率管理能力本身就是一种核心竞争力。

谁能从同一片晶圆上榨出更多可用的 die，谁就能在供应紧张时获得更多有效产能。这不是市场营销问题，是制造工艺问题。

对于芯片设计公司来说，这意味着：

• 芯片架构设计需要更好地兼容多等级 binning 策略

• 测试和分级流程的自动化程度直接影响 revenue per wafer

• AI 辅助的良率分析和缺陷定位工具，可能成为 FAB 的刚需

这类良率优化场景，正是 AI+EDA 可以发力的方向。通过智能分析工具，可以将缺陷识别和分级效率大幅提升，有效缩短从晶圆到成品的决策周期。

这也是为什么在 AI + EDA 的交叉领域，围绕制造端优化、良率分析、测试自动化的工具链，正在成为新的技术热点。谁能帮 FAB 把边缘 die 的可用率再提几个百分点，谁就能直接帮客户多赚几百万美元的晶圆收入。

如果你对 AI+EDA 工具感兴趣，或者正在探索芯片设计流程自动化，关注回复「合作」可以深入交流。IC Agent Hub 支持 SaaS 体验与私有化部署，后续会持续更新这个系列，关注不迷路。

写在最后

Intel 靠卖废料 die 提升了 Q1 利润率。这不是技术创新的胜利，是供需失衡的产物。

但它揭示了一个更重要的趋势：在 AI 需求持续膨胀的时代，芯片行业的竞争正在从”谁的性能最强”扩展到”谁的每一片硅都用得最充分”。

对于那些正在建设 AI 基础设施的公司来说，与其纠结于一定要拿到最顶级的芯片，不如重新评估：自己的工作负载到底需要什么规格的算力。有时候，”够用”比”最强”更务实。

而对于芯片制造行业来说，这件事的真正启示可能更深远——当废料也能赚钱的时候，良率就不再只是制造部门考核的指标，而是整个公司利润的杠杆。

作者：麒芯

参考来源：ExtremeTech、Wccftech、Tom’s Hardware、TechPowerUp、Ben Bajarin（Creative Strategies）

本文基于公开报道撰写，不构成任何投资建议。

💬 加入 IC Agent 技术交流群

群里聚集了芯片设计工程师、IT/CAD 负责人和 AI+EDA 从业者，聊技术、聊工具、聊行业趋势。

👉 关注回复「加群」，拉你进群一起聊

👉 关注回复「合作」，如果你在做 AI+ 芯片/EDA 相关，欢迎来聊

后续会持续更新这个系列，关注不迷路。