订票软件连续登顶引爆断货潮,原本给显卡打杂的芯片突然翻身了

在过去这几年里，几乎所有人都坚信一条铁律：人工智能的大时代，就是图形处理器的狂欢。

从机房到股市，人们习惯了盯着英伟达的一举一动，那些曾经统治服务器世界的中央处理器，一度被当成了只配在角落里帮忙搬运数据的陪衬。然而在 2026 年 9 月 21 日，这个几乎成为共识的叙事突然被撕开了一道巨大的口子。

当天美股开盘后，老牌芯片厂商 AMD 股价单日暴涨近百分之十，盘中摸到 615.52 美元，市值破天荒地越过了 1 万亿美元大关。五天之内，这家公司的市值累计蹿升了大约百分之二十五。同日，英特尔股价暴涨超过百分之十二，基于精简指令集架构的 Arm 更是大涨超过百分之十五。

AMD 市值首破万亿美元引发半导体板块重新定价

把这些传统通用芯片厂商推上风口浪尖的，不是什么新发布的显卡，也不是枯燥的财报数字，而是一款刚刚上线十来天的手机软件。科技世界里的算力天平，正在以一种几乎没人预料到的方式发生剧烈的倾斜。

九月初，Meta 推出了自家的个人智能体产品 Muse。上线仅仅十天，它就登上了美国免费软件下载榜的榜首，甚至连续三天稳坐第一。

第三方数据机构的统计让人大跌眼镜：在上线头十二天里，仅仅在美加两地的苹果应用商店，这款软件就拿下了 180 万次下载，而当年同期的聊天机器人只有 130 万次；它的美国日活跃用户达到了 64.2 万，是当年聊天机器人同期的将近三倍。更让外界感到不安的是，上线刚到第十二天，电商巨头亚马逊就火速在自家平台封禁了该软件，理由是它替用户比价和采购的动作实在太频繁了。

大众觉得好玩，但服务器机房里的工程师们却被吓出了一身冷汗。

以前大家玩聊天机器人，模式就像发短信：你问一句话，远端的图形处理器矩阵轰鸣几秒钟，把回答吐给你，连接立刻断开。这种任务对通用计算芯片的消耗极低，数据中心里一台服务器往往插着八张强劲的图形处理器，中央处理器只要配上一两颗，负责打包发货就足够了。

可智能体完全不同。它不是在回答问题，而是在替你干活。你在手机里交代一句「帮我规划下周去丹佛的行程并订好最便宜的机票酒店」，说完你把手机锁屏装进了兜里。

但远端数据中心的运作才刚刚开始。为了保证隐私，系统必须在云端为你单独启动一台专属的机密虚拟机，这相当于在远端机房给你配了一台全天候开机的虚拟电脑。哪怕你的手机 App 已经退到后台，这台云端电脑也必须保持清醒。

接下来，为了比对价格，智能体可能要模拟人类打开浏览器，疯狂跳转数十个网页。行业监测数据显示，单单一次复杂的行程规划，背后就可能触发多达 146 次独立的网页搜索。在这个过程中，需要运行操作系统、管理后台常驻进程、调用浏览器代码、解析网页数据、核对用户授权。

这就好比过去人工智能只需要一个极其擅长做高等数学的超级天才（图形处理器），算完答案就交卷；而现在，这个天才身边必须跟着一个手脚麻利的行政助理（中央处理器），负责打电话、填表格、跑腿拿文件、开电脑查网页。

让人始料未及的是，现在的瓶颈根本不在天才算得慢不慢，而是跑腿的助理快要活活累死了。

长期以来，人工智能机房里的黄金搭配比例是中央处理器与图形处理器保持在一比四到一比八之间。但在智能体时代，这个底层逻辑被彻底击碎了。

智能体在执行任务时，有一个核心机制叫做任务编排。一个复杂目标会被拆解成数个子任务，分发给不同的微型程序，再由中间层把数据来回倒腾，判断任务有没有完成。科研机构在相关学术论文中披露，在这类依靠自动化工具的流程里，由于需要大量进行脚本解释、网页数据抓取和数据库查询，耗费在中央处理器上的延迟，竟然能占到整个任务总延迟的百分之九十点六。

更夸张的是硬件数量的倒挂。行业机构测算指出，部分智能体工作负载对中央处理器与图形处理器的需求比例，正在从过去的原点直接飙升到四比一，甚至可能达到极端的四十比一。

个人智能体后台架构对通用算力资源的消耗示意图

这就像是一个原本只需要一个领班带八个厨师炒菜的后厨，突然变成了每一个炒菜厨师的身边，都必须配上四个、甚至是几十个帮工在旁边切菜、洗碗、对账单。没有这些帮工在底层维持运转，昂贵的大厨只能拿着锅铲在原地发呆。

芯片巨头 Arm 给出了一个更为具体的数字体感：在以往的人工智能数据中心里，每一吉瓦的供电规模大约需要 3000 万个中央处理器核心；而一旦全面跨入智能体时代，这个数字将激增四倍，直接突破 1.2 亿个核心。

这种剧烈的人工智能应用形态转变，立刻把供给端逼到了墙角。

英特尔首席执行官陈立武在近期的行业会议上公开坦言，面对激增的算力订单，公司目前只能满足前沿模型开发者大约百分之五十的中央处理器需求。这位半导体老将甚至无奈地表示，最近好几家大科技公司的掌门人亲自打电话向他要货，而他除了在电话里连连道歉，根本交不出足够的芯片。

通用处理器的短缺，在一夜之间从机房内部的调度难题，演变成了整个半导体供应链的硬性瓶颈。

正是这种供求关系的极端错配，点燃了资本市场对老牌巨头的重新定价。

在 9 月 21 日冲上万亿美元大关的 AMD，在很多投资人眼里恰好踩中了这个历史性的转折点。根据其公布的第二季度财报，公司单季营收达到 115.4 亿美元，同比增长百分之五十；其中专攻数据中心业务的部门拿下 67 亿美元，同比暴增百分之一百零七。

尽管英伟达依然以约 5.4 万亿美元的庞大体量在图形处理器市场傲视群雄，但 AMD 展现出了极为罕见的双线作战能力：它既能提供用于密集计算的专用加速芯片，同时在通用服务器芯片领域攻城略地。过去十年间，AMD 股价创造了超过百分之三万的惊人涨幅，2016 年投入的一万美元如今价值超过三百万美元。

面对智能体带来的汹涌浪潮，AMD 更是大幅度上调了对未来的研判。它预计到 2026 年，用于模型实际干活的推理负载将占据整体算力的百分之六十；更把 2030 年全球服务器通用处理器的市场规模预期，从原先预测的 1200 亿美元，直接调高到了 2200 亿美元，复合年均增速从超过百分之三十五拔高到超过百分之五十。

在巨大的需求托底之下，芯片厂商们的底气变得异乎寻常的硬。

供应链渠道消息显示，由于台积电代工成本的持续上升，AMD 已经向合作伙伴发出信号，计划从 2026 年第四季度开始，把旗下人工智能加速芯片、显卡以及主板芯片组的价格全线上调约百分之十。英特尔同样在酝酿涨价，计划在 10 月初推行自 2025 年底以来的第三轮涨价。

云服务巨头们即便心有怨言，也只能咬牙买单。因为任何一家云厂商如果想要换掉底层的系统架构，面临的将是严重的工程延误和产能灾难，在争分夺秒的智能体大战前夕，没人敢冒这个险。

但这块突然膨胀的蛋糕，真的会被传统老牌霸主安安稳稳地吃进肚子里吗？

事实恰恰相反，一场更残酷的围猎已经展开。统治图形处理器市场的英伟达早就嗅到了风向，并在今年推出了配备 88 个定制核心的 Vera 处理器，直接把触手伸向了对手腹地，甚至给出了看好约 200 亿美元通用算力需求的表态。各大云服务巨头也在加速自研基于精简指令集的处理器，试图在自己的数据中心里摆脱对外部供应商的依赖。

通用处理器的盘子确实在以肉眼可见的速度膨胀，但最终用来分切这块蛋糕的餐刀，已经在悄然更换主人。

全球服务器机房正在经历通用计算资源的重构

回看这场由一款手机应用引发的资本海啸，科技演进的戏剧性展现得淋漓尽致。

曾几何时，所有人都以为大模型通往通用人工智能的道路，就是不断堆砌更高密度的矩阵计算卡，传统中央处理器正在沦为历史的遗迹。但当软件真正开始模拟人类的行为逻辑、接管日常琐碎的现实工作时，人们才猛然惊醒：那个曾经被遗忘在角落里默默负责调度、指挥、维持系统运转的通用计算引擎，依然是整个数字世界无法绕开的承重墙。

技术进化的钟摆永远不会只停在极端的某一处，当人们争先恐后奔向星辰大海的宏大运算时，最终决定能走多远的，往往还是脚下那块最基础、也最繁杂的泥土。