CPU 王者归来：2026 数据中心 CPU 格局

2023 年以来，数据中心的故事很简单：GPU 与网络称王。AI 训练与推理的爆发把算力需求从 CPU 身上移走，作为服务器 CPU 主要供应商的 Intel 没能搭上这波建设浪潮——服务器 CPU 收入长期停滞，份额一边被 AMD 蚕食，一边被超大规模厂商自研的 ARM CPU 切走。

但过去半年风向剧烈反转。本文先梳理数据中心 CPU 的历史与需求驱动，深入拆解 Intel 与 AMD 多年的互连架构演进；再聚焦 2026 年新一代旗舰 Diamond Rapids 与 Venice 的趋同与分野；随后盘点 NVIDIA、AWS、微软、Google、Ampere、ARM、华为的 ARM 阵营；最后给出 2017–2028 路线图、DRAM 短缺的影响，以及 Bluefield-4 预示的 CPU 未来。

在 Intel 最新的 Q4'25 财报中，2025 年末数据中心 CPU 需求出现意外上行。Intel 上调了 2026 年的 capex 指引以增购晶圆厂工具，并把晶圆从 PC 产线调拨给服务器以缓解供应紧张。这标志着数据中心 CPU 角色的拐点——AI 模型训练与推理开始更密集地使用 CPU。

真正的驱动力来自强化学习（RL）与 vibe coding对 CPU 的巨大需求。在微软为 OpenAI 建设的 "Fairwater" 数据中心里，一栋 48MW 的 CPU 与存储楼，支撑着主体 295MW 的 GPU 集群——意味着需要数万颗 CPU 来处理、管理 GPU 产生的 PB 级数据，这是没有 AI 时根本不需要的用例。前沿 AI 实验室正耗尽自己的 CPU 库存，直接与云厂商抢夺商用 x86 服务器。

需求结构也在变：预训练与微调阶段 CPU 负责存储、分片、索引数据喂给 GPU；多模态模型的图像/视频解码也用 CPU。而 RL 进一步放大需求——RL 环境需要大量并行 CPU 执行代码编译、验证、解释、工具调用，以及高精度的物理仿真与合成数据校验。推理侧，RAG 与智能体模型频繁调用工具、查询数据库、发出 API 请求，单个智能体对互联网的使用强度远超人类，AWS 与 Azure 因此在大规模扩建自研的 Graviton 与 Cobalt，同时还要采购更多 x86 通用服务器。