AI智能体算力需求激增：当机器取代人类成为AI的主要使用者
AI智能体算力需求激增：当AI的核心使用者从人变为机器算力需求“没有天花板”，一场由智能体掀起的算力变革正在重塑整个产业链格局。2026年8月，一个标志性的数据节点出现在AI模型API路由平台OpenRouter的统计中：过去六个月，AI智能体消耗的Token量从约0.51万亿急速攀升至7.3万亿，增幅达14倍；而人类用户同期仅从0.5万亿增至1.4万亿，增长2.8倍。智能体在平台Token消耗中的占比已从一年前的2%飙升至71%，人类用户则从57%下滑至15%。AI的核心使用者，正在从人类转变为AI自身
AI Agent介入EDA工具链：“智能体工程师”背后需要怎样的算力底座？
当大模型接入EDA工具：“智能体工程师”需要怎样的算力底座？AI+EDA服务器怎么配？智能体工程师的CPU、GPU与存储底座前言近期，NVIDIA扩展了面向工程场景的Agent Toolkit，将PhysicsNeMo和新的CUDA-X能力纳入智能体可调用的工具体系。与此同时，Cadence、Synopsys、Siemens等厂商也在积极推进面向芯片设计、验证以及系统工程的智能体工作流。这一动向的看点，并不仅仅是AI又掌握了一项新能力。更值得关注的是，模型开始介入真实的工程流程：解析规范、调用工具、提交任
算力告急 亚马逊AWS勒令工程师压缩CPU资源损耗
据一位内部参会者披露，亚马逊(274.48, 2.22, 0.82%)云服务部门（AWS）高管层在5月同工程团队进行沟通时，抛出一项严格任务：为确保旗下核心弹性计算业务EC2今后可向全部用户输出充裕算力，工程人员需竭尽所能节省资源。该消息人士指出，需压缩的算力既涵盖标准中央处理器（CPU）相关服务器能力，也涉及长期处于供不应求状态的AI专用芯片资源。过去几十年间，互联网行业整体运转均建立在CPU芯片之上；而近期AWS内部多位工程师反映，申领CPU服务器算力用于研发项目的排期明显延长。有工程人员透露，此前数
AWS深陷CPU供应危机，Agentic AI浪潮掀起算力争夺战
Agentic AI应用的爆炸性增长正催生一场始料未及的计算资源争夺战——焦点并非GPU，而是CPU。 8月7日，据科技媒体The Information披露，亚马逊云服务（AWS）高层于今年5月紧急召集工程团队会议，传达了一项严峻警示：为保障旗下EC2云服务器业务在未来能够覆盖所有客户需求，工程师必须想方设法压缩算力消耗。这一指令不仅针对AI芯片，更明确指向了长期以来支撑互联网运转的传统CPU服务器。 报道指出，此番内部举措折射出更深层的行业动向：随着越来越多的企业员工借助AI Agent进行软件开发，
AI时代CPU的重构：从辅助到核心编排
人工智能 (AI) 基础设施正迈入全新关键阶段。生成式 AI 的初始阶段以加速器规模化为核心，聚焦 GPU、NPU 与定制 AI 加速器的部署、供电、散热与互联能力。该阶段虽未终结，但已难满足当前演进需求。下一阶段的核心是机架级系统协同：通过异构 AI 机架，将不同计算资源分别优化至智能体 AI 工作流的各环节。由 CPU、加速器、内存、网络设备构成的专用机架，正被整合为吉瓦级 AI 超级集群，每台机架作为高密度计算单元，承担特定任务。AI 推理正从单次模型调用，演变为多步骤智能体流水线。基础设施设计重心
AI产业四大变革节点：终端革新与算力巅峰的交汇
导读：阶跃星辰推出世界首款AI智能体手机，中国超级计算机“灵晟”跃居全球首位，AI巨头竞相降价，联合国警示监管跟不上步伐——7月13日的AI领域，正经历比模型升级更深刻的基础性变革。7月13日夜晚，阶跃星辰揭晓了全球第一款AI智能体手机。关键区别不在硬件规格，而在于系统层面的重新设计。传统手机以应用为核心，阶跃星辰将自家大模型能力直接融入系统底层——手机从“能交流”升级到“能做事”，可独立处理点餐、挂号等跨应用操作。近两年来，几乎所有手机品牌都在宣传中添加了AI一页。但那些实质上仍是“传统手机+AI附加功
美银上调AMD目标价至620美元，聚焦服务器与AI需求增长
在二季度财报发布前，美银维持对AMD(534.39, -23.50, -4.21%)的买入评级，并将目标价由550美元提升至620美元，认为服务器处理器需求持续旺盛，有望再次超越市场预期。 美银分析称，AMD EPYC服务器芯片市占率稳步攀升、云计算支出保持稳定，加上供应链透明度改善，将推动公司迎来又一个强劲季度。数据显示，2026年第一季度，AMD在x86服务器CPU出货量中占比达33.2%，按营收计算更高达46.2%，凸显其高端产品定价能力持续增强。 美银预计，AMD的MI455X Helios AI
人工智能浪潮下的IPU解析：与CPU、GPU有何不同？
2026年初，国内最炙手可热的科技焦点非AI（人工智能）应用莫属，例如DeepSeek（深度求索）、豆包（字节跳动）、元宝（腾讯）、千问（阿里巴巴）等。相信不少人已下载其中一款应用，体验过问答互动，上传过图片处理，甚至尝试过AI视频生成与剪辑。那么，你知道这些AI智能体在处理任务时，依赖哪些处理器吗？首先，最基础且关键的处理器当属CPU（Central Processing Unit，中央处理器）。它犹如系统的“大脑”和“总调度”，负责数据处理、逻辑控制、任务安排、资源分配等，执行各类计算任务。在AI领域
算力发展进入新阶段 终端应用驱动CPU需求攀升
人工智能领域正经历从追求算力规模的上半场向追求应用和场景落地的下半场转变。 近日，光合组织2026智能计算应用大会在郑州成功举办。会议聚焦智能计算应用与发展范式、AI基础设施创新、国产开放计算生态建设等议题，旨在推动国产人工智能算力从关注建设转向关注应用，从评价单一参数转向注重系统能力，从局部场景迈向大规模迁移。 本次大会上，中国首个全国产十万卡AI超集群——曙光8000（登峰）正式落成，并同步接入国家超算互联网。这标志着AI基础设施建设开始从万卡级迈向十万卡级部署阶段。系统采用海光等国产芯片算力底座，进
Vera CPU或将重塑英伟达服务器格局
Wedbush Securities最新研报指出，英伟达即将推出的Vera中央处理器有望凭借多核心架构，在服务器市场强化其竞争实力。分析师Matt Bryson表示，Vera预计将在性能上超越传统x86处理器，助力英伟达更直接挑战现有CPU厂商，并打开长期增长空间。 Vera是英伟达首款以独立产品形态亮相的CPU，搭载88颗自研Armv9.2 Olympus核心，支持空间多线程技术，实现176线程并发处理。芯片内置1.5TB LPDDR5X内存，提供1.2TB/s高带宽，并采用第二代可扩展一致性互联架构，
AI服务器持续升温，CPU短缺成最大掣肘
过去一年，市场讨论AI服务器，更多盯着GPU需求、云厂商资本开支、英伟达新平台。但现在进入下一阶段，真正决定服务器厂商业绩弹性的，可能不只是订单，而是CPU、内存、存储、电源、散热等关键物料的交付能力。其中，最关键的瓶颈就是CPU。通用服务器方面，美国服务器OEM正在上调2026年出货预期。HPE预计2026年通用服务器出货同比增长8%-10%，而2025年还是同比下滑；DELL则把通用服务器出货预期上调到同比增长24%。整体来看，通用服务器出货预计同比增长约20%，但主要约束来自服务器CPU供应，而不是
英特尔单日飙升7% AI服务器热潮成关键驱动力
英特尔(139.63, 7.91, 6.01%)股价周二盘中一度大涨7%，触及2024年7月以来最高水平。市场对人工智能基础设施支出的乐观情绪重燃，叠加半导体板块整体走强，共同推动该股大幅走高。 费城半导体指数当日上涨约3%，延续第二季度飙升81%的历史性行情。芯片板块全面上涨，AMD(580.91, 41.42, 7.68%)与迈威尔科技涨约7%，闪迪(2273.73, 223.34, 10.89%)涨超6%，阿斯麦涨逾4%并创历史新高。 英特尔成为本轮行情的重要受益者。公司股价年初至今已累计上涨约25
AI集群算力版图重构：CPU告别边缘化，重返舞台中央
随着人工智能由“对话”迈向“执行”，算力领域的权力格局正经历一次深度的重塑。摩根士丹利最新出具的报告抛出了一个极具颠覆性且引发热议的观点：代理式AI（Agentic AI）的兴起，正促使CPU从运算的“边缘角色”重返系统的“指挥枢纽”，一个五年内扩张六倍、价值千亿的市场正悄然浮现。项目集微VIP频道近期引入了Morgan Stanley针对CPU行业的报告，深入将“代理式AI”作为引爆CPU需求的关键引擎，并对Arm、AMD、Intel、NVIDIA以及国产CPU企业海光信息等进行了评级与目标价修正，为洞
黄仁勋：AI基建将延续数十年，智能体时代重塑算力格局
北京时间6月25日凌晨，英伟达召开2026年度股东会。会上黄仁勋表示，"有用的AI时代"已经到来，AI基础设施不再停留在实验阶段，而是进入生产阶段。 他预计，本轮AI基础设施建设周期将持续数十年，规模或将成为人类历史上最大的基础设施工程之一。 黄仁勋提到，Vera Rubin架构现已实现全面量产，Vera正开辟一个专为智能体设计的全新CPU市场，每家企业都在转型为智能体公司，且全部运行于英伟达平台之上，AI投资回报率的问题"已有明确答案"。 此次大会上，黄仁勋指出，传统数据中心的定义正被颠覆。过去数据中心
陈立武解析AI新机遇
1、AI算力展望 他指出业界常将AI等同于GPU，实则工作负载结构正发生转变：训练阶段CPU与GPU比例约为1:8，而推理及代理型AI则趋向1:4，差距持续缩小。CPU在任务编排、调度及强化学习控制流等场景愈发关键，因此CPU需求回升，并未被GPU替代。2、工艺节点与材料：制程微缩并未终结，但成本攀升，需依赖材料创新与封装技术延续发展。当埃米级微缩边际成本激增，未来的竞争壁垒将转向材料、封装、散热管理及互连技术。3、供给瓶颈制约：唯一能延缓AI发展的因素是供给限制。电力供应、氦气（涉及工艺气体与冷却介质）