生成式AI往代理式AI迁移中，新的卡脖子环节又出现了，这次是CPU。之前市场关于算力紧缺的讨论都在GPU、HBM、光模块、电力等环节，其实对于CPU的关注比较少。其实Cpu的紧缺传了一段时间了，看最近英特尔、AMD走势最核心驱动力就是来自cpu开始出现紧缺了，甚至连过往不怎么受待见的港股联想集团，最近两周走的也很强。 1、为什agentic ai时代CPU占比会扩大？ 传统AI（主要是大模型训练/推理）高度依赖GPU，因为Transformer的核心是并行矩阵运算，GPU擅长高吞吐的并行计算。这时CPU主要只负责“辅助”：数据路由、内存压缩、GPU调度等，导致数据中心CPU:GPU比例很低（典型1:4~1:8，甚至1颗CPU管8颗GPU）。CPU利用率低，基本是配角。 Agentic AI完全不同，它不是单次“问答”，而是自主多步循环（Planning → Tool Use → Act → Observe → Reflect → Iterate），涉及： 1）编排：调度子任务、多智能体协作、分支逻辑、重试机制。 2）工具调用：网页搜索、API调用、代码执行、数据库查询、向量检索（RAG）、文件处理等。 3）其他CPU密集任务：上下文管理、KV Cache处理、强化学习（RL）仿真评估、数据预/后处理。 这些任务高度串行、I/O密集、逻辑分支多，GPU并不擅长（甚至会闲置）。研究显示：工具处理阶段在CPU上可占总延迟的50%~90.6%（GPU在等待CPU）。Agentic工作流中CPU动态能耗占比可达44%，比传统AI高3~4倍。 简单说，Agentic AI把“思考”交给GPU，但把“做事/协调”交给CPU。CPU从“管家”变成了“总指挥”，必须大幅增加才能让整个系统高效运转。这就是CPU占比扩大的核心驱动（Intel、AMD、Arm、TrendForce等一致观点）。 2、CPU成为新紧缺环节的现实证据 今年Q1 Intel/AMD服务器CPU交期已经拉到6-12周，部分型号基本售罄，价格也提了10%以上。厂商自己都说“demand far exceeded expectations”。不是产能不够，而是Agentic AI把CPU从“可有可无”直接干成了“必须配足”的总指挥。 数据中心项目现在除了电力，就是CPU卡脖子最严重。传统x86（Intel/AMD）高功耗+产能紧张，供应链直接打爆。 3、CPU缺口会有多大？ 行业共识是CPU:GPU比例将显著拉近，CPU需求大幅提升：从传统1:4~1:8（CPU:GPU）转向1:1~1:2（部分场景甚至1.4:1，即CPU比GPU还多）。看之前Arm估算，每GW算力需要的CPU核心从3000万激增到1.2亿（4倍增长） CPU算力份额：在Agentic工作流中，CPU承担的算力比未来机架/集群可能从“GPU主导”转向更平衡，甚至出现专用CPU rack来支撑Agentic编排；AMD/NVIDIA新一代平台已开始按1:2~1:4设计 这就带来了CPU需求的真实拐点，是实打实的硬件重构。 4、特别要说下ARM服务器CPU会更受益一些？ Agentic AI最需要的就是“高核心数+低功耗+稳定串行处理”。ARM天生多核可扩展、perf/watt领先：Arm AGI CPU（136核，TDP仅300W）对比x86同规格功耗低40%+，每机架性能直接翻倍。风冷机架就能塞8000+核，液冷更能到4万+核，完美解决数据中心的“功耗墙”。 更狠的是生态大转向：AWS Graviton、Google Axion、Microsoft Cobalt早就自研ARM，云巨头集体“去x86化”。Arm 3月直接下场自研AGI CPU（首款量产芯片），Meta、OpenAI、Cerebras都是首发伙伴，OEM有联想、Supermicro。 Counterpoint预测：AI ASIC服务器CPU里，ARM份额从2025年25%干到2029年90%。Arm自己说，这波能把数据中心CPU TAM从30亿版税干到1000亿+，未来几年服务器CPU营收很可能超手机，成为最大增长极。 看下周和5月初英特尔、amd的财报电话会上，cpu实际出货量的变化、以及cpu的真实价格变化。这能说明真的有多紧缺。 5、CPU紧缺哪些公司会受益？ 梳理了下哪些公司会受益，后续关注起来： 美股最核心： Intel (INTC)ntel 依然是服务器 CPU 市场的霸主。短缺潮会提升其过往型号的利润率，且其 Gaudi 与 Xeon 的组合在代理推理端有强劲需求。 AMD (AMD)：理由：在 Agentic AI 服务器市场，AMD 的 EPYC 处理器因多核心优势和高性价比，目前在云厂商中的市占率持续提升，是 GPU+CPU 均衡配置趋势下的首选。 Arm Holdings (ARM)：越来越多的云厂商（亚马逊、微软、谷歌）开始自研基于 ARM 架构的 CPU。无论谁赢，只要 Agent 需求推高 CPU 核心数，Arm 的授权费就会大涨。 港股（制造与分销关键点） 中芯国际 (0981)：虽然其在最先进制程受限，但大量非核心逻辑控制芯片（支持 CPU 运作的辅助芯片）和中端 CPU 的需求外溢，会显著提升其产能利用率。 联想集团 (0992)：全球第一大服务器与 PC 厂商。在短缺潮初期，拥有强大供应链管理能力和库存的大厂能通过提价和保证供应，抢占更多政企市场份额。 A股（国产替代与配套产业链） 海光信息 (688041)：国产 x86 服务器 CPU 的龙头。在 Agentic AI 时代，由于其架构与全球生态兼容性最好，国内算力中心在补齐 CPU 短缺时，海光是第一顺位替代品。 龙芯中科 (688047)：自主架构 CPU 的代表。随着国产自主可控需求增强，在党政和关键基础设施的 Agent 应用中受益。 深南电路 (002916) / 沪电股份 (002463)：理由：配套受益。CPU 核心数增加和 GPU+CPU 配比调整，要求更复杂的 PCB（印制电路板）和封装基板，这些公司是全球高端服务器 PCB 的主力供应商。 澜起科技 (688008)：内存接口芯片龙头。只要 CPU 多，内存条就多。Agent 时代对内存带宽要求极高，其 MRDIMM 和内存接口芯片是 CPU 性能爆发的必需品。 投资逻辑核心其实两点： 1）量价齐升：CPU 厂商（AMD, Intel, arm、海光）最直接。 2）卖铲子的人：由于 Agent 需要高带宽，内存配套（澜起）和先进封装/基板（深南）的需求甚至比 CPU 本身更稳。

相信经常玩链上的朋友，或多或少都经历过钱包转账时，钱包弹出一个无情的提示：“Gas 费不足”。这绝对是传统 Web3 最反人类的痛点，为了发送一笔资金，必须先去买一些这个链的代币放在钱包里当GAS，否则无法交易。 就在昨天你们偷偷过520，@SuiNetwork 推出了零 Gas 稳定币转账功能。这个功能不用多介绍也知道多实用吧。以前转账需要先去买一点链上原生代币做Gas，网络拥堵时很贵。就拿以太来说，高峰时候转账一笔可能几U、甚至几十U。对于普通人来说还是很肉痛的。 现在新建钱包直接就能转账稳定币，省去了交易所去提Gas的步骤。既省了提币费又省了大量时间。对于批量交易的用户，更是福音。 @SuiNetworkCN这次直接在协议层搞定Gas问题，与以往用稳定币抵扣Gas不同，这次完全是0Gas。目前支持的稳定币包括 USDsui、suiUSDe、AUSD、FDUSD、USDB、USDC、USDY 传统金融总说自己高效，但实际上呢？我们来看看传统支付和 Sui 的正面比较： SWIFT：这绝对是现代金融的“吸血鬼”。你想跨境转个 50 美元，光手续费就能收你 25 美元！而且中间还要经过各种代理行，转个账像写信一样慢，要等几天时间。不仅贵，效率也低。 PayPal / Wise / 信用卡：虽然速度比银行快，但层层叠加的“隐藏费用”（汇率加点、提现费、手续费）能让人脱层皮，跨境成本依然高居不下。 Sui ：可以说是降维打击。作为全球首个从根源彻底消除费用的支付网络，不仅速度是秒级，更厉害的是完全0手续费。 #Sui# 是全球首个从根源彻底消除费用的支付网络。稳定币转账 0 手续费、秒到账，还获得 Fireblocks 等机构级托管支持。交易像信息一样自由流动，没有中间商层层收手续费，没有汇率隐形损失。这才是真正的Web3的强大。 对个人来说，以后在Sui稳定币转账交易几乎零成本、秒到账；对企业来说，供应链支付、跨境结算、 小额支付都变得可行；甚至 AI 代理、自动支付场景也能大规模落地。Sui 这次的零 Gas 稳定币转账把“链上支付”真正推向大众和机构的门槛降低了一大步。今天的 $SUI可能应声有点反应，涨的也不错。相信未来的Sui的生态会越来越强大。

2026年AI卷疯了，但我卷不动了。 GPT、DeepSeek、Gemini……一个比一个能打。 多模态、上万亿参数，一个比一个牛逼。 但你有没有发现一个问题——会用AI和用不上好AI的人，差距正在以肉眼可见的速度拉大？ 作为一个普通币圈人，我每天要看线、收集信息、撸交互、盯数据……光这些就够累了。想着用AI帮我省点事吧，结果呢？ 我得先学会怎么跟AI「说话」。 同一个模型，大佬用出来是专业级作品，我用出来就是请您再说清楚一点，光教AI怎么干活的时间，比我自己干还长。 这还没完。我自己的数据、本地的文件、浏览器记录、日程安排——想用AI自动化处理？先担心隐私问题吧。搞复杂了要开好几个窗口切换，搞简单了AI根本不懂我在说什么。 中登老登们更难受，学不动了，真的学不动了。 币圈混久了都信一件事：认知差就是印钞机。可问题是，现在的认知门槛「不在知道AI能干什么」，而在「有没有时间精力学会怎么用它」。 那有没有一款产品，让普通人直接就能用上好AI，不用学、不用磨、不用调试？ Yizilabs投资的 @dappOS_com 早在2025年就开始做AI转型尝试。最近他们推出了「低Prompt AI代理系统」xBubble。 核心理念很戳我：别学AI了，你就说你要什么，让AI自己去干。 我用一句话，30秒，搞定了一张海报，我平时要写文章、做贴图、弄梗图，搓AI是刚需。这次标题图就是用xBubble做的。而且这些海报都能商用，对比传统的llm来说直接免去后顾之忧了 我就直接发了一句： 「帮我设计一个以「现在AI太聪明了，但是我真的卷不动了」为标题的海报」 同样一句话，拿去喂给grok还要我手动更改几次才能生成，对比下来还没有xBubble更灵动（下方是grok生图） 👉 先知也附上基础的交互指引给大家使用 1.进入 2.选择运行环境（Computer / Personal）发出请求 3.系统自动处理：匹配SOP → 执行 → 输出结果 看上去很省事儿吧，让我们看看背后的逻辑。是两套核心引擎在跑 1️⃣ Bubble Pilot：你说一句话，它跑一遍流程 Pilot做的事很简单：读取你的需求，判断任务类型，然后去系统里找有没有现成的SOP 有，直接调用，秒出结果。没有？它自己兜底干。 这就是AI使用AI——你不需要知道背后用了哪个模型、调了哪些工具，Pilot帮你把路走通。 2️⃣ Bubble Engine：AI自己攒经验，越用越懂你 Engine是 xBubble 最不一样的地方。 它会在后台为任务自动生成多套方案，拿不同模型反复试、反复比，找出最优的那条路，固化成SOP。下次再来同样的事，直接走成熟流程，又快又稳。 这意味着什么？AI在学习AI，AI在使用AI。 你不需要研究GPT-5和Claude-4哪个更适合做海报，Engine早就帮你测试过了。你不需要积累什么提示词宝典，Engine把最优路径固化好了直接给你用。 系统的进化速度比你快，用AI的效率比你高，而你只需要做一件事：说出你要什么。 还有就是两种运行环境：隐私和安全都想到了，不同场景、不同信任度 1️⃣Bubble Computer：端到端项目工作空间。当你需要研究+写作+设计+验证一套流程跑完时，Computer模式在沙盒环境里把全链路打通，不用你手动切换工具。 2️⃣Bubble Personal：本地环境模式。需要操作你本地文件、浏览器、日程？Personal模式在沙盒化执行模型下处理：安装、下载、系统级改动都在云容器里完成，任务结束即销毁。你的机器上只执行明确授权的操作，重活儿留在云端，干净结果流回本地。 说白了：信云就选Computer模式，想保护隐私就选Personal模式。你自己说了算。 目前xBubble支持10+种任务类型： 快速模式（日常小任务）→ 语音听写、文本转语音、对话头像、深度研究 工作模式（SOP驱动，稳定专业）→ 幻灯片创作、文档创作、事实核查、定时任务、海报创作、图像创作、视频创作、网站开发 覆盖主流需求，关键是——每个任务都不需要你调提示词。 确实XBubble算不上什么颠覆世界的东西。 但它确实解决了一个让我头疼很久的问题：让普通人不用跟AI墨迹，就能把事办了。 AI应该学习AI，AI应该使用AI。 你只需要说出目标，能解决普通人的需求，我认为这就已经做得很棒了。

今天看到一份报告，讲到2030年，未来75%的AI计算需求将会来自推理，这里面将会催生出AI投资下半场的巨大机会，下面👇我们来简单聊一聊。🧐 过去两年，大家都在疯狂囤 GPU 训练模型，烧钱堆算力。但最近大家有没有发现，情况开始变了？尤其是小龙虾🦞出来以后，各类Agent可谓大爆发，Token需求指数级增长。一个崭新的推理时代正在到来，未来AI最大的叙事点是让AI应用走进全球几十亿用户手中，并真正使用起来！ 这个转折点，我把它叫做从「训练时代」到「推理时代」的切换。而在这个新阶段，CPU 和定制芯片将是未来真正的主角。 👇咱们掰开揉碎了讲讲，为啥我开始盯上这些以前不起眼的家伙： 🎯 AI 现在有「脑子」了 以前的 AI 就是个工具，我问它答，无法去执行具体的工作。现在不一样了，Agentic AI来了，它能帮我订机票、改文档、写代码，甚至帮我规划整个工作流程。 这种活儿需要大量的逻辑判断和顺序编排。以前GPU是肌肉男，干体力活厉害；但现在这种执行活，CPU 才是指挥官，它擅长处理复杂的逻辑。AI 越聪明，越需要 CPU 来调度指挥。 🎯 大厂也得省钱啊 看财报，各大厂在AI领域的资本开支都十分庞大，其中七巨头除苹果之外，26年全年资本开支总额超过了6000亿美金。不要以为谷歌、Meta 这些巨头就不差钱。恰恰相反，他们也是把钱花在刀刃上。假如一直用英伟达的通用 GPU 来搞推理，电费和硬件成本会把他们吃掉。 所以大厂开始自己设计专用芯片ASIC，就像咱们切菜用菜刀、砍柴用斧头，专芯专用，效率高成本低。这是实打实的降本增效。 基于上述逻辑，我们筛了五个核心标的： • #AMD：推理界的全能选手，GPU# MI300/325 系列拥有业内领先的内存带宽(256GB HBM3E内存，带宽达6TB/s，参数上优于英伟达H200)，能轻松处理超大规模LLM的实时推理，而且速度快。关键是它还是服务器 CPU 的老二，代理式 AI 需要强 CPU 时，AMD 两头吃。 • #ARM：底层架构之王，谷歌、亚马逊自研芯片基本都跑# ARM 架构，ARM Neoverse 平台已经成为 90% 以上自研 AI 服务器 CPU 的首选。所以大厂搞自研，ARM 相当于在家坐着收过路费。 • 博通（#AVGO）：定制芯片的总工程师，它作为# Google TPU、Meta MTIA 和字节跳动的重要合作伙伴，博通在高速互联和封装技术上拥有绝对统治力，是云巨头降低推理成本的首选合作伙伴。大厂想省钱搞自研，离不开博通的技术。 • 迈威尔（#MRVL）：深度参与亚马逊# AWS 和微软 Azure 的芯片研发，这俩巨头想摆脱英伟达依赖，必须依靠迈威尔。目前迈威尔的定制硅片业务正从“研发期”进入“爆发收获期”，未来的生意只会越做越大。 • 英特尔（#INTC）：虽然最近比较难，但它是唯一有自家晶圆厂的设计商，还拥有全球稀缺的# IDM 2.0 代工能力。当推理导致全球 CPU 需求激增、供应链紧张时，Intel 内部的这种协同效应和本土制造优势将会逐渐凸显，而且它还是服务器 CPU 老大。 看完整份报告，我个人认为有几个大趋势将会成为必然： 首先是从以前的「暴力算力」到未来的「精细化运营」。现在来看，整个AI 投资逻辑正在转变，不再是谁芯片最强，而是谁的方案最省钱、最能落地。说明AI真正商业化全面落地场景下，能效比率才是关键。 其次是供应链博弈。各大云巨头都在搞自研芯片，未来 AI 硬件市场会从「英伟达一家独大」变成「群雄割据」。我认为这对整个产业链将是好事。 最后就是电力依然会成为长期瓶颈。虽然 CPU 和 ASIC 在优化效率，但整体算力规模爆炸，对电力的需求还是无限大。看芯片的同时，能源赛道也值得留意。 总结一句话，#AI# 下半场，别光盯着那块最贵的 GPU，那些负责指挥的CPU和帮大厂省钱的ASIC，可能藏着下一波机会。 目前上述提及的公司在 #MSX# 上面基本都有，炒美股，我选择用 #RWA# 美股代币化平台 #MSX，一同投资参与美股市场：# 早期美股投资粉丝和伙伴，可以私信我，填写表单后，可免费进入美股交流和探讨社群(目前每周仅限定10人，助理审核，可能需要一点时间，感恩🙏)！