科技專欄作者 Beth Kindig 在雅虎財經發表評論認為，當前市場對 AI 算力的討論過度聚焦於 GPU，而一個規模達 1200 億美元 的 CPU 市場正在被重新定義，並可能成為 AI 芯片戰爭的下一個主戰場。她指出，雖然 GPU 依然是訓練大模型和運行推理任務的核心引擎，但 CPU 的角色正從通用計算處理器轉變為 AI 數據中心的“流量調度中樞”，負責協調數據流動、管理內存層次結構，並確保 GPU 集群高效運轉。

Kindig 分析稱，這種轉變的驅動力來自 AI 工作負載的結構性遷移。隨著行業從模型訓練階段進入大規模推理部署階段，數據中心需要處理海量的實時請求，對系統級效率的要求遠超單一加速器的峰值算力。CPU 在此場景下承擔著數據預處理、請求路由和安全策略執行等任務，其架構設計直接決定了整個 AI 集群的吞吐能力和總擁有成本。她特別提到，AMD 的 EPYC 系列、英偉達的 Grace CPU、英特爾的 Xeon 以及 Arm 架構的定製化服務器芯片，都在爭奪這一關鍵位置。

從產業競爭角度看，Kindig 認為這四家廠商的策略各有側重。AMD 憑藉 EPYC 處理器的高核心數和內存帶寬優勢，在雲原生 AI 推理場景中獲得了顯著份額；英偉達則通過 Grace 與 Hopper GPU 的超級芯片組合，試圖將 CPU 與 GPU 更緊密地耦合，打造垂直整合的算力解決方案。英特爾正依靠 Xeon 處理器的內置 AI 加速引擎（如 AMX）守住企業級市場，而 Arm 陣營則通過亞馬遜 Graviton 等定製化芯片，在超大規模數據中心中蠶食傳統 x86 的地盤。她強調，這場競爭的核心已不是單純的 CPU 性能比拼，而是誰能更好地構建“CPU-GPU-網絡”三位一體的系統架構。

在 Kindig 的敘事框架中，這一趨勢對 AI 投資者的含義十分明確：算力投資的價值鏈條正在從單純的加速器向整個數據中心基礎設施延伸。她認為，過去兩年市場將大部分注意力放在英偉達的 GPU 出貨量和市場份額上，但未來 CPU 在 AI 推理總成本中的佔比可能顯著上升，成為影響雲廠商資本開支決策的關鍵變量。她同時提醒，這種遷移並非意味著 GPU 的重要性下降，而是表明 AI 算力市場的蛋糕在變大，且利潤池正在重新分配。

該評論還觸及了能源與基礎設施層面的隱含邏輯。Kindig 指出，隨著 AI 集群規模向萬卡甚至十萬卡級別邁進，功耗和散熱已成為硬約束。CPU 的能效比和功耗管理能力，直接影響到整個數據中心的電力使用效率（PUE）和運營成本。因此，CPU 架構的創新不僅關乎性能，更關乎 AI 算力的可持續擴張。她將此視為“五層蛋糕”模型中芯片層與基礎設施層之間的關鍵紐帶，認為未來能在這兩個層面同時建立優勢的廠商，將掌握更大的定價權。

需要明確的是，Kindig 的論述屬於市場分析評論，而非確定性事實。她所描繪的 CPU 市場前景，建立在對 AI 推理需求爆發式增長、以及數據中心架構持續演進的假設之上。但該觀點確實為投資者提供了一個審視 AI 芯片競爭的新維度：當市場還在為 GPU 的季度出貨量波動而爭論時，一場圍繞 CPU 架構的靜默戰爭可能已經在重塑未來十年的算力格局。