Meta的AI工具Muse上线12天就拿到280万次下载，能帮用户发邮件、订机票。另一边TrendForce的数据更具体：Google、字节等9家云服务商2026年资本支出合计超8867亿美元，同比涨近90%，全球AI服务器出货量预计增三成多。这动静里藏着AI和硬件的新关系——不止用户量涨了，订单结构也在变。
大模型训练，GPU先吃了第一波红利
ChatGPT爆火那会儿，所有人都盯着GPU。毕竟大模型训练要算海量数据，GPU并行计算单元多，扛得住。但模型越做越大，光GPU不够：要高速读数据，高带宽内存HBM就成了紧俏货；几千上万颗GPU凑成集群，得高速传数据，800G、1.6T光模块开始扩产；还有芯片集成度越来越高，先进封装CoWoS也成了稀缺产能。这波硬件红利没停在GPU，顺着计算、存储、互联的链条，一路传到了周边设备。
Agent来了，CPU的活突然多了
但现在不一样了。像Meta Muse这种AI Agent，不是只答问题，是真干活——用户让它整理几十份文件、订酒店，它得先拆任务、调用工具，还要传数据、调度步骤。这时候CPU就成了指挥和后勤，不再只当配角。TrendForce的数据能说清变化：以前AI服务器里CPU和GPU的配置比例是1:4到1:8，到了Agent场景，部分架构要拉到1:1到1:2；英特尔也给出类似判断，训练时1颗CPU配7到8颗GPU，推理阶段缩到3到4颗，复杂的Agent场景，CPU占比还会继续涨。
需求传导，存储和载板都沾了光
CPU任务量上来，还带火了其他硬件。比如服务器内存，Agent处理数据、调度任务时，CPU运行离不了DRAM；更明显的是企业级SSD：AI推理要存大量数据，Agent持续干活，读写频率和量都上去了。今年一季度，全球前五大企业级SSD厂商收入184.6亿美元，环比涨86%，TrendForce明确说，AI Agent普及和云厂商采购是主要动力，当季还出现了供需失衡。至于IC载板，服务器CPU要用高端ABF载板，现在高端ABF本来就紧，主要靠GPU、ASIC撑着，要是Agent推高CPU配置，ABF还会多一股新增需求，但眼下还没到那一步。
AI从训练模型转向持续执行任务，已经像杰文斯悖论说的那样——蒸汽机越省煤，英国烧的煤越多。AI推理成本降了，以前一天问十几个问题，现在可能让Agent连续干几小时。资本已经提前行动，服务器厂商在重新算采购单。
那问题来了：当几亿人都用上干活的Agent，硬件的总需求，会不会比现在算的还多？
素材来源：钛媒体 · AI情报、大模型、AI芯片与算力、AI智能体
查看报道原文
发表第一条评论吧