您的位置首页 >数码 >

GPU 不再一家独大,安谋科技 CEO 陈锋表示 CPU 正在重回 AI 赛道

在 AI 算力竞争格局里,GPU 长期占据主导地位,不过安谋科技 CEO 陈锋提出了新观点,AI 算力不会一直由 GPU 一家独大,CPU 凭借架构升级、指令集优化、软硬件协同能力,正在重新杀回 AI 赛道,在推理、端侧、边缘场景里拿到越来越多的落地机会。过去大家训练大模型优先选择 GPU,是因为 GPU 并行计算能力强、CUDA 生态成熟,非常适合大规模矩阵运算;但随着模型轻量化、量化技术普及,很多业务不需要超大算力集群,CPU 的通用性、低功耗、低成本优势就体现出来了。想要判断业务适合 CPU 还是 GPU 跑 AI,首先分清场景是训练还是推理,其次看部署位置是云端、边缘还是终端;再评估延迟、功耗、预算要求;最后对比软件生态迁移成本,选择适配的算力方案。下面整理 CPU 入局 AI 的优势、短板,以及和 GPU 的适用场景对比。

CPU 回归 AI 赛道核心优势清单

  • 通用性强:一台 CPU 服务器既能跑业务逻辑,又能跑 AI 推理,不用单独搭建异构算力集群
  • 部署门槛低:不用额外适配专用加速卡,原有 x86、ARM 服务器可以直接复用
  • 功耗控制更好:边缘、端侧设备对供电有限制,CPU 方案更容易落地
  • 成本友好:同等算力下,CPU 整机采购和运维成本低于高端 GPU
  • 生态简单:依托通用操作系统,运维、排障、升级都更熟悉

CPU 与 GPU AI 场景对比

算力类型擅长场景短板典型落地项目
GPU大模型训练、超大规模高密度推理、多模态复杂模型功耗高、价格贵、运维复杂基础大模型训练、AI 绘画、视频生成
CPU轻量化模型推理、业务 + AI 混部署、边缘端、终端设备大规模训练速度弱,不适合超大参数模型企业内部知识库、OCR、语音识别、轻量大模型

落地选型判断步骤

  1. 区分业务目标:是做模型训练,还是线上推理服务
  2. 确认部署位置:云端机房、工业边缘设备、本地终端
  3. 核对模型参数:7B 以内轻量化模型 CPU 适配度更高,70B 以上大模型优先 GPU
  4. 测算指标:看并发量、延迟上限、功耗预算、服务器复用需求
  5. 评估生态:确认框架、算子是否支持 ARM CPU 或者 x86 CPU 的 AI 扩展指令集

当前行业现状说明

  1. 不是 GPU 被替代,而是算力格局从单一 GPU 主导,走向 GPU、CPU、NPU 共存的多元路线
  2. ARM 架构 CPU 是这次 AI CPU 浪潮里的主力,安谋相关指令集持续针对 AI 运算优化
  3. 短期内超大规模基础模型训练依旧离不开 GPU,CPU 更多抢占推理和边缘市场

【常见问题】

问题 1:安谋科技 CEO 陈锋提出 CPU 杀回来啦,是不是意味着 GPU 在 AI 领域不再一家独大?

回答 1:是的,安谋科技 CEO 陈锋的观点就是 AI 算力市场 GPU 不再一家独大,CPU 在轻量化推理、边缘场景竞争力提升,算力格局走向多元化,但 GPU 在大模型训练领域依旧保持强势。

问题 2:CPU 杀回来参与 AI 竞争,对比 GPU 最大的优势是什么?

回答 2:CPU 杀回来参与 AI 竞争,对比 GPU 最大优势是通用性强、可和原有业务混跑,部署成本更低、适配边缘设备,适合轻量化 AI 推理场景。

问题 3:CPU 杀回来的背景下,AI 项目什么时候优先选 CPU?

回答 3:CPU 杀回来之后,当你的项目是轻量模型推理、业务和 AI 服务混部、边缘端部署、预算和功耗受限的时候,优先考虑 CPU 方案;超大模型训练依旧优先 GPU。

【参考资料】

[2026-11-17](GPU 不再一家独大!安谋科技 CEO 陈锋:CPU 杀回来啦)36 氪

[2026-11-12](安谋陈锋解读 AI 算力新趋势:CPU 在推理市场迎来机会)机器之心

[2026-11-06](AI 算力格局变化:CPU、NPU 分流 GPU 市场)钛媒体

【免责声明】

本文仅为行业观点资讯整理,安谋科技 CEO 陈锋的观点属于行业判断,不代表技术发展最终结果;CPU、GPU 算力选型需要结合业务场景、模型规模、预算综合评估,本文不构成算力采购、项目投资建议。

今日大家都在搜的词: