过去两年，AI算力的主角几乎只有一个：GPU。
训练大模型需要GPU，推理大模型需要GPU，英伟达的股价、数据中心收入和供应链话语权，也都建立在这个判断上。但AMD CEO苏姿丰现在给出了另一个说法：AI智能体会把CPU市场重新拉起来。
5月22日， Nikkei Asia报道称，苏姿丰再次预计，到2031年，CPU市场年增长率可能超过35%。这和过去3% 到4% 的历史增速相比，是一次非常激进的上调。
这不是苏姿丰第一次讲这个逻辑。
在AMD 5月初的一季度财报周期里，她已经把服务器CPU市场的长期预期大幅上调。AMD当时预计，服务器CPU可服务市场到2030年将超过1200亿美元，年增长率超过35%；而此前的预期大约是18%。
原因不是传统服务器突然复苏，而是AI工作负载变了。
训练阶段，GPU是绝对主角。大模型训练需要大规模矩阵计算，GPU等加速器承担了最核心的计算任务。但进入推理和智能体阶段后，问题开始变复杂。
一个AI智能体不是只回答一句话。它可能要拆解任务、调用多个工具、访问数据库、运行代码、读取文件、使用搜索、检查权限、写入业务系统，再把结果反馈给用户。这个过程里，GPU负责模型推理，但大量调度、数据处理、工具调用、上下文管理和系统编排，都离不开CPU。
换句话说，AI从“训练一个大脑”，进入“让这个大脑持续干活”之后，CPU的角色会变重。
AMD在自己的解释中也强调，智能体AI会带来更多推理任务，也会让CPU/GPU的比例发生变化。传统训练场景里，CPU更多像GPU集群旁边的管理节点；但在智能体系统里，CPU不只是陪跑，而是执行链路的一部分。
这也是苏姿丰这次判断的核心：AI不会让GPU不重要，但会让CPU重新变得紧缺。
从AMD的角度看，这个说法很自然。英伟达已经占住AI加速器的主战场，AMD的Instinct GPU仍在追赶；但在服务器CPU上，AMD的EPYC已经是它更有把握的阵地。如果企业AI的下一阶段真的转向推理、私有化部署、智能体工作流和混合云，AMD就不只是“英伟达替代品”，而是可以讲一个更大的基础设施故事。
这个故事也能解释为什么联想、戴尔、惠普、云厂商和企业服务器公司都在讲“混合AI”。未来大量AI不会只在一个超级云上完成，而会分散在数据中心、本地服务器、边缘设备和个人终端里。只要AI工作流进入企业内部系统，CPU、内存、网络、存储和服务器整机就都会重新变得重要。
但这里也要留一个边界。
35% 以上年增长率是AMD的预测，不是已经发生的市场结果。它依赖几个前提：AI智能体真的大规模进入企业流程；企业愿意为本地和私有化推理买单；CPU在AI系统里的价值能转化为真实采购；AMD还要能拿到足够产能，并在英特尔、Arm、英伟达Grace CPU和云厂商自研芯片之间保住份额。
苏姿丰押的是这一点：AI进入企业流程后，算力竞争不会只看GPU峰值性能，而会重新回到整套系统的执行效率、调度能力和部署成本。
如果训练大模型是第一阶段，推理爆发是第二阶段，那么智能体进入企业流程，可能就是第三阶段。到了这一阶段，算力竞争不再只看GPU峰值性能，而要看整个系统能不能低延迟、可扩展、可管理、可部署。
苏姿丰押的是这一点：AI越从演示走向业务，CPU越不会被边缘化。
