AMD vs Intel 数据中心争夺：CPU 在 AI 推理时代的话语权重构

导语：AMD数据中心营收首超Intel的历史性时刻

2026年5月5日，AMD公布Q1财报：数据中心业务营收58亿美元，同比增长57%。几乎同一时期，Intel数据中心与AI事业部（DCAI）营收为51亿美元。这是AMD在数据中心领域首次单季营收超越Intel——一个在2017年之前还持有服务器CPU市场99%份额的巨头。

这一数字超越的意义远不止财务层面。它标志着x86服务器市场从“Intel主导、AMD追赶”的单极格局，正式进入双强拉锯的新阶段。更重要的是，推动这一转折的核心力量并非传统的企业级通用计算需求，而是AI推理与智能体（Agentic AI）工作负载的爆发式增长——这正在从根本上重新定义服务器CPU的战略角色。

数据解读：58亿 vs 51亿背后的结构性变化

表面看，AMD数据中心营收超越Intel仅7亿美元，但拆解数据结构后，差异更为深刻：

• 增长引擎不同：AMD数据中心营收57%的同比增长，由EPYC CPU和Instinct GPU双轮驱动。其中服务器CPU营收增长超过50%，EPYC驱动的云实例数量已超1600个，同比增长近50%。而Intel DCAI的8%同比增长（Q1 2025数据）主要来自Xeon的温和复苏，Gaudi加速器贡献有限。
• 利润结构分化：AMD数据中心业务运营利润率达28%，而非GAAP毛利率达55%，产品组合向高利润率数据中心倾斜明显。Intel同期GAAP毛利率仅36.9%，且公司整体仍处于运营亏损状态。
• 客户集中度转移：AMD与Meta达成6吉瓦级别的多代产品合作（含基于MI450的定制GPU），Meta同时成为第六代EPYC的lead customer。OpenAI等AI巨头也在扩大AMD部署。这种“联合设计+多代绑定”模式远超传统OEM采购，构建了极高的客户粘性。

从市场份额看，AMD服务器CPU收入份额已从2024年Q2的33.8%提升至2025年Q2的41%。按PassMark数据，2025年Q1 AMD服务器CPU市场份额首次达到50%的持平线。虽然Intel在出货量上仍以约72%领先，但高端市场的定价权正在快速转移。

AI推理时代的CPU价值重估：CPU/GPU配比从1:8到1:1

AI训练时代的服务器架构以GPU为中心，CPU主要承担数据预处理和I/O调度，CPU与GPU的典型配比为1:8（1颗CPU服务8颗GPU）。但AI推理——尤其是智能体AI——的工作负载特征根本性地改变了这一配比逻辑。

AMD CEO Lisa Su将服务器CPU市场分为三个“切片”：第一层是传统通用计算（系统记录与交互），增长稳定但缓慢；第二层是GenAI训练与推理中的“头节点”角色——CPU管理GPU集群的编排、数据准备和通信；第三层，也是增长最迅猛的，是完全为智能体AI工作负载服务的CPU——AI代理的持续决策、逻辑推理、多源数据交互，天然适合CPU架构而非GPU。

这导致两个结构性变化：

1. 配比重构：智能体AI场景下，CPU承担的工作量超过系统60%的核心任务，CPU/GPU配比从1:8快速向1:1甚至更高迁移。AMD EPYC 9575F搭配8颗GPU的系统，在相同条件下比Intel Xeon 8592+方案实现了20%更高的系统级性能。
2. TAM翻倍：AMD将2030年服务器CPU TAM从600亿上调至1200亿美元，CAGR从18%上调至35%。这一修正几乎完全由第三层“智能体AI CPU”驱动——一个两年前几乎不存在的市场切片。

从技术层面看，CPU在推理场景的优势在于：低延迟内存访问（直接访问系统RAM，无需GPU间数据搬运）、灵活的分支预测与逻辑控制（适合决策树、图算法等非结构化推理），以及无需额外GPU部署的轻量化推理能力——这对实时推荐系统、小模型微调（PEFT/LoRA）、图分析等场景尤为关键。

ACE x86扩展深度解析：16倍AI性能的技术原理与生态意义

2026年4月，AMD与Intel联合发布AI Compute Extensions（ACE）白皮书，这是x86生态系统 Advisory Group成立以来最重要的技术成果。ACE的核心目标：将GPU级的矩阵加速能力直接带入CPU，使轻量AI推理负载无需卸载至独立GPU。

技术原理：ACE引入基于外积运算（Outer Product）的矩阵加速机制，与AVX10无缝集成。传统AVX10的SIMD操作是一维的——512位向量被当作64个8位元素的行处理，每次仅产生64次乘法。ACE的突破在于引入8个2D Tile Register（16×16维度，32位精度），将两个16×4的输入矩阵（8位精度）通过外积算法在16×16网格的每个交叉点计算内积，单周期完成1024次乘法，相比AVX10提升16倍计算密度。

ACE原生支持INT8、OCP FP8、OCP MXFP8、OCP MXINT8、BF16等AI数据格式——这是首次在商业处理器架构中支持OCP MX标准的内联块缩放（inline block scaling）。Tile Register采用累加模式而非覆写模式，每个周期将新值累加至现有结果，天然适配矩阵乘法的累加语义。

生态意义：

• 统一标准避免碎片化：ACE由AMD和Intel联合开发，经x86 EAG（成员含Broadcom、Dell、Google、Meta、Microsoft、Oracle，顾问包括Linus Torvalds和Tim Sweeney）审议，确保跨厂商一致性——这正是AVX-512当年因碎片化而推广受阻的教训。
• 全场景覆盖：从笔记本到数据中心，同一套ACE代码无需修改即可跨平台运行，大幅降低开发与维护成本。
• 软件适配已启动：PyTorch、TensorFlow、NumPy、SciPy的集成正在推进，低精度GEMM和LLM原语的优化内核已在开发中。

不过，目前尚无ACE兼容CPU上市。Robert Hormuth表示新标准将从2026年开始出现在芯片中，AMD下一代EPYC Venice（Zen 6，2nm）和Intel后续产品有望成为首批搭载ACE的处理器。

AMD EPYC vs Intel Xeon：份额转移的驱动因素与可持续性

AMD从2017年EPYC Naples发布时的2%服务器CPU份额，到2025年Q1达到50%持平线，增长轨迹惊人。当前竞争格局的核心对比：

AMD份额增长的核心驱动因素：

1. 核心密度优势：192核的EPYC 9965在整数性能上可替代7台2019年Xeon Platinum 8280服务器，1000台旧服务器可被127台EPYC 9965替换，功耗降低69%，5年节省电费340万美元。这对面临电力约束的数据中心至关重要。
2. Chiplet架构的规模效应：模块化设计不仅提升良率降低成本，还允许AMD快速迭代。即将推出的Zen 6 Venice（2nm）每瓦性能相较竞品x86方案大幅提升，相比主流ARM AI方案，每插槽吞吐量超过两倍。
3. 软件许可成本优势：在按核心计费的软件许可模式下，更高核心密度的EPYC在同性能下所需芯片数更少，直接降低许可支出。

但Intel并非没有反击筹码：AMX加速在无需GPU的场景下可执行BF16/FP16推理，降低整体系统成本；MRDIMM的高带宽对内存敏感型负载有优势；下一代Xeon产品路线图也在加速推进。此外，Intel仍是企业级市场出货量主导者，在安全特性（TDX/SGX）、管理工具链和ISV认证方面的积累仍构成护城河。

ARM威胁：x86联盟能否守住服务器阵地

x86阵营的联合不只是面对彼此的竞争，更是在应对ARM的持续侵蚀。当前ARM服务器CPU已占整体服务器营收的13.2%，NVIDIA Grace Blackwell组合正在驱动ARM服务器CPU出货量50%的增长。Arm公司甚至发布了自研的Arm AGI CPU，宣称单机架性能可达最新x86系统的两倍以上。

在华硕的Copilot AI PC中，ARM架构CPU占比已从2025年底的约20%提升至30%，且预计全年占比持续攀升。CPU供应紧张（交期从1-2周延长至8-12周）叠加AMD/Intel 10-15%的涨价，正在为ARM打开机会窗口。

ACE正是x86阵营的应对之策：通过统一的矩阵加速标准，使CPU在轻量AI推理场景下免于依赖GPU，对抗ARM在能效比上的传统优势。但ARM的攻势不仅来自性能——Ampere、高通等厂商在边缘计算和5G场景的低功耗方案，以及AWS Graviton、Google Axion等自研ARM实例的规模化部署，正在从云厂商内部瓦解x86的阵地。

关键变量在于软件生态迁移成本。x86的数十年代码资产和ISV认证体系仍是核心壁垒，但容器化和云原生架构正在降低迁移门槛。ACE如果能快速获得PyTorch/TensorFlow的一等公民支持，将有效延缓ARM在AI推理场景的渗透速度。

企业采购框架更新：AI推理场景下的CPU选型逻辑

AI推理时代的服务器CPU选型，需要超越传统的SPEC基准和核心数对比，建立新的评估框架：

1. 工作负载分层：首先区分推理场景类型——GPU密集型推理（大模型前向传播）需要强I/O编排能力的CPU；CPU原生推理（小模型、LoRA微调、实时推荐、图分析）需要高核心密度和大内存带宽；智能体编排层需要高单线程性能和低延迟内存访问。
2. TCO重新计算：总拥有成本需纳入电力约束（PUE与碳排）、空间效率（每机架推理吞吐）、软件许可（按核心计费的影响）、以及CPU/GPU配比变化带来的系统成本结构调整。一台EPYC 9965服务器替代7台旧Xeon的场景下，5年TCO优势可能超过40%。
3. 路线图对齐：ACE扩展的落地时间线直接影响CPU在AI推理场景的长期价值。如果计划在2027-2028年部署ACE兼容工作负载，当前EPYC Turin/Xeon Granite Rapids的采购决策需预留架构兼容空间。
4. 多供应商策略：AMD份额持续上升创造的竞争压力对买方有利。企业应避免单一供应商锁定，建立AMD/Intel双源评估流程，利用竞争议价空间。
5. ARM纳入评估：对于新构建的云原生AI推理服务，ARM实例（如AWS Graviton4/Google Axion）应纳入选型对比，特别是在边缘推理和成本敏感场景。