科技专栏作者 Beth Kindig 在雅虎财经发表评论认为，当前市场对 AI 算力的讨论过度聚焦于 GPU，而一个规模达 1200 亿美元 的 CPU 市场正在被重新定义，并可能成为 AI 芯片战争的下一个主战场。她指出，虽然 GPU 依然是训练大模型和运行推理任务的核心引擎，但 CPU 的角色正从通用计算处理器转变为 AI 数据中心的“流量调度中枢”，负责协调数据流动、管理内存层次结构，并确保 GPU 集群高效运转。
Kindig 分析称，这种转变的驱动力来自 AI 工作负载的结构性迁移。随着行业从模型训练阶段进入大规模推理部署阶段，数据中心需要处理海量的实时请求，对系统级效率的要求远超单一加速器的峰值算力。CPU 在此场景下承担着数据预处理、请求路由和安全策略执行等任务，其架构设计直接决定了整个 AI 集群的吞吐能力和总拥有成本。她特别提到，AMD 的 EPYC 系列、英伟达的 Grace CPU、英特尔的 Xeon 以及 Arm 架构的定制化服务器芯片，都在争夺这一关键位置。
从产业竞争角度看，Kindig 认为这四家厂商的策略各有侧重。AMD 凭借 EPYC 处理器的高核心数和内存带宽优势，在云原生 AI 推理场景中获得了显著份额；英伟达则通过 Grace 与 Hopper GPU 的超级芯片组合，试图将 CPU 与 GPU 更紧密地耦合，打造垂直整合的算力解决方案。英特尔正依靠 Xeon 处理器的内置 AI 加速引擎（如 AMX）守住企业级市场，而 Arm 阵营则通过亚马逊 Graviton 等定制化芯片，在超大规模数据中心中蚕食传统 x86 的地盘。她强调，这场竞争的核心已不是单纯的 CPU 性能比拼，而是谁能更好地构建“CPU-GPU-网络”三位一体的系统架构。
在 Kindig 的叙事框架中，这一趋势对 AI 投资者的含义十分明确：算力投资的价值链条正在从单纯的加速器向整个数据中心基础设施延伸。她认为，过去两年市场将大部分注意力放在英伟达的 GPU 出货量和市场份额上，但未来 CPU 在 AI 推理总成本中的占比可能显著上升，成为影响云厂商资本开支决策的关键变量。她同时提醒，这种迁移并非意味着 GPU 的重要性下降，而是表明 AI 算力市场的蛋糕在变大，且利润池正在重新分配。
该评论还触及了能源与基础设施层面的隐含逻辑。Kindig 指出，随着 AI 集群规模向万卡甚至十万卡级别迈进，功耗和散热已成为硬约束。CPU 的能效比和功耗管理能力，直接影响到整个数据中心的电力使用效率（PUE）和运营成本。因此，CPU 架构的创新不仅关乎性能，更关乎 AI 算力的可持续扩张。她将此视为“五层蛋糕”模型中芯片层与基础设施层之间的关键纽带，认为未来能在这两个层面同时建立优势的厂商，将掌握更大的定价权。
需要明确的是，Kindig 的论述属于市场分析评论，而非确定性事实。她所描绘的 CPU 市场前景，建立在对 AI 推理需求爆发式增长、以及数据中心架构持续演进的假设之上。但该观点确实为投资者提供了一个审视 AI 芯片竞争的新维度：当市场还在为 GPU 的季度出货量波动而争论时，一场围绕 CPU 架构的静默战争可能已经在重塑未来十年的算力格局。