苏姿丰称 AMD 服务器 CPU 营收份额已达 46%，AI 智能体推理或继续推高 CPU 价值
据 IT之家 7 月 24 日消息，AMD 董事会主席及首席执行官苏姿丰在美国旧金山举行的 Advancing AI 2026 年度活动上发表主题演讲时透露，AMD 在数据中心服务器 CPU 营收中的份额已达到 46%。她同时表示，随着智能体 AI 在推理阶段更加依赖 CPU 进行编排和调度，未来这一比例仍有继续上升的空间。对于正在关注 AI 基础设施演进的产业链而言，这一表态意味着：在 GPU 仍是 AI 算力核心的同时，CPU 在数据中心中的战略位置正在被重新放大。
AMD 强调服务器 CPU 在 AI 数据中心中的份额提升
此次信息来自 AMD 面向 AI 与高性能计算市场的年度活动 Advancing AI 2026。来源显示，苏姿丰在演讲中重点提到，AMD 在数据中心 CPU 市场营收中的比重已经达到 46%。这一说法并非单纯强调传统服务器处理器业务的增长，而是放在 AI 工作负载快速变化的大背景下进行解读。
过去两年，围绕 AI 基础设施的讨论往往集中在 GPU、加速卡、HBM 高带宽内存以及先进封装等领域。原因很直接：大模型训练和推理中的大量矩阵计算主要由 GPU 等加速器承担。但在真实的数据中心系统中，AI 请求并不是由单一芯片独立完成。服务器需要同时处理任务分发、资源调度、数据搬运、网络通信、存储访问和安全隔离等复杂流程，而这些环节离不开 CPU。
IT之家在报道中也提到，CPU 在数据中心服务器中扮演系统编排器的角色。GPU 主要负责矩阵计算以及处理 AI 相关请求，CPU 则负责调度操作，并管理 GPU 与 HBM 之间的数据流。从这个角度看，AI 数据中心并不是“GPU 越多越好”的简单堆叠，而是一个由 CPU、GPU、内存、网络和软件栈共同构成的系统工程。
智能体 AI 推理，让 CPU 编排能力变得更关键
苏姿丰特别提到，伴随智能体 AI 在推理过程中更加依赖 CPU 编排调度，AMD 在服务器 CPU 营收中的份额有望继续攀升。这一点值得关注。所谓智能体 AI，通常不只是一次性生成文本或图像，而是需要围绕目标进行多轮推理、调用工具、访问数据、执行任务并根据反馈调整路径。
这类工作负载与传统“输入一次、输出一次”的推理模式相比，系统调用更加频繁，任务链条更长，对服务器整体调度能力提出更高要求。GPU 仍然承担核心计算，但 CPU 需要在更多环节中参与资源协调，包括多个模型或工具之间的调用、不同加速器之间的任务分配，以及数据在内存和加速器之间的流动管理。
从产业角度看，这会让 AI 基础设施采购逻辑发生变化。企业在建设推理集群时，不能只比较 GPU 算力指标，还需要关注 CPU 平台是否能够支撑高并发、多任务、低延迟和复杂调度场景。尤其在智能体应用走向企业级工作流后，CPU 的系统级编排能力可能会成为影响整体效率和成本的重要因素。
- GPU：主要承担大规模矩阵计算，是训练和推理中的核心加速器。
- CPU：负责系统调度、任务编排、数据流管理和资源协调。
- HBM：为加速器提供高带宽数据访问能力，影响模型计算吞吐。
- 软件栈：决定硬件资源能否被高效调用，也是 AI 集群效率的关键变量。
影响解读：AI 服务器竞争正从单芯片走向平台化
AMD 选择在 Advancing AI 2026 上强调服务器 CPU 份额，传递出一个清晰信号：AI 硬件竞争正在从“谁的单个加速器更强”转向“谁能提供更完整的数据中心平台”。在这一逻辑下，CPU、GPU、网络、内存、软件工具链和生态合作都会影响客户的部署选择。
对 AMD 来说，服务器 CPU 份额达到 46% 的说法，有助于强化其在数据中心市场的话语权。尤其当 AI 推理从大模型聊天扩展到智能体、自动化工作流和企业级应用时，平台稳定性、任务调度效率和总体拥有成本将成为采购决策的重要维度。CPU 份额提升不仅代表传统服务器业务表现，也可能为 AMD 的 AI 加速器和整体解决方案带来协同空间。
苏姿丰还预估，到 2030 年，与计算相关的潜在市场规模将扩大到 2 万亿美元。这一判断体现了 AMD 对未来计算需求的乐观预期。随着 AI 从模型训练走向更广泛的推理部署，数据中心、企业自动化、云服务和边缘计算都可能持续拉动计算资源需求。
不过，对于中文读者和企业用户而言，更现实的观察点在于：未来 AI 基础设施成本不会只由 GPU 价格决定。CPU 平台能力、系统架构设计、内存与网络配置、推理服务调度方式，都会直接影响 AI 应用的性能和成本。AI 数据中心的竞争正在变成全栈能力的竞争，而不是单一硬件参数的竞争。
总体来看，苏姿丰此次披露的 46% 服务器 CPU 营收份额，既是 AMD 对数据中心业务进展的展示，也是对 AI 计算趋势的一次判断：在智能体 AI 和复杂推理任务增长的背景下，CPU 不会被 GPU 边缘化，反而会因为承担系统编排角色而变得更加重要。对于服务器厂商、云服务商以及企业 AI 部署方来说，如何在 CPU 与 GPU 之间取得更优的系统平衡，将成为接下来 AI 基础设施建设中的关键问题。