没有一颗 CPU 能统治一切，现在不能，Agent 时代也不能
━━━ ━━━ ━━━
原文：The Register——*\"There\'s no such thing as an agentic CPU\"*
作者：Tobias Mann，Systems Editor
发表日期：2026年6月16日
━━━ ━━━ ━━━
一、文章翻译
AI Agent 需要一种新的 CPU 吗？Arm、NVIDIA 和越来越多的芯片设计公司想让你相信这一点。
Arm 将其第一款数据中心芯片命名为 \"AGI CPU\"。NVIDIA 的 CEO 黄仁勋将 Vera 描述为 \"Agent 的 CPU\"，AWS 的 Graviton 5 营销文案里全是\"Agentic AI\"的字眼。
但这些基于 Arm 的处理器没有一个会带来奇点（Singularity）。它们甚至不是 AI 加速器。别被公关们忽悠——这些芯片只不过是经过 AI 点缀的通用处理器而已。
当然，AI Agent 和它们的交互框架确实需要 CPU。这一点没争议。但 Agent 不是一个单一工作负载。它们只是一座桥——连接 AI 模型和我们已经运行了几十年的那些应用程序。
而且 Agent 最终运行的工具往往天差地别。有些需要更高的内存带宽与计算能力之比，有些在大容量统一缓存或专用压缩引擎上表现更好，而另一些则偏爱高频率而非多核心，或者相反。
AMD 和 Intel 不会只造一种 Epyc 或 Xeon SKU，那些所谓的\"专用 Agentic CPU\"看起来也各不相同——都是有原因的。
如果你看看 NVIDIA 用 88 核打造的 Vera CPU，这款芯片拥有极高的单线程性能，以及海量的内存和互联带宽。
正如黄仁勋在 GTC 中国台湾主题演讲中所解释的，这种计算能力与带宽的组合是保持低延迟的关键。
\"未来将有数十亿个 Agent，这些 Agent 将使用 CPU，而且它们非常没有耐心——因为旁边 GPU 的成本太高了，\"他说。
但当然黄仁勋会这么说——他可是卖 GPU 的。Vera，就像 Grace 一样，被设计成让 CPU 和 GPU 之间的数据流动尽可能平滑。数据传输就是 Vera 的使命。
与此同时，Arm 的 AGI CPU 看起来就是一个普通的 Neoverse V3 处理器——136 个核心，去掉了 Agent 不太可能需要的组件以尽可能降低功耗。没有同步多线程，没有专用加速器，极简的向量扩展，但有大量内存带宽。
Amazon 的 192 核 Graviton 5 处理器，去年冬天在 Re:Invent 上发布，本质上是 Arm AGI CPU 的放大版——同样是 Neoverse V3 核心，但可以说更加\"通用\"。
用 Corey Quinn 的话说：\"求求了，看在老天的份上，别再把它们叫\'AI 芯片\'了。\"
Intel 和 AMD 也不甘落后，急于将自家的旗舰 Xeon 和 Epyc 重新包装为运行 AI Agent 的理想平台。
在本月初的 Computex 上，Intel 展示了一组参考机架设计——一个 100kW 机架里塞进了多达 36,864 个 x86 核心。
与此同时，AMD 在经历第一轮 Vera CPU 基准测试后，上周采取了防御姿态——Agent 规模运行时，并发性（concurrency）比延迟更重要。AMD 预测，在其 100kW 功耗预算下，今年晚些时候推出的 256 核 Venice Epyc，每机架吞吐量将是 Vera 的 3.3 倍。
如果感觉每个人对\"理想的 Agentic CPU\"都有不同看法，那是因为——就像任何其他数据中心工作负载一样——很少有一个正确答案。
我们在 NVIDIA Vera CPU 的早期基准测试中看到了这一点。上月底，Phoronix 拿到了早期测试样片并运行了一部分测试套件。Vera 的几何平均分比 AMD 的 128 核 Epyc 9575F 高 10%，比 Intel 的 128 核 Xeon 6980P 高 55%。这是一个强劲的表现。但仔细看结果，很明显 Vera 在某些应用中比在其他应用中表现更好。
这就是问题的核心。从来没有一颗 CPU 能统治一切，在 AI 炒作周期进入 Agent 时代的今天，当然也没有。
━━━ ━━━ ━━━
二、深度解读：各家 CPU 到底是怎么回事？
这篇文章的精髓是——所有厂商都在把通用 CPU 包装成\"Agent 专用\"，但 Agent 根本不需要专用 CPU。
来看看每家到底在卖什么：
🟢 NVIDIA Vera CPU
- 核心: 88 个定制 Olympus 核心（Armv9.2-A），176 线程
- 制程: TSMC 3nm (CoWoS-R)
- 缓存: 每核 2MB L2 + 164MB 统一 L3
- 内存: LPDDR5X，带宽 1.2 TB/s
- 互联: NVLink-C2C 二代，与 GPU 之间 1.8 TB/s 带宽
- 黄仁勋的逻辑: Agent 很\"着急\"，GPU 太贵，所以需要一个极速 CPU 来喂数据给 GPU
- 本质: GPU 的专职喂食器，专为降级 Agent→GPU 数据搬运延迟而设计
- Phoronix 实测: 比 AMD 128 核 Epyc 高 10%，比 Intel 128 核 Xeon 高 55%
🟠 Arm AGI CPU
- 核心: 136 个 Neoverse V3（Armv9.2，双 128-bit SVE2）
- 制程: TSMC 3nm (N3E)
- 缓存: 每核 2MB L2
- 内存: 12 通道 DDR5-8800，>800 GB/s 带宽
- TDP: 300W
- 设计哲学: 去掉 Agent 不需要的东西（SMT、加速器、多余的向量扩展）来省电
- 本质: 一个去功能化的 Neoverse V3——不是为 Agent 优化，而是\"通用芯片减配版\"
🔵 AWS Graviton 5
- 核心: 192 个 Neoverse V3（正是 Arm 卖的那套 IP）
- 制程: 3nm 级
- 缓存: L3 是 Graviton 4 的 5 倍
- 性能: 比 Graviton 4 提升 25%，ML 推理快 35%
- 2026年6月10日已 GA（全面上市）
- 本质: Arm IP 的云放大版——AWS 买 Arm 的 IP，自己堆更多核，加上 5x L3 缓存
🔴 AMD Venice Epyc
- 核心: 256 个 Zen 6 核心
- 制程: TSMC 2nm（业界首款 2nm HPC 产品）
- 缓存: 接近 1GB L3
- 内存带宽: 1.6 TB/s（上代 614 GB/s，翻倍+）
- TDP: 峰值约 1400W（需要千瓦级液冷）
- AMD 的论点: Agent 在高并发下才有意义——100kW 下 Venice 吞吐量是 Vera 的 3.3x
- 本质: x86 的堆核之战——AMD 说 Agent 就是并发，并发就是核多
🟣 Intel Clearwater Forest (Xeon 6+)
- 核心: 单路 288 个 E-core（Darkmont，无超线程）
- 制程: Intel 18A
- 封装: 12 个 compute tile × 24 核 + 3 个 base tile + 2 个 I/O tile
- 机架: 100kW 下 36,864 个 x86 核心 + 384TB DDR5 内存
- Intel 的逻辑: Agent = 高密度部署，单机架 36,864 核有绝对统治力
- 本质: E-core 集群的密度实验——把手机芯片的思路搬到数据中心
━━━ ━━━ ━━━
三、本质：到底谁说得对？
其实都对，也都不对。
Agent 不是一种工作负载。它是一个工作负载矩阵：
| Agent 子任务 | 偏好 | 赢家 |
|---|---|---|
| 编排/调度（Python runtime） | 单线程+低延迟 | NVIDIA Vera |
| 并行执行数千个 Agent | 高并发 | AMD Venice / Intel Xeon 6+ |
| 数据搬运到 GPU | 内存带宽+互联 | NVIDIA Vera |
| 云原生微服务 | 每瓦性能 | Arm AGI / Graviton 5 |
| 大模型推理预处理 | 吞吐量 | AMD Venice |
这也是为什么 ARM、NVIDIA、AMD、Intel 的\"专用 Agent CPU\"长得完全不一样——他们在针对不同的子问题做优化，但没有一个能覆盖全部场景。
The Register 的结论：没有一颗 CPU 能统治一切，过去没有，Agent 时代也没有。
我的补充：这反而说明了两件事——1. Agent 在催生出真正多样化的 CPU 生态。如果说过去十年 CPU 设计是被\"通用云服务\"统一化的，那 Agent 的到来正在让差异化重新变得有价值。 2. 别被\"Agent CPU\"的营销名词骗了。本质上这是一场围绕\"什么才是 Agent 的瓶颈\"的哲学辩论——不同厂商有不同的答案，因为他们各自的商业利益决定了他们看到的瓶颈不同。
━━━ ━━━ ━━━
*本文基于 The Register 2026年6月16日文章 \"There\'s no such thing as an agentic CPU\"，结合各厂商公开技术规格整理。*
核心架构冲突：Agentic AI 对传统安全栈的"降维打击"
个人生产力内核升级：基于 Agentic Workflow 的全业务逻辑重构指南
智能体 Agent 架构的"寒冬"还是"转正"？——从 Linux 哲学看 Agentic AI 的范式转移
岭声LineShine问世：纯CPU架构突破GPU封锁，1.54EFLOPS重塑E级超算路线
深度：国产 CPU 四大派系大起底——信创从业者必读的"避坑"指南
英伟达×SK海力士的「专用内存」到底专用在哪？从底层架构拆解
