AI 的胃口變了——CPU 成為下一個戰場

SemiAnalysis 最新報告揭示：當 AI 從「打字員」變成「打工仔」，真正被搶爆的不是 GPU，是 CPU。

一句話講完

全世界砸了幾千億美金搶 GPU，結果現在被卡住的竟然是 CPU。

半導體分析機構 SemiAnalysis 的 Dylan Patel 在 4/8 的深度訪談中丟出了一個反直覺的結論：過去六個月，雲端市場上所有 CPU 已被完全耗盡。不是因為大家突然開始挖礦，而是 AI 的工作型態正在發生根本性轉變。

這件事跟每一個用 AI 工作的人都有關係。往下看。

到底發生了什麼事？

1️⃣ AI 從「打字」進化到「打工」

兩年前的 AI 是什麼樣子？你丟一個 prompt，它回你一段文字。就這樣。CPU 幾乎沒事做，所有壓力都在 GPU 上。

現在呢？Agent 時代來了。

• Claude Code 能連續自主工作 6-8 小時，自己查資料、自己跑 code、自己驗證結果
• 這些 Agent 不只呼叫 GPU 做推理，還需要大量 CPU 做資料庫查詢、環境模擬、狀態管理
• Code Agent 市場收入在半年內從數十億暴增到超過 1000 億美元

簡單講：以前一個 request 跑 0.5 秒就結束，現在一個 Agent task 跑好幾個小時，而且中間每一步都需要 CPU 介入。

2️⃣ 強化學習的訓練迴圈把 CPU 推到極限

未來的 AI 不只解數學題，還要在物理模擬器裡跑。這代表 RL 訓練時，模型生成的每一步都需要在 CPU 叢集上高頻驗證。

Dylan Patel 的原話：「這個迴圈在過去幾年越來越緊，過去六個月我們看到雲端上所有 CPU 都被跑滿了。」

3️⃣ Microsoft 的 CPU 直接賣到缺貨

市場需求暴增的後果？雲端算力被榨乾。據報，Microsoft 的 CPU 庫存已經售罄，甚至影響到 GitHub 的服務穩定性。

你沒看錯——一家全球最大的雲端廠商，CPU 不夠用了。

供應鏈的連鎖反應

這不只是「雲端 CPU 不夠」這麼簡單。SemiAnalysis 在 3 月的另一份報告「The Great AI Silicon Shortage」裡描繪了一個更完整的圖景：

瓶頸	具體狀況
TSMC N3 晶圓	2026 年所有 AI 晶片（NVIDIA Rubin、AMD MI350X、Google TPU v7、AWS Trainium3）同時轉進 3nm，AI 需求將吃掉 N3 近 60% 產能
記憶體	HBM 需求暴增，產能跟不上，DRAM 價格壓力沿供應鏈蔓延
矽晶圓重新分配的算術	把智慧手機 N3 晶圓的 5% 轉給 AI → 多產 10 萬顆 Rubin GPU 或 30 萬顆 TPU v7
資本支出暴增	Google 2026 capex 預期翻倍；但受限於矽晶圓產能，想花更多錢也花不出去

另一個值得關注的數字：Anthropic 光 2 月一個月就新增 60 億美元 ARR，主要靠 Claude Code 的 agent 編程 adoption。SemiAnalysis 的說法是：「如果有更多算力，他們還能賣更多。」

這件事對我們意味著什麼？

作為一個在 IoT 產業工作、同時重度使用 AI 工具的人，我看到三個影響：

1️⃣ 雲端 AI 工具的訂閱費只會更貴

CPU 被搶爆 → 雲端廠商成本上升 → 這些成本最終會轉嫁到用戶身上。如果你覺得 ChatGPT Pro 或 Claude Max 已經夠貴了，做好心理準備——算力稀缺的時代才剛開始。

2️⃣ 本地部署和 Edge Computing 的戰略價值被重新放大

這也是為什麼我一直關注本地 AI 方案的原因。當雲端 CPU 都不夠用了，靠雲端的解決方案成本結構只會越來越糟。

在工業場景尤其如此——你不會想讓工廠的預測性維護系統跟全世界的 AI Agent 搶同一個雲端 CPU 池。本地推理、Edge AI 不是「省錢的替代方案」，而是「在雲端算力稀缺時代的理性選擇」。

3️⃣ 這不只是硬體問題，是 AI 工作方式的根本轉變

以前我們用 AI 的方式是「問問題 → 拿答案」，CPU 確實不重要。但 Agent 時代的 AI 是「自主執行任務 → 持續交互 → 多步驟驗證」，每一步都吃 CPU。

這代表 AI 基礎設施的規劃不能再只盯著 GPU 了。CPU、記憶體、網路頻寬、儲存 I/O——整個 stack 都需要重新評估。

結語

SemiAnalysis 這份報告最值得玩味的地方在於：它揭示了一個所有 AI 從業者都需要面對的現實——AI 的進步速度已經超過了基礎設施的供給能力。

我們花了三年拼命造 GPU，結果發現瓶頸跑到了 CPU 上。我們拼命擴張雲端產能，結果發現 TSMC 的晶圓不夠分。

這不是短期波動，是結構性轉變。

而對我們這些日常重度使用 AI 工作的人來說，最實際的建議是：認真考慮本地化部署方案，不要再把所有雞蛋放在雲端的籃子裡。

資料來源：SemiAnalysis「CPUs are Back: The Datacenter CPU Landscape in 2026」(2026/4/8)、「The Great AI Silicon Shortage」(2026/3/12)