编者按：当GPU在大模型训练领域风头正劲时，CPU阵营发起了一场底气十足的反击。中科曙光新一代高性能计算平台的发布，让“谁才是AI时代算力核心”的争论再次升温。“AI时代是GPU的天下，CPU将被边缘化”——这句话在过去两年几乎成为行业共识。英伟达股价飙升、大模型训练集群动辄上万张GPU，似乎都在印证这一判断。然而，CPU阵营并不打算就此退场。

2026年6月15日，中科曙光发布新一代通用高性能计算平台，搭载国产百核级512线程通用CPU，单芯片FP64双精度算力达到10T，整体规格首次达到国际厂商旗舰级水平。紧接着，英特尔在COMPUTEX 2026上高调宣称“CPU重回现代AI基础设施的中心”，推出至强6+处理器，释放出强烈的反击信号。

CPU究竟凭什么在GPU当道的AI时代夺回主导地位？这并非简单的行业口水仗，而是一场由AI应用场景演进驱动的算力体系深层变革。

“精度”——不可替代的护城河

GPU在AI训练中的优势毋庸置疑——大规模并行计算能力天然适配矩阵运算。但AI产业正从“训练驱动”转向“推理与落地驱动”，这一转变从根本上改变了算力需求结构。

在科学与工程计算领域，CPU拥有GPU难以撼动的“护城河”：双精度浮点运算精度。

东南大学物理学院副教授李强在科研实践中深有体会：“材料模拟要求双精度起步，GPU在这方面反而是短板。原子之间相互作用很强，无法独立计算，对内存交互要求极高——从几十个原子到上千个原子，内存需求翻了十倍不止，这些恰恰是CPU擅长的。”除此之外，在物理模型数值解析解、稀疏模型、小型计算体系等场景中，CPU适配性更好，软件迁移基本零成本、使用便捷。同时AI for Science的底层支撑数据，大多来自CPU运行的第一性原理计算，仪器观测数据、测序数据的清洗、对齐、预处理、差值运算等工作，均依赖CPU完成，AI的发展反而进一步增加了CPU的使用需求。

中科曙光新一代平台正是瞄准这一需求。其搭载的CPU单芯片FP64双精度算力达10T，HPL双精度浮点性能较上一代提升近2倍，访存性能提升近1倍。在气象预报领域，该平台可将分辨率从3公里提升到1公里，1小时内完成全国范围36小时时效的预报；工业仿真实测性能达到上一代的1.86倍。

当AI进入需要“算得准”而非仅仅是“算得快”的场景时，CPU的价值被重新发现。

从训练到推理，CPU权重悄然攀升

AI算力投入正经历从“重训练”到“重推理”的根本性转变。

过去，企业AI投入集中在模型研发阶段，海量并行计算让GPU成为绝对主力，CPU在集群中CPU:GPU配比一度低至1:8。但如今，企业纷纷从AI“实验阶段”走向“落地部署”，推理成为算力支出核心。

推理与训练的算力逻辑截然不同。推理过程中，数据编排与管理对CPU有极强依赖——用户请求处理、数据清洗、格式转换等环节，CPU占比普遍超过60%，在多个场景下达到100%。

更重要的是Agentic AI（智能体AI）的崛起。当AI从“问答式”转向“任务式”，多智能体调度、工具调用、长上下文管理均成为CPU密集型负载。英特尔数据中心集团技术总监杨锦文透露：“随着生成式AI的需求，CPU和GPU的配比从传统的1:8，慢慢变成1:4、1:2甚至1:1，在强化学习场景中甚至反过来。”国内AI集群CPU:GPU配比已从往年的1:8快速升至1:2，头部智能体项目逐步向1:1靠拢。

中国科学院计算机网络信息中心高性能计算技术与应用发展部主任 金钟认为，AI时代算力呈现全精度发展趋势（双精度、单精度、半精度、INT8、INT4等），在该背景下，CPU是超算系统的核心大脑，具备不可替代的管控与基础计算价值。

一方面，同构超算体系以CPU为核心，典型代表为全球TOP500排名第七的日本富乐超算，采用ARM架构纯CPU同构体系，其承载的九大战略应用领域，均以科学计算为核心基础，完全依托CPU支撑运行。

另一方面，主流的CPU+GPU异构超算体系中，GPU算力占比可达99%以上，仅承担加速计算工作；而CPU全权负责计算任务分配、流程编排、数据流调度、整体任务串联与系统管控，是异构超算有序运行的核心根基，不可或缺。

因此，GPU依旧是密集浮点运算的核心，但CPU正在从“配角”走向“指挥中枢”。

中科曙光的底气：零迁移成本

中科曙光此次发布的新平台，最有价值的突破不在硬件层面，而在软件生态。

高性能计算行业最难迁移的不是硬件，而是数十年积累形成的软件体系与工程流程。工业仿真、材料计算、生物计算等领域的应用软件经过长期深度优化，迁移与重构成本极高。

中科曙光选择了一条务实路径：原生兼容x86生态。

该平台是国内首个原生支持AVX-512指令集的国产通用计算平台。AVX-512已是全球HPC软件生态的事实标准，GROMACS、NAMD等核心科学计算套件均深度绑定其加速路径。

这意味着现有HPC软件无需重新编译或修改源码即可直接运行，用户软件授权、业务流程、工程经验全部保留，实现“零迁移成本”。

在国产化替代浪潮中，这一策略意义深远——它直接解决了“迁移成本高于性能收益”这一核心痛点。

“零迁移成本”策略与英特尔x86生态战略异曲同工，两者在方法论上形成呼应。IDC预测到2030年，全球在网运行的服务器中80%仍将是x86架构，这一庞大生态基础成为CPU阵营最坚固的防线。

系统级能力：超越单一芯片的竞争

中科曙光高级副总裁李斌强调，未来算力产业竞争“不只是单点硬件突破，而是从芯片、系统、平台到应用的全链路协同创新”。

单纯比拼芯片算力已不足以赢得市场，系统级整合能力成为关键胜负手。

中科曙光新一代平台展示了这一思路：计算层引入BurstBuffer缓存加速与SocketDirect通信优化；网络层基于自研scaleFabric高速交换机，端到端时延低至0.93μs；存储层搭载ParaStor F9000实现无阻塞I/O。

散热方案同样体现系统思维——平台提供风冷、冷板液冷、浸没液冷三种形态，其中浸没式液冷PUE值可降至1.04。高密度部署能力和低运维成本，正让国产超算从“可用”走向“更好用”。

英特尔也在走相同路径。CEO陈立武提出的战略核心是“跳出单一部件，转向机架级系统”，发布至强6+处理器的同时，同步推出E835以太网控制器和Crescent Island GPU，构建CPU+GPU+网络+软件的全栈组合。

“CPU重回C位”的真正含义，不是CPU取代GPU，而是算力体系从“单点加速”走向“系统协同”。

正如中科曙光解决方案总经理张磊所言：“GPU负责暴力求解、算得快，核心逻辑部分还是需要CPU，未来二者将并驾齐驱、相互协同。”

中科曙光新一代通用高性能计算平台的发布，恰好在这个关键节点提供了令人信服的注脚。

结论

从产业实践来看，CPU与GPU不存在完全替代关系，未来将长期并存、协同发展，在不同场景各司其职。GPU擅长暴力式快速算力求解，适配通用AI加速场景；CPU核心优势在于高精度计算、逻辑运算，深耕科研与工业核心计算场景。

CPU与GPU的算力版图之争，才刚刚开始。