ARM CEO：智能体AI或将推动CPU核心数攀升至512个，GPU-CPU配比不再重要

智能体AI（Agentic AI）的崛起正在引发半导体行业对AI系统架构的重新审视，其中GPU与CPU的角色平衡成为焦点。Arm首席执行官Rene Haas在近期一次公开谈话中指出，随着自主决策型AI工作负载的普及，CPU可能会在核心数上迎来爆发式增长，甚至达到512核级别，而传统的GPU与CPU硬件配比将不再是一成不变的黄金法则。

Haas透露出这一判断的核心逻辑在于，智能体AI需要持续感知环境、进行多步骤推理并做出实时决策，这类任务高度依赖串行处理能力和低延迟响应，而这些恰恰是CPU的擅长之处。虽然单个芯片内的CPU数量未必会压倒GPU，但在整个系统层面，CPU核心的总规模正显著膨胀。他强调，“从核心数的角度看，CPU完全有可能超过GPU”，这意味着数据中心和边缘节点的算力架构将出现新的设计范式。

这一观点呼应了业内对于AI基础设施过度依赖并行计算单元的担忧。以往的大模型训练和推理几乎完全由GPU主导，GPU-CPU的典型配比如1:2或1:4曾被广泛采用。但随着具备独立规划、工具调用和记忆功能的智能体应用兴起，计算管线的异构化需求变得愈发明显，CPU需要处理复杂的控制流、缓存管理以及与外界的频繁交互，单纯的GPU堆砌难以满足端到端的性能要求。

512核CPU的构想尽管听起来有些极端，但Arm早已在多核互联和能效比上积累了充足的技术储备。其Neoverse平台针对云原生和边缘场景推出的架构已在不断拉高核心数上限，而移动端big.LITTLE和DSU动态共享单元的设计思想也可向服务器端迁移。Haas暗示，未来的Arm服务器CPU很可能会在单一封装内集成数百个高性能核心，同时保持合理的功耗，从而在智能体AI时代扮演比以往更核心的调度和决策角色。

行业观察人士指出，这一趋势将进一步模糊GPU与CPU的传统分工边界，系统设计将从以GPU为中心转向以数据流和决策路径为导向。当CPU核心数达到512这样的数量级，AI系统的弹性、可编程性和整体拥有成本都可能发生质变，而Arm架构凭借其授权模式与生态灵活性，有望在这一轮重新平衡中占据关键位置。