AI 下半場：CPU 重新定價的新行情
投資主線正從「訓練模型」進入「大規模使用模型」的新階段。而在這個階段，CPU、雲端自研晶片、資料中心效率與推論成本，將變得比 GPU 更具關鍵性。
Spotify Podcast
Apple Podcasts
Intel 財報分析：亮點不在 PC，而是 AI 資料中心
2026 Q1 營收
136 億
年增 7% ↑
DCAI 部門營收
51 億
年增 22% ↑
非 GAAP 毛利率
41.0%
去年同期 39.2% ↑
Foundry 營收
54 億
年增 16% ↑
Intel 各部門營收成長視覺化
CPU 需求復活的背後
AI 服務商對 CPU 需求極強，甚至消化了舊規格庫存。當模型走向「每天被數十億次使用」的推論階段，大量 CPU 成為處理搜尋、程式碼與系統串接的低成本首選。
代工業務的雙面刃
雖然營收成長 16%，但營業虧損仍高達 24.37 億美元。市場關注焦點在於：AI CPU 產生的利潤能否支撐龐大的製造端投資？
Meta 與 AWS 協議：多晶片策略的轉折
Meta 與 Amazon 達成的數十億美元協議，重點在於導入「數千萬個」Graviton 核心來支撐下一代 Agentic AI 工作負載。
-
✔
降低成本 自研晶片節省的成本可直接回饋予 Meta，解決 GPU 過於昂貴的問題。
-
✔
多步驟協調 Graviton5 的快取提升 5 倍，大幅降低核心間延遲，適合 AI 推論。
-
✔
分散供應風險 Meta 採取 Portfolio Approach，不將所有雞蛋放在 Nvidia 單一籃子裡。
-
✔
推論工作專門化 程式碼生成、即時推理、搜尋等任務，正從 GPU 轉移至高效能 CPU。
AI 產業三層結構：投資地圖
LAYER 1
訓練與加速
核心：GPU、高階加速器
關鍵企業：Nvidia (王者)
LAYER 2
基礎設施與推論
核心：CPU、Arm 架構、自研晶片
關鍵企業：Intel, AMD, Arm, Amazon
LAYER 3
雲端平台與應用
核心：Agentic AI、企業級應用
關鍵企業：Microsoft, Google, Meta
關鍵指標與數據對照
產業關鍵數據篩選器
| 項目類型 | 指標/名稱 | 數值 / 狀態 | 成長率 / 備註 |
|---|