📋 全文总结 本次汇报围绕“Agentic AI时代异构计算架构的崛起”这一主题展开，核心观点是： AI正从以LLM和GPU主导的第一阶段（2023-2025年）过渡到以Agentic AI驱动、异构架构为特征的第二阶段（2026年起），不同种类的芯片将在特定应用场景中发挥各自优势，而英伟达通过前瞻性收
- 自2023年起，AI驱动的第五次工业革命开启，将前四次工业革命的成果（能源、数据、芯片、互联、内存等）浓缩于一体。
- 黄仁勋提出的“AI五层蛋糕”概念：底层为能源与芯片基础设施（GPU、CPU、内存、互联、液冷等），中层为模型训练，上层输出Token（推理结果）。Token本身已成为有收入的产出，而非无回报的投入。
- 2023-2025年（第一阶段）： 以LLM和GPU为主导，强调高吞吐量的训练，GPU被视为“one size fits all”的AI芯片，主要依赖英伟达的三大壁垒：高性价比算力、NVLink互联生态、CUDA软件生态。
- 2026年起（第二阶段）： Agentic AI商业化元年到来，硬件需求从单一转向多元。黄仁勋在CES（6种芯片）和GTC（7种芯片）上展示了英伟达异构平台战略，标志着异构计算架构的崛起。每类芯片具备最佳适配的应用负载。
- GPU： 仍为高吞吐量训练与推理的最佳选择。
- CPU（GPU + CPU协同）： Agentic AI需要更多串行计算与任务统筹，CPU因此迎来“文艺复兴”。英伟达推出Vera CPU，可独立部署或与内存、网络安全等工作协同。
- GQ（LPU）： 英伟达于2025年12月收购GQ公司，推出针对极低延迟推理的GQ LPU芯片，专为Agentic AI的decode环节设计。其核心优势有二：① SRAM内存（片上内存，速度远快于HBM），每颗芯片集成500MB，256颗并联共128GB；② 编译器主导的确定性时延，数据从A到B的时间精确可控，进一步加速推理。
- Google对标方案： 推出第八代TPU（分为训练与推理专用版本）、Arm架构CPU（对标Vera CPU）、以及与Marvell合作的MPU（Memory PU，对标GQ LPU）。Google拥有涵盖云、芯片、软件、模型、应用的“全栈王国”优势。
- Arm架构： 英伟达（Vera CPU）和Google（Axion CPU）均采用Arm架构，低功耗优势突出。
- x86架构： 英特尔与AMD紧随。英特尔制程已追赶至18A（相当于2nm，含RibbonFET与PowerVia技术），有望承接台积电外溢的先进封装与晶圆代工需求。英伟达与Google均已参股或合作英特尔，x86 CPU在AI时代有望重新获得席位。
- 科技巨头的资本开支仍在持续攀升，硬件投资未见停歇。
- Agentic AI推动芯片种类百花齐放，英伟达的异构平台战略不仅旨在延续第一阶段GPU的主导地位，更力求在第二阶段定义并主导整个AI计算生态。
- GPU： 仍为高吞吐量训练和推理的最佳选择。
- CPU： 迎来“文艺复兴”。Agent越多，需要统筹的事情越多，CPU在串行计算和任务统筹方面重新占据重要席位。英伟达推出Vera CPU，可独立部署，也可与内存、网络安全等工作协同。
- 互联芯片： NVLink、ConnectX、Spectrum等，都是围绕数据中心互联，缩短数据在芯片之间的传输时间，提升算力。
- GQ LPU： 专门针对Agentic AI的极低延迟推理。Agentic AI今年才是商业化元年，英伟达已非常前瞻性地布局了这一时代。