每年八月的 Hot Chips,都是观察芯片架构演进的风向标。但 2026 年这场会议传递的信号,早已超出单颗芯片的性能范畴。 两天几十场演讲,英伟达、英特尔、AMD、博通、谷歌、Meta、三星等行业玩家悉数登场,亮出最新技术路线与产品规划。 整场看下来,最核心的转向只有一个:AI 基础设施正在从GPU 中心走向系统中心,制约系统性能的天花板,早已不是单颗芯片的计算速度,而是数据能否高效地在裸片之间、机柜之间、数据中心之间流动。 本文顺着这条主线展开:拆解计算端如何围绕新约束自我改造,真正的行业瓶颈如何显形,需求边界又在向哪里延伸;最终归纳产业链价值迁徙的三个方向,以及各环节标的的核心逻辑。 会议上半场的三大热点 ——CPU 角色、功耗约束、封装架构,表面上是三个独立的技术方向,底层却指向同一个目标:让数据走最短的路径、耗最少的能量,最大限度减少数据搬运的损耗。 CPU 从算力配角,变身 AI 工作流编排器1. CPU 从算力配角,变身 AI 工作流编排器 英伟达提出,Agentic AI 本质是工作流问题,不只是算力问题,最新的 Vera CPU 就围绕单核 Agent 性能、数据处理与 I/O 专门优化; 英特尔的 Wildcat Lake 用 NPU 加 CPU 核心承载 AI 编排任务; 富士通 Monaka 处理器直接定位「绿色 AI 数据中心」核心。 获胜的 CPU 不再是裸算力最强的那款,而是最擅长调度海量 AI 工作流、统筹数据搬运的。 目前 Arm 架构在 AI 平台主机 CPU 中的份额已超 60%,其 AGI 平台推进到 136 核、千亿级晶体管规模,英伟达 Vera 采用定制 Arm Olympus 核心,富士通 Monaka 同样基于 Arm 架构。 这轮 CPU 角色的复活,本质是 Arm 授权模式 + 定制化设计在 AI 机柜内的份额扩张,受益