近日有消息披露，亚马逊云内部在今年5月就向工程团队发出过资源警报，要求全力压缩CPU计算资源的使用，这一情况直到近期才被媒体关注到。据内部工程师透露，以往申请CPU服务器，数小时内就能完成调配，如今却需要等待数天，这种延迟在他们的职业经历中从未出现过。
造成这一现象的主要原因是AWS为优先满足外部客户的算力需求，开始逐步关停此前用于软件开发、目前处于闲置状态的虚拟服务器。这一举措进一步压缩了内部团队的资源使用空间，导致服务器申请的排队时间大幅延长。
当前，GPU短缺问题尚未得到有效缓解，CPU又成为新的资源瓶颈。据AI咨询机构Elendil Labs分析，这一轮CPU资源紧张与AI代理应用的快速普及密切相关。企业客户在引入AI代理后，人均IT支出翻倍，几乎所有业务环节对CPU的需求都显著增加。在AI开发流程中，CPU同样扮演着不可或缺的角色。例如在模型训练阶段，数据准备工作仍需依赖CPU从文件、影像等原始资料中读取信息。有行业分析指出，AI代理在执行任务时，对云端资源的调用量较以往大幅上升，形成了持续性的CPU需求压力。
芯片厂商的最新表态印证了这一趋势。英特尔CEO陈立武在4月曾表示，AI推理场景中CPU与GPU的使用比例约为1:4，而到7月，英特尔CFO透露该比例已迅速接近1:1。AMD与Arm的高管近期也做出类似判断，显示CPU需求的增长速度超出行业预期。
随着AI应用场景的不断拓展，CPU正从技术周期中的辅助角色，转变为兼具需求增长与价格提升潜力的核心环节。这一转变不仅体现在资源分配优先级的变化上，更反映在芯片厂商的产品规划与市场策略调整中。
