過去，AI 基礎設施的討論幾乎完全圍繞在 GPU 算力上。然而，隨著具備自主執行能力的 Agentic AI 逐漸升溫，CPU 與氣冷式（air-cooled）基礎設施正重新成為企業資料中心的焦點。
在近期舉行的 Dell Technologies World 2026 大會上，Dell 與 AMD 將 Agentic AI、CPU 需求與氣冷式設備串聯討論，明確標誌了市場方向的轉變，這也說明雖然 GPU 不會退場，但當 AI 工作負載從單純的模型訓練走向推論（inference）與 Agentic AI 後，企業勢必要重新評估 CPU、散熱、電力、資料流與在地部署的整體架構配置。
為什麼 CPU 回溫？Agentic AI 改變了算力需求
《SiliconANGLE》指出，儘管 GPU 長期主導 AI 領域，但 Agentic AI 需要在不同任務之間持續進行協調（orchestration）、資料處理與決策，這些工作其實更符合 CPU 的強項。AMD 資料中心解決方案架構與策略副總裁 Robert Hormuth 在 Dell Technologies World 2026 大會上明確表示：「Agentic AI 具有強烈的目標導向，當你要求它達成某個目標時，它會使用每一種工具、每一種軟體、所有可用的方法去達成這項目標，其中一個步驟可能是呼叫 GPU 以獲得複雜的數學方程式，但其餘的工作則是規劃、檢查、啟動工具、驗證和迭代。」 他強調，圍繞在基礎模型回傳結果之外的大量工作，正是目前推高 CPU 需求的重要因素。
市場數據也印證硬體需求層面的變化。《Tom’s Hardware》引述 Intel 財務長 David Zinsner 的說法指出，資料中心 AI 伺服器的 CPU 與 GPU 部署比例已從過去的 1:8 收斂至 1:4，若工作負載持續轉向推論與 Agentic AI，未來的部署比例可能會達到 1:1，甚至更偏向 CPU。
《Reuters》也報導，AMD 執行長蘇姿丰近期受訪時表示：「整體 CPU 市場的需求明顯高於我們一年前的預期，我會說 CPU 市場現在很吃緊。」 蘇姿丰證實，這波成長正是由 AI 推論與 Agentic AI 所帶動，因為當企業轉向能執行自主功能的系統時，需求便不再只集中於訓練大型模型的 GPU 上。
電力、散熱、雲端成本與資料位置，讓傳統資料中心面臨多重瓶頸
同時，伴隨 CPU 需求回溫的，是資料中心在物理與經濟雙重條件下的嚴峻考驗。在散熱與電力限制上，Dell 在推出新一代 PowerEdge 伺服器時發現，許多企業客戶仍未準備好在資料中心全面導入液冷（liquid cooling）。
Dell PowerEdge 產品管理副總裁 David Schmidt 解釋：「你所處的機櫃環境可能面臨每櫃 15 千瓦（kW）或 20 千瓦的電力限制，我們經常得到這樣的反饋，對我們來說，擁有廣泛的氣冷系統選項非常重要，這單純是一個經濟上的考量。」 對許多企業而言，AI 擴張不是一次性的資料中心大翻修，而是在既有條件下做出的容量決策，因此氣冷系統成為更務實的部署路徑。
在資料位置與成本方面，《Forbes》點出傳統架構備受挑戰的另一個原因。Dell 營運長 Jeff Clarke 指出：「全球 83% 的資料仍位於地端、邊緣或既有基礎設施中，而不是集中在雲端。」 若將這些資料全數送上雲端交給 AI Agent 處理，不僅會產生嚴重的延遲與治理風險，頻寬成本和 token 帳單也會隨之累積。Jeff Clarke 更強調，Agentic AI 會讓推論需求變成連續複利，因為自主系統不會睡覺、不會暫停任務，也不會等到營業時間才運作。
因此，隨著資料中心開始受到瓦數、冷卻液流量（coolant flow）與高架地板結構承載限制等條件制約，傳統資料中心的瓶頸已不單純是 GPU 供給或雲端費用問題，而是 Agentic AI 帶來的 CPU 需求、推論成本、散熱壓力與治理要求。
企業接下來怎麼調整？從搶 GPU 走向硬體與資料流重整
面對上述挑戰，產業界已開始尋找具體的解方與策略調整。在硬體端，《SiliconANGLE》指出，Dell 的回應並非要求企業全面重建資料中心，而是透過新一代系統達到 13：1 的整併率。Dell PowerEdge 產品管理副總裁 David Schmidt 說明：「也就是將 13 台核心機櫃伺服器縮減為 1 台，這將釋放出電力資源與機櫃空間，讓企業可以進一步部署這些 Agentic AI 工作負載。」
在供應鏈方面，《Reuters》指出 AMD 正與台灣供應鏈夥伴合作提高先進封裝與機架級系統的產能，以支撐明顯增加的 CPU 與 AI 基建需求，預期 2027 年及以後還將提供更多產能。
在架構層面，《Forbes》報導 Dell 提出了「從桌邊到資料中心（deskside to data center）」策略，提供從本地 AI 工作站到液冷機架級系統的連續部署，目的是讓 AI Agents 能直接在資料與上下文所在之處運行。「正確的架構決策是將 AI 移向資料，而不是將資料移向 AI，」Dell 營運長 Jeff Clarke 表示，因為 AI Agents 需要直接存取資料檔案，並搭配上下文、協調層、資料血緣（data lineage）與更新追蹤，因此需要搭配新的架構，才能將效益最大化。
最後，針對營運模式，《Forbes》將 Agentic AI 的工作拆解為意圖（intent）、行動（action）與驗證（validation）三個部分。這提醒企業在重配資料中心時，不只要解決算力與散熱，還必須建立能理解、驗證並追蹤 AI Agent 行為的治理架構。
AI 基礎設施的下一階段並不是讓 GPU 退場，而是 CPU、GPU、散熱、資料流與部署位置的重新分工。隨著 Agentic AI 崛起，已讓 AI 基礎建設的焦點，逐漸轉向重新配置 CPU、推論調度、資料流、散熱與在地部署，這也正是當前 CPU 回溫背後，真正影響深遠的資料中心變局。
【推薦閱讀】
◆【蘇姿丰來台開講】AI 競賽才進入「第三局」，看好 Physical AI 成下一波熱潮
◆ 不只拚晶片效能：AMD 宣布台灣逾 100 億美元投資，押注封裝與 AI 機櫃產能
◆ 不想被雲端綁死？拆解 Cohere 新開源 AI 模型如何瞄準企業主權 AI 需求
＊本文開放合作夥伴轉載，資料來源：《SiliconANGLE》、《Reuters》、《Tom’s Hardware》、《Forbes》，首圖來源：Unsplash
