AI算力的下一站，是GPU与CPU的深度融合。Nvidia 50亿美元入股Intel，开启了x86架构与CUDA生态协同的新纪元。数据中心定制x86 CPU、PC端集成RTX GPU的x86 SoC——信达证券认为，GPU-CPU深度耦合将重塑AI算力架构，全产业链迎来重估机遇。
为什么GPU-CPU协同如此重要？
在AI训练和推理中，CPU和GPU各有分工：
- CPU： 负责调度、预处理、控制流管理
- GPU： 负责大规模并行计算（矩阵乘法、张量运算）
两者的高效协同是AI算力最大化的关键。当前主流的AI服务器架构中，CPU和GPU来自不同厂商（如Intel CPU + Nvidia GPU），虽然通过PCIe等标准互联，但在指令集、内存管理、调度算法等底层仍存在效率损耗。
Nvidia+Intel的合作模式： 英特尔为英伟达AI基础设施平台定制x86 CPU，实现从底层指令集到上层应用的全栈优化，有望大幅提升AI服务器的协同计算效率。
Nvidia+Intel合作架构——双线并进
数据中心线：定制x86 CPU for AI
- 英特尔为英伟达AI基础设施平台定制x86 CPU
- 针对AI工作负载优化指令集和内存架构
- 实现GPU与CPU的深度耦合
PC线：集成RTX GPU的x86 SoC
- 英特尔推出集成RTX GPU的x86 SoC
- 终端侧RTX GPU集成方案
- 有望加速AIPC渗透率提升
投资细节： 英伟达投资50亿美元于英特尔，每股价格23.28美元。
战略意义——生态融合的三重效应
效应一：算力协同升级。 x86与GPU的深度耦合将进一步提升AI服务器的协同计算能力。定制化CPU针对AI工作负载优化，减少CPU-GPU之间的通信延迟和内存拷贝开销。
效应二：生态壁垒强化。 CUDA与x86指令集的融合将推动AI模型跨平台无缝部署。英伟达的CUDA生态（超过400万开发者）与英特尔的x86生态（全球数十亿设备）的结合，将构建难以逾越的竞争壁垒。
效应三：AIPC加速渗透。 终端侧RTX GPU集成方案有望降低AIPC的成本和功耗门槛，推动AI PC从高端市场走向主流市场。AIPC渗透率提升将拉动PC产业链（CPU、GPU、主板、散热、存储、PCB）的全面升级。
产业链重估机遇
GPU相关： 英伟达（CUDA生态+RTX GPU），估值尚未充分反映协同红利
CPU相关： 英特尔（x86生态+定制CPU），有望受益于AI服务器份额提升
PCB/CCL： AI服务器和AIPC对高端PCB需求提升（沪电股份/胜宏科技/生益科技）
散热： AI芯片功耗提升拉动散热需求
存储： AI PC和AI服务器对DDR5/HBM需求增长
GPU-CPU深度协同正在开启AI算力架构的新纪元，全产业链的重估机遇值得重点关注。
