正如我们今年早些时候探讨过的《世界模型》，接下来几周我们将在播客中推出一系列关于CPU计算和沙箱产业的短期专题，正是时候解释背后的原因。

近期有几条重要动态：

  • Noam Brown指出：“推理计算是一种战略资源，目前被低估。”
  • Sam Altman表示：“在很大程度上，我们现在必须成为一家AI推理公司。”

单独看这些言论似乎是对GPT 5.5模型成功发布的正常反应，但结合背景来看，这标志着一个值得高度关注的转折点，读者们若尚未重视，应当引起警觉。

此次观点的直接触发点是英特尔CEO谭立布在第一季度财报电话会议中公布的CPU计算需求数据（非GPU）：

Image

虽然英特尔CEO有激励推动CPU需求增长的动机，但数据并非无据：

Image

我们在《SemiAnalysis》播客中也讨论过这一趋势（经编辑整理）：

Doug：我们正处于COVID五到六年刷新周期的尾声。2020-2021年间，CPU采购高达千亿美元级别。通常会有一次大规模芯片更新，但这次大家几乎把所有预算都投入到了GPU上，极力投资AI，而CPU仅做维护性资本支出。讽刺的是，所有Claude Code相关软件都运行在CPU上，预计CPU利用率将持续上升，强化学习等应用也大量依赖CPU模拟软件。虽然规模不及GPU，但趋势明显，我们可能会因刷新周期出现CPU短缺。

swyx：是的，生产代理也需要计算资源，强化学习模型和OpenClaw等都消耗更多计算，虽然增长曲线不同，但方向一致。

Doug：这是一条上升曲线，过去两年在这方面的投资严重不足。

此外，在英伟达GTC大会上，黄仁勋的主题演讲也强调了推理的转折点：

AI现在必须思考、行动、阅读和推理，而这一切都依赖推理计算。推理时代已经到来，所需计算量增长了约一万倍。过去两年，计算需求增长了百万倍，使用量增长了百倍。我们正处于一个正向的良性循环，推理转折点已经到来。

推理转折不仅推动了CPU需求，也重塑了GPU工作负载。预填充/解码分离已成常态，英伟达收购Groq，英特尔与Sambanova合作，亚马逊也加入了类似Cerebras的阵营，OpenAI和Cognition此前已布局此类技术：

Image

以下为2026年4月28日至29日的AI新闻摘要，我们监测了12个子版块、544个Twitter账号，无新增Discord频道。更多内容可访问AINews官网。

AI Twitter综述

编码代理转型为平台：Codex、Cursor SDK与VS Code的升级

  • OpenAI正将Codex从编码工具转变为通用工作平台，扩展了持久上下文、工具集成和团队部署，支持研究综合、电子表格和决策跟踪等知识工作。针对企业客户推出了免座位费的Codex专用席位，并新增Supabase和Figma插件集成。
  • 性能优化从模型延迟转向代理循环系统工程，OpenAI通过WebSocket模式提升代理工作流速度达40%。VS Code也推出了跨工作区语义索引、跨仓库搜索、聊天会话洞察等功能，强调内存、检索和工具编排的重要性。
  • Cursor推出SDK，开放运行时和模型供CI/CD、自动化及产品内嵌代理使用，标志着从基于席位的IDE产品向可编程代理基础设施转变。

代理框架工程、LangGraph/Deep Agents与生产级AgentOps

  • 代理框架成为关键优化层，研究显示框架演进可显著提升性能，如Agentic Harness Engineering在十次迭代中将Terminal-Bench 2的pass@1从69.7%提升至77.0%，超越人类设计的Codex-CLI基线。
  • LangChain推出Deep Agents产品线，支持模型特定的框架调优和低代码部署，强调开放框架、开放评估和开源模型组合的重要性。
  • Cloudflare推进“代理即软件”理念，使代理能够成为Cloudflare客户，自动创建账户、注册域名和启动付费计划，体现供应商开始将业务流程直接暴露给代理。

模型发布与基准测试：Mistral Medium 3.5、Granite 4.1、Ling-2.6及开源模型价格压力

  • Mistral Medium 3.5引发热议，被视为128B密集模型，支持本地64GB内存运行，主打企业级可靠性和指令遵循。
  • IBM Granite 4.1发布30B、8B、3B三款开源模型，强调开放性和令牌效率，适合企业和边缘部署。
  • 开源模型竞争加剧，Ant OSS的Ling-2.6-flash为107B MoE模型，MIT许可，表现优异。腾讯混元发布Hy-MT1.5-1.8B翻译模型，支持33种语言和1056种翻译方向，采用1.25位量化技术。
  • 市场价格快速下降，如Qwen 3.5 Plus每百万输出令牌3美元，MiMo-V2.5 Pro在Code Arena表现出色。

推理、内核与MoE系统：FlashQLA、Blackwell上的vLLM、torch.compile及GLM-5服务

  • 阿里巴巴推出FlashQLA高性能线性注意力内核，针对小模型、长上下文和张量并行优化，定位于个人设备上的代理AI。
  • vLLM与Blackwell协同设计实现显著吞吐量提升，DeepSeek V3.2达到230令牌/秒，支持NVIDIA HGX B300无服务器推理。
  • 工程师分享模型与GPU之间的“中间层”细节，torch.compile解析了推理优化路径。John Carmack提醒GPU库性能高度依赖路径，存在显著性能波动。
  • Zhipu AI发布GLM-5服务后分析，解决KV缓存竞争和同步问题，预填充吞吐量提升132%。

研究信号：知识探测、Web代理基准、多模态与科学基础设施

  • 不可压缩知识探测（IKP）研究显示，基于1400个问题、188个模型和27个厂商的事实知识准确率与模型规模呈强对数线性关系，表明事实知识容量不会随时间压缩，黑盒评估仍能泄露架构规模信息。