据《The Information》报道并经 Tom’s Hardware 转述，亚马逊云科技（AWS）今年 5 月与内部工程师开会，明确要求减少“CPU 浪费”，以保证对外客户的算力供给。多名工程师表示，过去几小时就能拿到的实例，现在要等数天；其中一人称，在亚马逊工作多年，从未等过这么久。

显卡不再是唯一瓶颈

过去几年，数据中心的紧缺叙事几乎被 GPU 垄断。但这一轮压力落到了通用处理器身上。

报道称，数据中心里 GPU 与 CPU 的配比正在改变：传统上常见的 8 比 1 或 4 比 1，如今正朝着接近 1 比 1 的方向靠拢。原因指向智能体（AI agent）这一新的工作负载形态。

训练和推理主要吃 GPU，CPU 长期只扮演“喂饱显卡”的辅助角色。智能体则不同：它要按顺序编排多步任务、根据条件分支、频繁调用外部工具、维护中间状态，这些活儿基本都跑在 CPU 上。工作负载结构一变，被长期视作廉价管道的通用处理器，突然成了瓶颈。

AWS 的 EC2 实例同时部署了 AMD、Intel 的处理器以及自研的 Graviton5。Graviton5 是该公司迄今性能最强的自研 CPU，采用 Arm 架构路线。

六成五的实例长期在空转

内部整顿的直接动因，是利用率数据太难看。

报道披露，在 30 天的观测周期内，约 65% 的 EC2 实例平均 CPU 利用率低于 20%，大量计算资源长期处于低负载状态。传统上，工程师习惯为开发环境自行开机器——Web 类基础设施对 CPU 要求本就不高，多开几台虚拟机几乎没有代价。这种习惯在算力宽裕时无伤大雅，一旦供给收紧就成了明显的浪费。

为了精准识别闲置资产，AWS 升级了计算优化工具 Compute Optimizer：自动抓取并分析虚拟机 14 天内的 CPU 占用与读写数据，对峰值 CPU 利用率低于 15%、网络流量长期低迷的实例自动打标，供工程师据此清理。

供给端也在同步扩张。过去一年，该公司新增电力配套容量达 3.8 吉瓦，按报道给出的口径，这一供电规模可满足约 280 万户家庭的日常用电。

智能体正在改写成本结构

算力紧张的另一面，是智能体带来的开销失控风险。报道提到一个案例：上个月，一个编码智能体在亚马逊内部烧掉约 180 万美元的 token 费用，超出开发预算 860%。

这类数字解释了为什么大型企业开始在内部推行算力治理。工具本身单次调用便宜，但智能体会自主发起成百上千次调用，最终账单与传统开发工具完全不在一个量级。

紧缺同样传导到了芯片厂商一侧。AMD 近期发布了面向数据中心的 Zen 6 架构“Venice”系列处理器——这是几十年来该公司首次让新架构在数据中心先于消费级产品亮相。英伟达也把对外叙事从加速卡向新推出的 Vera CPU 倾斜，试图在智能体基础设施这块扩张中的市场里占位。

不过短缺并非全面性的。报道援引一位顾问的说法称，供给紧张主要出现在竞价实例（spot instance）上，签订长期合同的预留容量并未出现短缺。

对普通开发者而言，这轮变化的现实含义相当直白：在智能体大规模进入生产环境的阶段，把 CPU 当作可以随手浪费的廉价资源，这个前提正在失效。

来源：Tom’s Hardware，原始报道来自《The Information》