GPU等AI芯片短缺早已成为行业共识，而近期市场上又出现了CPU供应趋紧的信号。业内认为，这一变化可能使软件行业面临新的基础设施瓶颈。

Anthropic平台负责人 Caitlin Rese 表示，在CPU供应承压的情况下，软件开发团队需要把重点放在提升软件栈和基础设施效率上，而不是继续默认CPU资源可以随时从云端获得。

Caitlin Rese 近日在社交平台X（原Twitter）发文称，过去企业通常只需要提前规划数据库或GPU资源，CPU则可以在需要时即时从云端租用；但如今，CPU资源也需要提前锁定。对于运营大规模软件系统的团队而言，CPU供应紧张已经成为基础设施规划中必须提前纳入的变量。

据 Caitlin Rese 介绍，当前服务器订单交付周期已由过去的1至2周延长至6个月，价格自3月以来也上涨了10%至20%。她预计，供应紧张的局面还将持续数个季度。

在 Caitlin Rese 看来，推动这一变化的核心因素之一是AI代理。AI代理需要不断循环获取上下文、调用工具并解释结果，会话持续时间越长，对CPU资源的占用就越高；而在执行代码或操作浏览器时，还需要沙箱或容器等运行环境进一步提供支撑。

Caitlin Rese 还提到，Intel在财报电话会上曾表示，AI数据中心中GPU与CPU的配置比例已从8:1降至4:1，随着代理型工作负载增加，未来甚至可能进一步接近1:1；AMD也表达过类似看法。

从供给端看，问题更为复杂。逻辑芯片主要由台积电（TSMC）生产，Intel和Samsung Electronics紧随其后；存储芯片则主要由SK hynix、Samsung Electronics和Micron主导。在AI需求激增的背景下，如果没有持续数年、规模达数百亿美元的资本投入，这些企业很难在短期内显著扩充产能。

Caitlin Rese 表示，TSMC的产线资源本就有限，GPU、CPU以及Apple、Qualcomm、Broadcom等厂商的产品都在争夺同一制造资源；SK hynix、Samsung Electronics、Micron面临的约束也类似，HBM与常规DRAM之间同样存在晶圆资源分配竞争。

从CPU厂商自身情况来看，AMD没有自有晶圆厂，产能依赖TSMC分配；Intel虽然拥有晶圆厂，但正面临良率问题，同时还将部分PC芯片产线转向服务器芯片。与此同时，DRAM产能持续向HBM倾斜，也进一步推高了DRAM价格。

Caitlin Rese 认为，未来数个季度内，CPU供应紧张仍难看到明确的缓解路径，这将成为软件开发团队必须正视的重要变量。围绕应对思路，她将建议概括为四点。

第一，尽快梳理哪些场景对CPU资源“不可替代”。她指出，一些需要隔离运行的工作负载无法与其他租户共享硬件，资源使用效率因此更低；还有部分工作负载必须部署在特定地区或特定区域（Region），或者依赖特定机型。团队需要尽早摸清这些约束，并据此优化资源安排。

第二，尽可能缩短从服务器到货到正式上线的周期。Caitlin Rese 表示，服务器到位并不代表问题已经解决，从搭建新集群到承载真实业务，往往还需要数天甚至数月时间。准备流程是否高效，将直接影响资源投放速度。

第三，优先检查现有基础设施的利用率。她称，从整个行业来看，Kubernetes环境中的平均CPU利用率仅约10%。原因在于，许多团队会按照预估峰值预留大量冗余资源，但之后很少重新校准最初的估算，因此其中仍存在相当大的优化空间。

第四，提升软件栈本身的效率。Caitlin Rese 表示，不仅API服务层需要通过代码和架构优化来降低CPU消耗，AI代理层同样如此。随着代理型应用规模扩大，软件层面的效率改进将变得愈发关键。