计算机行业点评：AI进入新临界点

内容目录一、Agent生持扩张 3二、大辑示Agent对CPU的性求 4三、 Agent驱存需持增长 6四、关的 8风险示 8图表目录图表1：KimiK2.5使用个的agent群完综述 3图表2：KVCache卸得KVCache能从的GPU内中输大且价更的储 4图表3：五代性Agent工负中任延分布 5图表4：五代性Agent工负中任延分布 5图表5：处理LangChain工负时，AMDThreadripperCPU和NvidiaB200GPU的态耗 6一、Agent生态持续扩张近期全球Agent生态进展不断，业界创新频出：大模型公司Anthropic1月28日报道Anthropic180亿美元，而明年将达550亿美元。OpenAIAnthropic映了AnthropicAIClaudeCode月1090AI20281月27日月之暗面发布并开源K2.5模型，最大亮点在于Agent1001500K2.5现场决策。例如给KimiAgent集群投喂40AIKimi先是通过多次调用工具，40Kimiagent负PDF综述。图表1：KimiK2.5模型使用多个角色的agent集群完成综述月之暗面kimi公众号AI助手Clawdbot爆火，展现Agent新形态。第一财经1月29日报道，近期一款名为Clawdbot的AI助手近期从海外火到国内，成为2026AI云厂商火速接入，提供一键部署服务。通俗来说，Clawdbot如同一个线上版“贾维斯”，能接管个人终端几乎所有任务。作为一个免费开源项目，它迅速吸引了大量开发者与从业者参与测试并分享体验。Clawdbot可以帮用户，所有的操作均可通过WhatsApp操控设备自动执行各类任务。Clawdbot甚至带火了苹果Macmini，有不少人为了让Clawdbot24AILoganKilpatrick就是其中之一。Clawdbot的核心设计理念是“本地运行”，它能深度访问用户的电脑系统、文件、应用和聊天MacminiClawdbot“贾维斯”式的未来人机交互体验，为行业打开一扇新的窗口。二、三大逻辑揭示Agent对CPU的刚性需求ChatbotAgent演进，计算负载的重心正在发生微妙的偏移。AgentGPUCPU来处理复杂的逻AgentCPU需求爆发的三大核心逻辑：①Multi-AgentOS调度压力传统的LLMAgentAgent沙盒（Sandbox）需求飙升：Agent执行代码等操作经常需要在隔离的云端沙盒中运行。这些沙盒环境的启动、运行和销毁依赖CPU算力。KVCacheCPU的挑战naddod(KVCache)Transformer推理，但8tokenKVCache本身就可能消耗GBKVCacheOffload）GPU内存中不活跃或暂时未使用的键值数CPUSSDCPUGPU之间的通信带宽远低于GPU内部的HBMKVCache传输和管理时，也需要CPU进行任务的调度，进一步加剧了CPU的负载。NVIDIA2025年9月的一篇技术博客《HowtoReduceKVCacheBottleneckswithNVIDIADynamo》就专门阐述了在长上下文场景下，利用NVIDIADynamo等技术将KVCache卸载到CPU内存的必要性，并指出这是解决HBM瓶颈的关键手段。图表2：KVCache卸载使得KVCache能够从有限的GPU内存中传输到更大且性价比更高的存储Nvidia官网③高并发工具调用带来的CPU算力消耗AgentCPUAgent工作负载中各项任务的延迟数据证明了这AgentCPU进行多线程多进程处理据英特尔与佐治亚理工学院2025年月的论文《ACPU-CENTRICPERSPECTIVEONAGENTICAIAgentCPU相对GPUGPUAgent性能的瓶颈在五大代表性nt工作负载(astackGfmmonanW-).C端的工具处理占延迟的.43.8%~90.6%.(如.ENNS.WolframAlphaAPl.).，而.LLM.HaystackRAG在.Natural.Questions.基准测试中检索耗时.8.0.秒(占总延迟.90.6%)，LLM.0.5秒。图表3：五大代表性Agent工作负载中的任务延迟分布《ACPU-CentricPerspectiveonAgenticAI》，RitikRaj,HongWang,TusharKrishnaGPT-OSS-20BBatchSizeAgentic工作负载的LangchainBatchSize128时，Langchain（数据显示批次大小为128时存在严重的CPU上下文切换瓶颈）。图表4：五大代表性Agent工作负载中的任务延迟分布《ACPU-CentricPerspectiveonAgenticAI》，RitikRaj,HongWang,TusharKrishna在处理inMDTprCPU和ia00GU的动态能耗。BatchCPUBatchSize增加到128时，CPU的能耗（1807Joules）已经非常接近GPU（2307Joules）图表5：处理LangChain工作负载时，AMDThreadripperCPU和NvidiaB200GPU的动态能耗《ACPU-CentricPerspectiveonAgenticAI》，RitikRaj,HongWang,TusharKrishnaDeepSeekEngramDeepSeekEngramTransformerGPU/加1000EngramCPU（小于3）。此外，AnthropicClaudeCoworkClaudeEngramGPUCPU三、Agent驱动存储需求持续增长Agent的执行过程需要记忆以及上下文缓存，对存储带来了巨大需求。三星发布的白皮书《ScalingAIInferencewithKVCacheOffloading》深入探讨了在大型语言模型（LLM）和“代理式AI”（AgenticAI）时代，如何利用SSD进行KVCacheOffloading，以解决GPU显存瓶颈、提高推理性能并降低成本。LLM推理包含预填充（Prefill）和解码（Decode）两个阶段：Prefill阶段：一次性处理完整提示词，生成初始键值对（KVCache），存储在GPU显存中，此阶段以计算为主。Decode阶段：基于KVCache逐token生成输出，以内存访问为主。KV缓存通过复用已计算的键值对，避免重复计算，显著提升推理效率。图表6：LLM推理的Prefill和Decode阶段使用KVCache《ScalingAIInferencewithKVCacheOffloading》，AgentKVGPUKVNVMeSSD。图表7：将KV缓存卸载至SSD等共享存储，可实现跨节点快速恢复《ScalingAIInferencewithKVCacheOffloading》近期美国存储厂商陆续披露亮眼业绩。1222%28.327.5EPS2.83EPS3.23.62.9928至30亿美元间，也完全高于分析师预期的27.9亿美元。希捷科技CEO在公司财报电话会议上表示，2026年的产能已经分配完毕，“我们预计将在2027”CEO“AgenticAIAgent部署在边缘端（”129202630.2561%；GAAP8.03672%；GAAP5.15615%；GAAP50.9%，1