平头哥算力峰会，我在现场听完两场演讲，一场CPU，一场网卡。回来的路上想明白一件事，两场演讲的主角都不是GPU，讲的却都是GPU之外的仗。

先说CPU。以前大模型一问一答，活儿基本是GPU扛。现在跑agent，它得不停循环，推理一步、调个工具、看一眼结果、再走下一步。

调工具、管上下文，全是CPU的活，现场给的数，编码 agent 场景里 CPU 这边要占五成多，它重新回到了 AI 计算的关键路径。

演讲里有个分法我印象很深，他把CPU的活儿分两类。一类贴着GPU干，叫机头，像司机带了个副驾，请求进来先归它预处理，机头慢一步，按小时烧钱的GPU就空等一步。

另一类跟推理脱钩，一个机柜塞几百个沙箱，每个沙箱里一个agent在干活，全不碰GPU。一句话，机头看内存，看能不能搬得快；机房看内存，看能不能装得多。

再说网卡。主讲人一上来先算账，到了推理阶段，往往是通信决定一半以上的性能，可网卡成本在集群里占不到两成。投入产出比最高的一项，是大家最不回头看第二眼的小板子。

他要对付的麻烦有三件，训练推理混跑互相干扰、推理拆两段后数据要跑长途、agent 的容器说来就来等不起铺路。

他报的那张卡叫磐脉920，400G带宽，网卡里内置了一块交换机，自研协议加标准协议两套并行，老集群不用拆了重建，一张一张换就行，业务不停。现场成绩单，千卡训练的数据并行通信耗时降四成多，跨集群吞吐提55%，容器拉起时间最多省九成。

两个过半放一起挺有意思，CPU 那个过半，量的是时间；通信那个过半，量的是性能。合起来就一句话，模型有多聪明，比GPU，agent 把活干得多利索，比的是CPU、内存、网络这些地基。

卡多不等于活好，这个账，行业刚开始认真算。