AI投資正從「拼GPU算力」轉向「全棧系統效率」。智能體時代，瓶頸已從算力變為編排：GPU決定能不能做，系統決定能不能賺錢。下一輪超額利潤將加速流向CPU、內存及載板等擴產最慢的供應鏈環節，基礎設施重定價的大幕已然拉開。

AI投資的主敘事正在經歷一次結構性遷移。摩根士丹利最新研究指出，隨着AI從「生成內容」走向「自動執行任務」，下一輪AI基礎設施的增量邏輯將從「單芯片算力競賽」擴展為「全棧系統工程」——GPU依然是核心，但不再獨享預算與溢價。

據追風交易台，摩根士丹利研究部分析師Shawn Kim在報告中直接寫道，「智能體AI標誌着從計算到編排的結構性轉變。」在智能體工作流中，CPU側編排時間可佔總時延的50%至90%，由此推導出到2030年新增325億至600億美元的CPU增量市場空間，並將服務器CPU總TAM推至825億至1100億美元量級。

與此同時，DRAM、ABF載板、晶圓代工、存儲、連接器與被動元件等環節，均將從「配角」躍升為新的瓶頸與利潤池。將在2030年額外催生15至45EB的DRAM需求，規模相當於2027年全行業年供給的26%至77%。

這一判斷對市場意味着：AI資本開支的受益者將從少數芯片巨頭擴散至整條全球供應鏈，下一輪超額收益，可能更多來自那些在智能體工作流中最先成為瓶頸、且最難快速擴產的"使能環節"。隨着瓶頸在不同環節遷移，AI價值鏈的權重分佈隨之改變。

從「生成」到「行動」：智能體把瓶頸從算力推向編排

生成式AI的典型工作流結構相對簡單：用戶請求到達後，CPU完成少量預處理，GPU負責token生成，隨後返回結果。整個鏈路中，GPU是絕對主角，CPU僅承擔輔助功能。

智能體的運作邏輯截然不同。完成一個任務，系統需要經歷規劃、檢索、調用外部工具與API、執行、反思迭代等多個步驟，還涉及多智能體協作、權限管理、狀態持久化與調度等大量「控制面」能力。大摩的核心結論是：智能體帶來的不是更"重"的單次推理，而是更多步驟、更多狀態、更多協調，而這些工作天然更適合CPU處理。

由此帶來兩個直接後果：其一，集群層面CPU與GPU的配比將系統性上升；其二，DRAM從「容量配置項」升格為「性能與吞吐的核心繫統組件」。數據中心的瓶頸將越來越多地出現在內存帶寬、數據搬運、互連時延與系統級協調，而非單純的GPU算力。

CPU配比正在重估：從"1:12"走向"1:2"乃至反轉

過去，"1顆CPU服務約12塊GPU"曾是AI服務器的典型架構描述。但報告指出，隨着智能體工作流變長、工具調用與上下文管理趨於複雜，這一比例正在快速收窄。

以NVIDIA路線圖為例，更新估算顯示：在Rubin平台附近，CPU與GPU的配比已接近1:2；若向Rubin Ultra等更激進形態演進，甚至可能出現2顆CPU對應1顆GPU的反轉配置。即便僅從1:12改善至1:8，對超大規模部署而言，CPU的絕對需求量也將出現量級跳升。

一旦這一方向成立，CPU的需求彈性將從「跟着服務器出貨走」轉變為「跟着智能體複雜度走」，這意味着CPU需求的增長將更具結構性，而非僅僅是傳統硬件換代周期的延續。

CPU TAM重算：2030年825億—1100億美元，增量來自編排

摩根士丹利採用「系統分層」方法，將智能體帶來的CPU機會從傳統服務器更新換代邏輯中剝離，建立三個獨立分析口徑：

• Head Node CPU對應貼近GPU系統的機架控制層，以2030年全球約500萬顆AI加速器、每顆加速器配2顆高端CPU、CPU平均售價約5000美元為假設，對應約500億美元TAM。

• Orchestration CPU覆蓋智能體編排新增需求，包括規劃與調度、工具鏈、RAG管線、KV cache與向量庫相關內存服務、策略與可觀測性等。算額外新增1000萬至1500萬顆CPU、ASP約3000美元，對應300億至450億美元TAM。

• Other CPU涵蓋存儲節點、部分網絡節點等，對應約25億至150億美元。

三項合計，2030年服務器CPU總TAM約825億至1100億美元，其中智能體帶來的增量約325億至600億美元。整個測算的底層錨點是對2030年全球AI數據中心基礎設施銷售額約1.2萬億美元的判斷（2025年約為2420億美元）。

報告同時給出了「上修開關」：若按NVIDIA口徑，2030年AI基礎設施銷售額達到3萬億或5萬億美元，則CPU TAM區間將被整體推至2060億至2750億美元，乃至3440億至4580億美元。這並非基準預測，但揭示了"AI工廠"規模擴張對CPU需求的系統性放大效應。

內存從配角變主線：2030年新增DRAM需求15至45EB

智能體的真正差異化不只在推理能力，更在「可持續的上下文與記憶」。持續上下文、KV-cache、工具調用中間態與併發智能體工作集，CPU側DRAM實質上成為HBM的功能性延伸。

測算模型直接明瞭：新增DRAM需求等於新增編排CPU數量乘以單CPU平均DRAM配置。兩檔假設分別為：新增1000萬顆編排CPU、每顆配置約1.5TB；偏樂觀情形為1500萬顆、每顆約3TB。由此推導出2030年智能體可帶來15至45EB的新增DRAM需求，相當於2027年DRAM行業年供給的26%至77%。

在周期判斷上，報告還注意到一個市場結構變量：多數內存供應商正在與大客戶討論3至5年長期協議（LTA），這可能令定價下行斜率趨緩，並將2027年前的盈利能見度抬高。「內存層級正在成為AI系統的核心變現路徑"——主機DRAM、內存接口芯片、CXL擴展及SSD/HDD分層存儲，都將成為更可持續的價值承接點。

供給越緊的環節越具定價權：ABF載板、代工與使能組件

而真正具備超額收益潛力的，是那些"產能擴得慢、驗證周期長"的使能環節。報告重點點名了以下幾條鏈：

ABF載板：這輪AI驅動的ABF上行周期可能延續至本十年末，2026至2027年附近存在供需缺口風險。僅"CPU TAM擴大"一項，就可能帶來2030年ABF需求5%至10%的上修；其中服務器CPU ABF載板市場到2030年約達47億美元，CPU帶來的增量需求約12億美元。

晶圓代工（尤其先進製程）：CPU代工可服務市場2026年約330億美元，2028年約370億美元。台積電在CPU代工領域的份額預計從2026年約70%進一步提升至2028年的約75%；並預計英特爾可能在2027年下半年開始將服務器CPU外包給台積電。

BMC與內存接口：Aspeed被強調為CPU服務器BMC的核心受益者，其在該細分領域約有70%的市場份額，新一代AST2700平台帶來40%至50%的ASP提升空間；Montage則被置於"內存互連"價值鏈，全球收入份額約36.8%。

CPU Socket與被動元件：報告以Lotes與FIT作為CPU socket的直接映射，測算每增加100萬顆CPU需求，Lotes收入約增加0.6%、FIT約增加0.2%（僅按socket口徑計）。被動元件方面，以"每台通用服務器約30美元MLCC內容量"為簡化假設，推算出2030年額外5億美元MLCC需求增量，約佔屆時全球MLCC市場的2%至3%。

CPU是最清晰增量，但"使能環節"更受偏愛

報告承認智能體工作負載增長將結構性利好AMD的雲端份額，但對AMD與英特爾均維持Equal-weight評級，傾向於通過NVIDIA、博通等「資本開支與token增長更直接映射至盈利」的標的來追蹤智能體主題，同時將估值約束列為重要考量維度。

從更宏觀的框架看，這份報告的核心價值在於將AI的投資範式從「單點算力軍備競賽」升級為「系統效率與瓶頸經濟學」：GPU是發動機，CPU是變速箱與控制系統，內存與互連是油路與底盤——單點極致仍重要，但決定規模化回報的是整車協同。

對產業鏈而言，這意味着AI投資的超額收益來源將更加分散也更為長期：不只來自「最強GPU」，更來自那些在智能體工作流中率先成為瓶頸、且最難快速擴產的環節。能夠持續追蹤的高頻驗證指標包括：新平台BOM中CPU數量與內存配置的上修幅度、雲廠商長期協議簽約節奏，以及ABF載板與先進製程產能的利用率走勢。