AI時代，被GPU搶盡風頭的CPU，或許正在悄悄迎來一場屬於自己的爆發。

據追風交易台，5月5日，瑞銀全球研究團隊發布了一份針對美國半導體行業的深度研報。面對投資者關於「代理式AI將如何影響服務器CPU市場」的密集提問，分析師Timothy Arcuri等人通過一系列行業專家訪談並結合自下而上和自上而下兩套模型，得出了一個明確的結論：

市場嚴重低估了AI時代CPU的價值。服務器CPU的潛在市場規模（TAM），將從2025年的約300億美元，增長至2030年的約1700億美元，五年漲幅接近5倍。

在過去兩年的AI狂熱中，GPU搶走了所有的聚光燈。但隨着AI從「單純的對話生成」進化為「自主執行任務的代理（Agent）」，算力的瓶頸正在悄然轉移。

代理式AI重塑算力格局：從「GPU主導」到「CPU迴歸」

要理解CPU市場的爆發，首先要理解代理式AI與傳統AI的工作負載差異。

在傳統的AI訓練和基礎推理階段，GPU是絕對的主力。如果把AI算力比作一個工廠，GPU就是流水線上不知疲倦的工人，而CPU則是負責分配任務的經理。在傳統模式下，一個經理（CPU）可以輕鬆管理多個工人（GPU）。

但代理式AI改變了遊戲規則。代理式AI不僅需要生成文本，還需要進行任務編排、工具調用（例如在沙盒虛擬機中執行代碼）、文件檢索等。這意味着「經理」的工作量呈指數級上升。

分析師在專家訪談中獲取了極具衝擊力的數據：

• 工作量重心的轉移： 專家指出，「在傳統的AI工作負載中，70-80%的算力消耗在推理本身（GPU）上；但在代理式推理中，這個比例反轉了，70-80%的工作量轉移到了CPU上。」

• 核心配比的暴增： 傳統的AI訓練中，每個GPU通常只需配備8-12個CPU核心；在基礎推理中，需要16-24個核心；而在代理式AI中，每個GPU需要配備80-120個CPU核心。 這相當於，同樣一顆GPU，在智能體場景下需要的CPU核心數是傳統訓練場景的5-10倍。

• 併發任務的壓力： 「一個代理（及其衍生出的每一個子代理）可能需要1-4個CPU核心，而一個複雜的任務可能需要生成10-100個子代理。」

這種底層邏輯的轉變，直接打破了過去「重GPU、輕CPU」的算力架構，為CPU市場打開了巨大的增量空間。

1700億美元的海量市場

基於上述邏輯，該行分析師對服務器CPU的總潛在市場（TAM）進行了重新測算。結果顯示，到2030年，該市場規模將達到約1700億美元。

這個龐大的數字是如何得出的？分析師採用了「自下而上」和「自上而下」兩種方法進行交叉驗證：

1. 自下而上（Bottom-up）測算： 分析師基於美國超大雲服務商（Hyperscalers）的加速器模型預測，到2027年，市場將出貨約2300萬個加速器（XPU）和約1000萬個頭節點CPU。隨着代理式AI的發展，到2030年，加速器出貨量將達到約4000萬個。 更重要的是，CPU與GPU的配比率將從目前的1:4，逐漸向1:2甚至1:1靠攏。此外，由於AI應用需要更高核心數和更高頻率的芯片，AI CPU的平均售價（ASP）將顯著提升。例如，英偉達的144核Grace CPU定價可能在3000至4000美元之間。量價齊升之下，僅AI CPU市場的規模就將達到1250億美元。

2. 自上而下（Top-down）測算： 分析師參考了英偉達對2030年AI總潛在市場（3萬億至4萬億美元）的預測。推算出2030年將有約4000萬個XPU出貨。假設每個XPU的平均ASP提升至3000美元，結合1:1或2:1的CPU配比率，同樣推導出AI CPU市場規模在1200億至2000億美元之間。

分析師將未來的CPU市場劃分為三個核心板塊：

• 傳統服務器市場： 保持穩定增長，預計到2030年出貨量約為4400萬台。

• AI頭節點（Head Nodes）： 與GPU機架捆綁，主要負責任務編排和優化GPU利用率。

• AI獨立機架（Standalone）： 純CPU服務器，專門用於處理代理式AI的工具調用和子代理併發任務。

市場的餅做大了，關鍵是怎麼分。

分析師明確給出排名：ARM是服務器CPU側最大受益者，其次是AMD，再次是英特爾——但三者均將受益。

ARM：份額從15%衝向40-45%

2025年，ARM架構在服務器CPU市場的單位份額約為15%。報告預計，到2030年，這一數字將升至40-45%；若以收入口徑計算，由於AI CPU的平均售價（ASP）更高，ARM的收入份額將進一步達到50-55%。

ARM的優勢在哪裏？

該行援引專家觀點：ARM架構功耗效率高出約30%，內存效率高出約20-30%，且憑藉更小的核心設計，在延遲和成本上具備明顯優勢。更關鍵的是，英偉達Grace、AWS Graviton 5（192核）、谷歌等頭部超大規模雲廠商的自研CPU，幾乎清一色採用ARM架構。

該行預計，到2030年，ARM將佔據頭節點CPU市場75%以上的份額。

但ARM也有短板。報告指出，ARM傳統上是單線程架構，同步多線程（SMT）能力是近年才逐步開發的功能；在高核心數場景下，核心間干擾和軟件兼容性問題依然是挑戰；此外，生態系統成熟度仍有待提升，部分軟件棧的完善可能要到2028年前後。

基於上述判斷，分析師將ARM的12個月目標價從175美元上調至245美元。截至報告發布前一日（5月4日），ARM股價報203.26美元，維持「買入」評級。

AMD：高核心數+多線程，AI最佳拍檔

AMD的優勢在於高核心數和多線程能力，這與智能體AI對CPU"又要快、又要多"的需求高度契合。

報告援引AMD在2025年11月分析師日的表態：AMD預計服務器CPU市場將從2025年的260億美元增長至2030年的約600億美元，其中AI驅動的CPU將佔2030年市場的約50%；AMD預計自身在總市場的份額將超過50%。

分析師目前對AMD 2030年的EPS預測為25.27美元，若市場按預期演進，修正後的2030年EPS可達28.14美元，上行空間約+11%。

英特爾：基礎盤穩固，但追趕壓力大

英特爾的處境相對複雜。

在傳統服務器市場，x86架構仍將保持約85%的份額，英特爾在工具調用、存儲優化等特定工作負載上仍具優勢。但在AI頭節點市場，英特爾的存在感正在被ARM快速壓縮。

瑞銀指出，英特爾正寄望於"Coral Rapids"產品線來縮小與AMD和ARM的差距，但目前來看，AMD和ARM在AI CPU市場的定位更為有利。

不過，英特爾也有一張獨特的牌：PC端的溢出效應。隨着智能體AI將更多任務推向本地設備執行（Anthropic的Claude Code已在採用這一策略），PC升級周期有望被催化，英特爾將從中受益。

該行對英特爾2030年EPS的修正上行空間約為+7%，是三家中最低的。

並非所有CPU都一樣：延遲vs吞吐量的取捨

報告還深入拆解了一個容易被忽視的細節：智能體AI對CPU的需求，並不是簡單地「核越多越好」。

超大規模雲廠商在硬件選擇上面臨一個根本性的取捨：

• 高核心數CPU：總吞吐量高，能效比好，但時鐘頻率低，延遲表現較差，且軟件擴展能力有限（大多數軟件無法高效利用數百個核心）

• 低核心數、高頻率CPU：延遲低、響應快，適合「頭節點」角色（負責編排調度、優化GPU利用率）

實際部署中，超大規模雲廠商傾向於採用「頭節點+大規模計算節點」的分層架構：前者負責低延遲的編排控制，後者負責高吞吐量的並行執行。

這意味着，能提供寬泛SKU組合（覆蓋不同核心數、頻率和功耗檔位）的廠商，比只押注單一「最強」配置的廠商更有競爭力。

瑞銀還指出，超大規模雲廠商的採購決策核心指標不是峯值性能，而是每瓦特可處理的事務數（transactions per watt），內存配置是首要設計變量。

雲端還是邊緣？一個懸而未決的變量

分析師另外提出了一個值得關注的不確定因素：雲端與邊緣的計算分工。

早期智能體部署幾乎完全依賴雲端，但越來越多的系統設計開始將計算推向本地設備——5到10個並行任務可以直接在本地文件和數據上運行，既減少了延遲，又節省了雲端算力成本。

瑞銀援引專家估算：本地執行的擴展，可能將雲端智能體工作負載所需的CPU容量減少約25%。

這意味着，智能體AI對數據中心CPU的拉動倍數，最終可能從5-8倍壓縮至約4倍。但與此同時，PC端的CPU需求將被同步拉升，AMD和英特爾均將受益。