AI时代，被GPU抢尽风头的CPU，或许正在悄悄迎来一场属于自己的爆发。

据追风交易台，5月5日，瑞银全球研究团队发布了一份针对美国半导体行业的深度研报。面对投资者关于“代理式AI将如何影响服务器CPU市场”的密集提问，分析师Timothy Arcuri等人通过一系列行业专家访谈并结合自下而上和自上而下两套模型，得出了一个明确的结论：

市场严重低估了AI时代CPU的价值。服务器CPU的潜在市场规模（TAM），将从2025年的约300亿美元，增长至2030年的约1700亿美元，五年涨幅接近5倍。

在过去两年的AI狂热中，GPU抢走了所有的聚光灯。但随着AI从“单纯的对话生成”进化为“自主执行任务的代理（Agent）”，算力的瓶颈正在悄然转移。

代理式AI重塑算力格局：从“GPU主导”到“CPU回归”

要理解CPU市场的爆发，首先要理解代理式AI与传统AI的工作负载差异。

在传统的AI训练和基础推理阶段，GPU是绝对的主力。如果把AI算力比作一个工厂，GPU就是流水线上不知疲倦的工人，而CPU则是负责分配任务的经理。在传统模式下，一个经理（CPU）可以轻松管理多个工人（GPU）。

但代理式AI改变了游戏规则。代理式AI不仅需要生成文本，还需要进行任务编排、工具调用（例如在沙盒虚拟机中执行代码）、文件检索等。这意味着“经理”的工作量呈指数级上升。

分析师在专家访谈中获取了极具冲击力的数据：

• 工作量重心的转移： 专家指出，“在传统的AI工作负载中，70-80%的算力消耗在推理本身（GPU）上；但在代理式推理中，这个比例反转了，70-80%的工作量转移到了CPU上。”

• 核心配比的暴增： 传统的AI训练中，每个GPU通常只需配备8-12个CPU核心；在基础推理中，需要16-24个核心；而在代理式AI中，每个GPU需要配备80-120个CPU核心。 这相当于，同样一颗GPU，在智能体场景下需要的CPU核心数是传统训练场景的5-10倍。

• 并发任务的压力： “一个代理（及其衍生出的每一个子代理）可能需要1-4个CPU核心，而一个复杂的任务可能需要生成10-100个子代理。”

这种底层逻辑的转变，直接打破了过去“重GPU、轻CPU”的算力架构，为CPU市场打开了巨大的增量空间。

1700亿美元的海量市场

基于上述逻辑，该行分析师对服务器CPU的总潜在市场（TAM）进行了重新测算。结果显示，到2030年，该市场规模将达到约1700亿美元。

这个庞大的数字是如何得出的？分析师采用了“自下而上”和“自上而下”两种方法进行交叉验证：

1. 自下而上（Bottom-up）测算： 分析师基于美国超大云服务商（Hyperscalers）的加速器模型预测，到2027年，市场将出货约2300万个加速器（XPU）和约1000万个头节点CPU。随着代理式AI的发展，到2030年，加速器出货量将达到约4000万个。 更重要的是，CPU与GPU的配比率将从目前的1:4，逐渐向1:2甚至1:1靠拢。此外，由于AI应用需要更高核心数和更高频率的芯片，AI CPU的平均售价（ASP）将显著提升。例如，英伟达的144核Grace CPU定价可能在3000至4000美元之间。量价齐升之下，仅AI CPU市场的规模就将达到1250亿美元。

2. 自上而下（Top-down）测算： 分析师参考了英伟达对2030年AI总潜在市场（3万亿至4万亿美元）的预测。推算出2030年将有约4000万个XPU出货。假设每个XPU的平均ASP提升至3000美元，结合1:1或2:1的CPU配比率，同样推导出AI CPU市场规模在1200亿至2000亿美元之间。

分析师将未来的CPU市场划分为三个核心板块：

• 传统服务器市场： 保持稳定增长，预计到2030年出货量约为4400万台。

• AI头节点（Head Nodes）： 与GPU机架捆绑，主要负责任务编排和优化GPU利用率。

• AI独立机架（Standalone）： 纯CPU服务器，专门用于处理代理式AI的工具调用和子代理并发任务。

市场的饼做大了，关键是怎么分。

分析师明确给出排名：ARM是服务器CPU侧最大受益者，其次是AMD，再次是英特尔——但三者均将受益。

ARM：份额从15%冲向40-45%

2025年，ARM架构在服务器CPU市场的单位份额约为15%。报告预计，到2030年，这一数字将升至40-45%；若以收入口径计算，由于AI CPU的平均售价（ASP）更高，ARM的收入份额将进一步达到50-55%。

ARM的优势在哪里？

该行援引专家观点：ARM架构功耗效率高出约30%，内存效率高出约20-30%，且凭借更小的核心设计，在延迟和成本上具备明显优势。更关键的是，英伟达Grace、AWS Graviton 5（192核）、谷歌等头部超大规模云厂商的自研CPU，几乎清一色采用ARM架构。

该行预计，到2030年，ARM将占据头节点CPU市场75%以上的份额。

但ARM也有短板。报告指出，ARM传统上是单线程架构，同步多线程（SMT）能力是近年才逐步开发的功能；在高核心数场景下，核心间干扰和软件兼容性问题依然是挑战；此外，生态系统成熟度仍有待提升，部分软件栈的完善可能要到2028年前后。

基于上述判断，分析师将ARM的12个月目标价从175美元上调至245美元。截至报告发布前一日（5月4日），ARM股价报203.26美元，维持“买入”评级。

AMD：高核心数+多线程，AI最佳拍档

AMD的优势在于高核心数和多线程能力，这与智能体AI对CPU"又要快、又要多"的需求高度契合。

报告援引AMD在2025年11月分析师日的表态：AMD预计服务器CPU市场将从2025年的260亿美元增长至2030年的约600亿美元，其中AI驱动的CPU将占2030年市场的约50%；AMD预计自身在总市场的份额将超过50%。

分析师目前对AMD 2030年的EPS预测为25.27美元，若市场按预期演进，修正后的2030年EPS可达28.14美元，上行空间约+11%。

英特尔：基础盘稳固，但追赶压力大

英特尔的处境相对复杂。

在传统服务器市场，x86架构仍将保持约85%的份额，英特尔在工具调用、存储优化等特定工作负载上仍具优势。但在AI头节点市场，英特尔的存在感正在被ARM快速压缩。

瑞银指出，英特尔正寄望于"Coral Rapids"产品线来缩小与AMD和ARM的差距，但目前来看，AMD和ARM在AI CPU市场的定位更为有利。

不过，英特尔也有一张独特的牌：PC端的溢出效应。随着智能体AI将更多任务推向本地设备执行（Anthropic的Claude Code已在采用这一策略），PC升级周期有望被催化，英特尔将从中受益。

该行对英特尔2030年EPS的修正上行空间约为+7%，是三家中最低的。

并非所有CPU都一样：延迟vs吞吐量的取舍

报告还深入拆解了一个容易被忽视的细节：智能体AI对CPU的需求，并不是简单地“核越多越好”。

超大规模云厂商在硬件选择上面临一个根本性的取舍：

• 高核心数CPU：总吞吐量高，能效比好，但时钟频率低，延迟表现较差，且软件扩展能力有限（大多数软件无法高效利用数百个核心）

• 低核心数、高频率CPU：延迟低、响应快，适合“头节点”角色（负责编排调度、优化GPU利用率）

实际部署中，超大规模云厂商倾向于采用“头节点+大规模计算节点”的分层架构：前者负责低延迟的编排控制，后者负责高吞吐量的并行执行。

这意味着，能提供宽泛SKU组合（覆盖不同核心数、频率和功耗档位）的厂商，比只押注单一“最强”配置的厂商更有竞争力。

瑞银还指出，超大规模云厂商的采购决策核心指标不是峰值性能，而是每瓦特可处理的事务数（transactions per watt），内存配置是首要设计变量。

云端还是边缘？一个悬而未决的变量

分析师另外提出了一个值得关注的不确定因素：云端与边缘的计算分工。

早期智能体部署几乎完全依赖云端，但越来越多的系统设计开始将计算推向本地设备——5到10个并行任务可以直接在本地文件和数据上运行，既减少了延迟，又节省了云端算力成本。

瑞银援引专家估算：本地执行的扩展，可能将云端智能体工作负载所需的CPU容量减少约25%。

这意味着，智能体AI对数据中心CPU的拉动倍数，最终可能从5-8倍压缩至约4倍。但与此同时，PC端的CPU需求将被同步拉升，AMD和英特尔均将受益。