算力投资新风向：从GPU主导到CPU复兴
当AI智能体被唤醒，其行为模式不再是简单的问答，而是要经历信息检索、任务规划、工具调用、中间推理、再次调用模型直至执行动作的完整链路。这一流程对CPU算力的需求，远超传统的AI对话场景。
国际知名投资机构伯恩斯坦（Bernstein）近期发布研究报告，明确提出AI正从“聊天机器人”时代迈入“智能体”时代。在这一变革中，CPU在数据中心内的角色正在发生根本性转变，将从GPU的辅助者一跃成为核心，其可寻址市场（TAM）预计将在2030年达到2230亿美元，相较于2025年的370亿美元，增长近6倍。
推理工作流重塑，CPU价值重估
在大型语言模型崛起的初期，GPU一直扮演着不可替代的角色。在定制化的推理集群中，GPU与CPU的配比一度达到8:1。然而，随着智能体AI（Agentic AI）的普及，这种格局正被颠覆。
智能体AI的核心特征是“推理循环化”。每一次请求都可能引发复杂的流程，其中GPU负责密集的数学运算，而CPU则负责整个系统的高效编排——包括工作流调度、任务管理、内存分配以及避免昂贵的GPU闲置。一旦CPU性能不足，GPU将被迫等待，导致整体系统效率大幅降低。
伯恩斯坦预测，到2029年，云计算服务商（CSP）推理集群中的GPU与CPU配比将从8:1降至1:1。在智能体AI工作负载中，CPU的计算占比将从传统LLM的14%跃升至50%，与GPU平分秋色。这一趋势已在硬件路线图得到印证：AMD的Venice计算托盘、英伟达的Vera超级芯片以及Google的TPU v7x，都在显著提升CPU的物理配比。这并非预测，而是正在发生的产业现实。
2230亿美元市场：从何而来？
伯恩斯坦将2030年服务器CPU的TAM从先前的1370亿美元大幅上调至2230亿美元，其核心假设包括：
- 2030年AI资本支出将达3.5万亿美元，对应70GW AI数据中心部署。
- AI加速器市场规模为1.6万亿美元，占AI数据中心资本支出的45%。
- 推理场景下的CPU与GPU配比达到1:1，训练场景为0.5:1。
- CPU单价约为GPU的13%。
在这一框架下，2230亿美元的TAM中，有1740亿美元来自智能体AI工作负载，490亿美元来自传统服务器CPU。对比2025年370亿美元的市场规模，这意味着未来五年CPU市场将迎来6倍的增长，年复合增速高达43%，这在半导体行业史上极为罕见。Arm的数据也为这一预测提供了交叉验证：智能体AI每GW需要1.2亿个CPU核心，是传统数据中心的4倍，按此计算，2030年70GW的AI部署需要84亿个CPU核心，与前述模型高度吻合。
Arm：从IP授权到自主造芯，结构性受益者
Arm被伯恩斯坦列为CPU复兴的“结构性受益者”。Arm架构凭借其卓越的能效比，在AI数据中心中日益受到青睐。例如，AWS Graviton相比x86实例，性价比高出40%，功耗低60%。更关键的是，Arm宣布战略转型，计划在2030年实现150亿美元的芯片收入。其首款自主制造的AGI CPU已锁定Meta为首个客户，并与OpenAI、Cerebras等达成合作。基于此，伯恩斯坦将Arm的2030财年EPS上调至11.79美元，并给予500美元的目标价。这也带动了其母公司软银的目标价上调至11,200日元。
AMD、Intel与海光：谁是赢家？
- AMD：在x86阵营中保持领先，预计将继续夺取市场份额。现有模型已隐含较强的CPU假设，目标价上调至600美元。
- Intel：受益于更强劲的服务器CPU需求，盈利预测大幅上调。目标价从65美元上调至100美元。
- 海光信息（Hygon）：伯恩斯坦认为，中国x86 CPU需求将超过全球增速。海光在中国服务器CPU市场的份额将持续扩大，预计到2030年超过35%，客户群正从政府和国企向CSP渗透。目标价从280元大幅上修至450元。
资料来源：伯恩斯坦
市场资讯部点评
伯恩斯坦的报告精准捕捉了AI技术演进从“模型训练”到“智能体应用”的范式转移，其核心洞察在于重构了CPU在算力体系中的战略价值。这份报告为市场提供了一个清晰的判断框架：若认同智能体AI是下一阶段，CPU配置将从“够用就行”重新定价。尽管供给侧产能和预期叠罗汉的风险不容忽视，但其“CPU+GPU”均衡叙事，无疑将引导资金从单一的GPU赛道向更广泛的半导体生态扩散。对投资者而言，关注AI应用落地的实际负载与硬件需求的匹配度，将是未来验证这一逻辑的关键。
