到2030年，CPU總潛在市場規(guī)模將新增325億至600億美元，而服務器CPU總潛在市場規(guī)模將超過1000億美元。

摩根士丹利在其最新研究報告中指出，人工智能的下一階段不再僅僅關乎更快的GPU。隨著人工智能從單任務生成轉向自主的多步驟“智能體”系統(tǒng)，其經濟價值正轉移到更廣泛的基礎設施層面，CPU和內存正成為新的瓶頸。

這一轉變標志著人工智能結構從原始計算轉向編排。雖然GPU需求依然強勁，但如今每次模型調用都需要更多的協(xié)調、持久內存和系統(tǒng)級處理，這使得人工智能的支出范圍不再局限于加速器?！爸悄荏w人工智能將應用范圍擴展到GPU之外，CPU成為多步驟工作流和系統(tǒng)編排的控制平臺，”報告指出。

摩根士丹利通過一個全新的框架量化了這一機遇，該框架評估了新增的計算和內存需求。CPU端編排可占代理系統(tǒng)總工作負載延遲的50%至90%，從而顯著提升通用計算強度。該券商預計，到2030年，CPU總潛在市場規(guī)模將新增325億至600億美元，而服務器CPU總潛在市場規(guī)模（TAM）將超過1000億美元。在內存方面，代理工作負載到2030年可能帶來15至45艾字節(jié)的額外DRAM需求，相當于2027年DRAM年供應量的26%至77%。

AI集群的架構也在發(fā)生變化。智能體工作負載依賴于以CPU為中心或混合的設計來管理推理、工具執(zhí)行和內存編排，從而提高了集群層面的CPU與GPU比例。內存不再是被動存儲，而是支持持久上下文和持續(xù)學習的主動系統(tǒng)組件。這推動了CPU、DRAM以及更廣泛的基礎設施堆棧（包括代工廠產能、ABF基板和互連層）的內容增長。

投資影響廣泛且遍及全球?！半S著系統(tǒng)復雜性的增加，供應受限的賦能者（晶圓代工、ABF、BMC、互連）將獲得巨大的經濟效益，”摩根士丹利表示。受益者涵蓋整個技術?！狢PU供應商、內存供應商、存儲公司、先進封裝和基板供應商、晶圓代工廠、設備制造商和服務器制造商。簡而言之，人工智能領域的投資范圍正在從加速器擴展到所有為智能代理系統(tǒng)提供支持的各方。

該公司預計，未來五年內，人工智能智能體的興起將重新定義基礎設施的優(yōu)先事項。隨著企業(yè)部署能夠規(guī)劃、推理并與外部工具交互的智能體，數(shù)據(jù)中心架構需要重新優(yōu)化，以實現(xiàn)協(xié)同工作，而不僅僅是追求峰值計算能力。這使得低延遲互連、高帶寬內存和彈性代工供應鏈的重要性日益凸顯，而這些領域本身就面臨供應緊張的局面，并且很可能需要支付更高的價格。

展望還表明半導體行業(yè)正在經歷重新平衡。盡管英偉達和其他GPU領導者仍然占據(jù)核心地位，但新增收入的重心正在向CPU廠商和內存供應商轉移。摩根士丹利預測，到2030年，編排型CPU將開辟一個價值825億至1100億美元的數(shù)據(jù)中心市場，其中代理工作負載將貢獻大部分新增增長。

對于投資者而言，這份報告強調，擁有最好的加速器已不再足夠。“這一轉變的受益者是全球性的全棧企業(yè)，”報告指出，這預示著人工智能投資領域將更加廣闊和多元化。隨著智能體人工智能規(guī)模的擴大，能夠提供端到端系統(tǒng)效率而非單一解決方案的企業(yè)將成為最終贏家。

報告指出，從生成式人工智能向智能體人工智能的過渡仍處于早期階段，但所需的基礎設施建設將比第一階段更加復雜且資金密集。如果執(zhí)行速度跟上步伐，未來五年內，CPU和內存可能與GPU并駕齊驅，成為人工智能相關半導體收入增長的主要驅動力。（ANI）

這種結構性轉變的背后，是智能體AI與生成式AI的本質差異——前者從“被動響應指令”升級為“主動完成任務”，需要圍繞目標自主規(guī)劃路徑、調用工具、驗證結果并迭代優(yōu)化，這種多步驟閉環(huán)流程對算力協(xié)同的要求遠超單一的模型生成。實測數(shù)據(jù)顯示，在金融異常檢測、AI代碼生成等典型場景中，CPU負責的調度、驗證等操作耗時已超過GPU的推理耗時，若CPU資源不足，昂貴的GPU將長期處于閑置狀態(tài)，嚴重降低整體算力利用率。

*聲明：本文系原作者創(chuàng)作。文章內容系其個人觀點，我方轉載僅為分享與討論，不代表我方贊成或認同，如有異議，請聯(lián)系后臺。