📰 研报摘要
查看全文 ➔摘要： 本报告探讨了人工智能范式从预训练向强化学习与 Agentic AI 演进如何驱动 CPU 需求的显著提升。报告指出，在 Agent 场景中，CPU 处理的工具调用、状态管理及沙箱环境等串行逻辑成为系统性能的核心瓶颈，导致 CPU 在运行耗时和能耗占比上显著增加，推动全球 CPU 市场出现涨价与缺货。
行业主线：
- 需求量激增：Agentic AI 推动 CPU 核心需求量爆发，Arm 指出每 GW 数据中心容量的 CPU 核心需求将从 3000 万颗激增至 1.2 亿颗。
- 架构演进与异构化：AI 服务器内部 CPU/GPU 配比提升（如从 8:1 提升至 1:1 或 2:1），并催生出独立于 GPU 集群的 CPU Sandbox 集群需求，以负责 Agent 框架运行与代码执行。
- 资源刚性特征：CPU 负责的控制流任务具有严格因果串行逻辑，无法享受 AI 算法量化与稀疏化红利，性能提升高度依赖硬件规格提升与 Capex 扩容。
关键变化与分歧：
- 价值分配回升：CPU 过去在算力产业链中被边缘化，但随着 Agent 场景普及，CPU 再次成为关键计算资源。
- 架构竞争格局：ARM 架构凭借高核心数与功耗比在云厂商自研芯片中占优；X86 架构则依托成熟生态、虚拟化底座及强单核性能在重度 Agent 任务中保持不可替代性。
受益方向与风险：
- 受益方向：国产 CPU 厂商（海光信息、龙芯中科等）、内存接口芯片（澜起科技等）以及本土服务器 OEM/ODM 厂商。
- 核心风险：ARM 与 x86 架构竞争加剧、先进制程迭代不及预期以及地缘政治风险。