美銀：AI產業鏈將從「GPU單核驅動」演變為「CPU+GPU雙引擎驅動」

美國銀行（BofA）週四 (11 日) 發布了一份顛覆市場共識的半導體行業報告，核心觀點直指 AI 算力架構正經歷歷史性重構。美銀分析師 Vivek Arya 在報告中指出，隨著代理式 AI（Agentic AI）崛起，CPU 不僅不會被 GPU 邊緣化，反而將迎來過去十多年最大一輪增長週期。

美銀將 2030 年全球服務器 CPU 市場規模預測從原先的 1250 億美元大幅上調至 1,700 億美元，較 2025 年的 352 億美元增長近 5 倍，未來五年複合增長率高達 37%。報告還同時上調了 AMD(AMD-US)、Arm(ARM-US) 和 Intel(INTC-US) 目標股價。報告發布後，半導體板塊應聲大漲：AMD 收漲約 8%，英特爾漲超 9%，Arm 漲近 11%。

AI 正從「回答問題」向「完成任務」質變

過去幾年的大模型，本質上是「問答機器」——用戶輸入問題，模型生成答案，整個過程由 GPU 完成海量並行計算。代理式 AI 的邏輯則截然不同：未來的 AI 需要理解目標、制定計劃、調用工具、檢索信息、執行代碼、管理記憶，並在多個任務之間協調。例如，一個 AI 助手可能需要自動完成查詢航班、比較酒店價格、安排行程、預訂餐廳、撰寫會議紀要併發郵件等一系列操作。

整個過程涉及大量決策、調度和系統管理工作。這類任務並不適合 GPU 擅長的大規模並行計算，而更依賴低延遲、順序執行以及複雜 I/O 處理能力——這正是 CPU 最擅長的領域。

CPU 角色的根本性轉變

美銀報告將未來 AI 數據中心中的 CPU 劃分為三類職能：

第三類需求是本次 CPU 估值重估的核心——這些 Agentic CPU 節點是未來 AI 系統運行的「大腦中樞」，與此前單純為 GPU 輸送數據的角色截然不同。

配比變化是最直觀的市場信號：

傳統訓練階段：CPU:GPU ≈ 1:8，GPU 承擔絕大多矩陣運算

推理階段：CPU:GPU ≈ 1:3~1:4，CPU 負載顯著提升

Agentic AI 階段：CPU:GPU 趨近 1:1，甚至可能出現逆轉

黃仁勳進一步給出量化結論：按每 GW 數據中心需要約 30 萬顆 Rubin GPU 推算，新的 CPU 與 GPU 配比約為 1:1.4。蘇姿丰則更明確，到 2026 年 CPU 與 GPU 的配比將從過去的 1:4 變成 1:1。英特爾 CEO 陳立武甚至做出更為激進的判斷：這比例或將演變至 4:1。

值得注意的是，這並非「CPU 取代 GPU」的故事，而是 AI 基礎設施總需求持續擴張過程中，一個此前被嚴重低估的巨大增量市場正在浮出水面。隨著模型能力提升、Agent 數量增加和工作流複雜度上升，系統內需要處理的任務調度、數據交換和資源管理工作呈指數級增長——CPU 需求與 GPU 需求同步擴張，而非相互侵蝕。

美銀並非唯一上調 CPU 預期的機構，近半年整個賣方市場對 CPU 市場的預測幾乎集體「上修」。綜合各機構預測，2030 年服務器 CPU 市場規模的中樞大約在 1500 億—1700 億美元區間，較當前約 350 億美元的水平增長近 4—5 倍。ARM 公司更給出具體數據：當前 1GW 規模的 AI 數據中心需要約 3000 萬顆 CPU 核心，未來這一數字將增至 1.2 億。

為何代理式 AI 天然需要 CPU？

代理式 AI 對 CPU 的依賴，植根於代理式 AI 工作流與晶片架構的根本性適配：

傳統大模型推理：提示進入 → 模型計算 → 輸出答案（一次「回合制」交互）

代理式 AI 工作流：目標解析 → 工具調用 → 數據檢索 → 多步決策 → 狀態管理 → 執行代碼 → 結果檢查 → 循環迭代

代理式 AI 完成一次任務需要數十次甚至上百次邏輯判斷和工具調用，這些任務串行、依賴前一步結果、需要低延遲響應——這恰好是 CPU 的設計初衷。

英特爾 CEO 陳立武在 Computex 2026 演講中給出一個關鍵數據：與單輪推理相比，一個代理式 AI 的 Token 消耗量最高可增加 1000 倍。這些 Token 並不只是在 GPU 上「計算」出來的，更多是在 CPU 上「調度」和「處理」出來的。

過去，AI 系統優化的焦點是 GPU 的浮點算力（FLOPs），瓶頸在於「算得夠不夠快」。在代理式 AI 時代，瓶頸正在向 CPU 側轉移：

• 處理併發請求的能力
• 任務編排和優先級管理
• KV Cache 的數據調度與管理
• 多 Agent 之間的協同與通信

英特爾的分析指出，優化後的 GPU 推理請求計算量極小，而 CPU 的數倉流水線耗時往往超過 GPU 的前向傳播時間——如今，CPU 的編排效率比 GPU 的原始浮點算力更能決定 AI 推理的實際吞吐量。

輝達 (NVDA-US) 的進入使這場 CPU 之戰從「雙雄爭霸」升級為「四國大戰」。巴克萊認為 AMD 是最大贏家，英特爾是最大輸家，輝達是最危險的新進入者。

CPU 的短缺已經開始傳導至價格端。2026 年 3 月起，英特爾和 AMD 相繼上調全系列服務器 CPU 價格，整體漲幅維持在 10%—15%，部分高端 AI 服務器 CPU 現貨溢價的幅度更大，消費級 CPU 也同步迎來 5%—10% 的漲價潮。

緊缺的深層原因在於先進製程產能瓶頸：台積電 2nm、3nm、5nm 產線上，輝達、蘋果等大客戶已鎖定絕大部分產能至 2027 年；英特爾 18A 製程仍處爬坡期，尚不足以支撐全量供應。

短期與中長期投資

CPU 漲價是當前階段最直接、最可量化的投資抓手。國泰海通研報判斷，未來兩三年 CPU 供需緊張與漲價壓力有望延續，CPU 或將繼 HBM 存儲之後成為下一個「稀缺溢價」環節。從週期節奏看，2026 年下半年至 2027 年，隨著代理式 AI 進入規模部署期，CPU 需求有望進一步加速放量。

代理式 AI 推動算力架構從「GPU 單核驅動」演變為「CPU+GPU 雙引擎驅動」，這一變化將系統性地抬升產業鏈中 CPU 相關環節的價值佔比。華泰證券認為，AI 產業正在從「模型能力驅動階段」進入「算力組織與效率驅動階段」，看好 CPU、近存計算等異構計算新需求。投資機會遍及先進製程製造（台積電、英特爾）、CPU 核心設計（AMD、Arm）、先進封裝（日月光），乃至光互連等配套環節。

CPU 賽道並非沒有風險，主要分歧集中在三個方面：

CPU 與 GPU 的最終配比仍存在較大不確定性。黃仁勳認為這一比例約為 1:1.4，蘇姿豐判斷是 1:1，英特爾 CEO 則大膽預測可達 4:1。AI 系統結構仍處於快速演變中，最終配比的差異將直接決定 CPU 增量市場的實際規模。

大廠自研 CPU 對格局的擾動。微軟、Google、亞馬遜等雲巨頭均在推進自研 CPU 項目，長期看可能減少對英特爾和 AMD 的採購依賴。

中國的供應鏈風險需要獨立審視。除了一般性市場風險，還需考慮地緣政治壓力下的先進製程獲取受限，以及代工生態的客觀差距，對本土 CPU 企業的長期競爭力構成不確定性。