撰文：潮向研究

当一个 AI 智能体被唤醒，它不是在等待一个答案，它要检索信息、规划步骤、调用工具、推理中间结果、再次调用模型、最后执行动作。这一整套流程需要的 CPU 算力，远远超过 ChatGPT 弹出一段对话。

伯恩斯坦（Bernstein）分析师 David Dai 领导的团队在 6 月 17 日发布了一份名为《全球半导体：CPU 复兴？》的报告，核心判断是：AI 正从聊天机器人（chatbot）时代进入智能体（agentic AI）时代，CPU 在数据中心内的角色从 GPU 的配角变为主角，推动服务器 CPU 可寻址市场（TAM）在 2030 年达到 2230 亿美元，是 2025 年 370 亿美元的 6 倍。

推理不再是“一次问答”，CPU 正在翻盘

自大语言模型崛起以来，GPU/AI 加速器一直是 AI 计算的核心。在定制推理集群如 Google TPU v6e 和 Meta Grand Teton 中，GPU 与 CPU 的配比一度达到 8：1。

但伯恩斯坦认为，随着 agentic AI 成为主流，这个比例正在逆转。

Agentic AI 的核心特征是"推理循环化"：一次请求可能触发检索、规划、工具调用、中间推理、再次模型调用、执行动作，GPU 负责密集数学运算，但 CPU 决定整个系统能否高效编排工作流、调度任务、管理内存和避免加速器闲置。如果 CPU 太弱，昂贵的 GPU 会被迫空等，系统整体效率大幅下降。

伯恩斯坦预测，到 2029 年 CSP 推理集群中的 GPU：CPU 配比将从 2025 年的 8：1 回落至 1：1。在 agentic 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。

报告特别指出，硬件路线图已经在印证这一方向。AMD 新一代 Venice 计算托盘每颗 CPU 配 4 颗 MI455X GPU，英伟达 Vera 超级芯片每颗 Vera CPU 配 2 颗 Rubin GPU，Google TPU v7x 扩展单元每颗 CPU 配 4 颗 TPU。CPU 的物理配比已经在回升，这不是预测，而是正在发生的事实。

一个 2230 亿美元的市场怎么算出来的？

伯恩斯坦将 2030 年服务器 CPU TAM 预测从此前的 1，370 亿美元大幅上调至 2，230 亿美元，基于以下核心假设：

• 2030 年 AI 资本支出达 3.5 万亿美元，对应 70GW AI 数据中心部署
• AI 加速器市场规模 1.6 万亿美元，占 AI DC 资本支出的 45%
• 推理占比从 35%升至 70%，推理场景 CPU：GPU 配比达 1：1，训练场景 0.5：1
• CPU 单价相当于 GPU 的 13%

在这一框架下，2,230 亿美元 TAM 包括 1,740 亿美元来自 agentic AI 工作负载，490 亿美元来自非 AI 传统服务器 CPU。对比当前水平，2025 年整个服务器 CPU 市场只有 370 亿美元，其中 AI 相关仅 60 亿美元。这意味着在伯恩斯坦的预测中，未来五年 CPU 市场将经历一轮 6 倍的扩张，年复合增速达到 43%，这在半导体行业历史上几乎史无前例。伯恩斯坦同时给出了牛市（3,300 亿美元，假设 4 万亿 AI 资本支出 + 1.5：1 推理配比）和熊市（1,370 亿美元，假设 3 万亿资本支出 + 0.5：1 推理配比）的区间。

一个有趣的交叉验证来自于服务器 CPU 核心数量：Arm 数据显示，agentic 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 AI 部署需要 84 亿个 CPU 核心，对应 1，680 亿美元 AI CPU TAM，与前述模型高度吻合。

为什么 Arm 是最大赢家？不只是 IP，它在造芯片了

Arm 被伯恩斯坦列为 CPU 复兴的结构性受益者。Arm 架构凭借能效比（performance per watt）在 AI 数据中心中越来越具有吸引力。AWS Graviton 相比 x86 实例性价比高出 40%，功耗低 60%。

更关键的是，2026 年 3 月 Arm 宣布战略转型：从仅提供 IP 授权变为自主制造 CPU，目标到 2030 年实现 150 亿美元芯片收入。Arm AGI CPU 已锁定 Meta 为首个客户和联合开发者，OpenAI、Cerebras、Cloudflare 等均为合作伙伴。伯恩斯坦据此将 Arm 2030 财年 EPS 上调至 11.79 美元（此前 9.83 美元），并认为其芯片收入预测可达 220 亿美元，超过 Arm 自己的目标。基于 42 倍 PE 给出 500 美元目标价（此前 300 美元）。

这也带动软银（SoftBank，持有 Arm 约 90%股权）目标价从 8,200 日元上调至 11,200 日元，隐含 58%上涨空间。伯恩斯坦对软银的估值基于其持有资产 NAV 的 30%折让，折让幅度较此前收窄，反映 Arm 股权价值上升和软银自身业务改善。

AMD、Intel、海光：谁在受益？

AMD（超配，目标价 600 美元）：产品在 x86 阵营中仍然领先，预计将继续夺取市场份额。其现有模型已隐含较强的 CPU 假设，估值滚动至 CY27/28 均值后目标价上调至 600 美元。

Intel（市场持平，目标价 100 美元）：受惠于更强劲、更持续的服务器 CPU 需求，盈利预测大幅上调。伯恩斯坦将 Intel 模型从保守假设调至与行业一致，目标价从 65 美元上调至 100 美元。

海光信息 Hygon（超配，目标价 450 元人民币）：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 市场的份额将从当前水平持续扩大，到 2030 年超过 35%，不仅有政府和国企客户，还在向 CSP 渗透。目标价从 280 元大幅上调至 450 元。

数据来源：伯恩斯坦

潮向解读

伯恩斯坦的论述中，最薄弱的一环可能不在需求侧，而在供给侧。

报告以注脚方式承认“仍在评估代工厂和内存产能是否足以支撑 CPU 增长”，这是整篇报告的最大不确定性。将 CPU TAM 从 370 亿拉到 2，230 亿，意味着到 2030 年每年需要额外约 300 亿美元的 CPU 产能。

台积电的 3nm/5nm 产能正在被 AI 加速器和手机芯片挤占，分配给服务器 CPU 的代工产能是否有足够的弹性，报告没有给出确切的产能映射。另外，报告的核心假设建立在英伟达指引的"2027 年 AI 基础设施年支出超 1 万亿美元"基础上，这本身就是卖方最乐观的预测，作为另一份研报的需求起点，存在预期叠罗汉的风险。

另一个值得关注的信号是，英伟达 Vera CPU 采用的是自研 Arm 架构，这意味着英伟达可能在 CPU 领域同时扮演 Arm 的合作伙伴和竞争对手，这对 Arm 长期份额能否达到 54%构成微妙影响。

对关注投资者而言，这份报告最有价值的点不只是某个目标价，它提供了一个清晰的判断框架：如果你相信 agentic AI 是真正的下一个阶段，CPU 配置就必须从"够用就行"重新定价，这意味着整个半导体投资图谱的重心需要从 GPU 独大转向更均衡的 CPU+GPU 叙事。

风险提示

本文系潮向研究对第三方券商研究报告的整理与解读。文中引述的评级、目标价、盈利预测及相关判断，均为该券商分析师的观点，仅代表其所属机构立场，不代表潮向研究的观点，也不构成任何投资建议。