代理AI時代，CPU要和GPU「1:1」？

智能體AI（Agentic AI）浪潮正根本性地改變數據中心的運算架構，CPU的戰略地位隨之大幅提升。

美國銀行證券在最新研究報告中將2030年伺服器CPU總潛在市場規模（TAM）上調至逾2100億美元，較先前約1700億美元的預測提升逾兩成，並將年複合增長率預期從30%上調至36%。

這一調整的核心邏輯在於：隨著AI工作負載從訓練轉向推理、再演進至智能體AI，CPU在數據中心系統中的角色正從GPU的「配角」升級為智能體編排的「控制平面」。美銀預計，CPU與GPU的配比將從訓練時代的約1:4，逐步收窄至AI推理階段的約1:2，並最終在智能體AI時代趨近1:1。這意味著到2030年，CPU將佔整體約2.2萬億美元數據中心系統TAM的約10%，高於2024至2025年訓練時代的不足7%。

在個股層面，美銀維持AMD買入評級，目標價620美元，視其為最佳CPU標的；維持英偉達（NVDA）買入評級，目標價350美元，視其為半導體板塊整體首選。

智能體AI重構CPU需求邏輯

美銀分析師Vivek Arya團隊指出，AI工作負載的演進路徑正系統性地提升CPU的需求密度。

在訓練時代，CPU主要承擔數據預處理、分詞、批處理及向GPU餵數據等輔助職能，GPU/加速器才是算力核心。此一格局導致2022至2025年間AI加速器市場以+139%的年複合增長率狂飆，而伺服器CPU僅錄得+14%的年複合增長率。至2025年，AI加速器已佔數據中心運算支出的85%，CPU僅佔15%，而2021年該比例尚為26%對74%。

進入智能體AI階段，情況出現結構性轉變。智能體AI並非單純「一問一答」，而是涉及規劃、上下文檢索、工具調用、狀態管理、API互動、多模型路由及結果評估等多步驟循環工作流。這些任務本質上是CPU密集型的順序處理，而非GPU擅長的並行矩陣運算。美銀認為，CPU因此從「主機處理器」升級為AI推理的「控制平面」。

值得注意的是，美銀強調這並非CPU取代GPU，而是兩者需求同步擴張。GPU在矩陣運算、大模型推理、高吞吐預填充及前沿模型推理方面的核心地位不變；CPU則在編排、記憶體管理、工具執行及數據移動等層面承擔更多責任，系統瓶頸自單一GPU算力擴展至更廣泛的基礎設施層級，整體數據中心TAM因此得以擴大。

2030年市場格局：ARM崛起，英特爾承壓

美銀將2030年伺服器CPU TAM細分為三類：傳統/IaaS約300億美元、AI運算/頭節點約900億美元、AI智能體獨立節點約900億美元，後兩者合計約1800億美元的AI CPU市場將佔總量的約86%。

從市佔預測來看，ARM系陣營將是最大贏家。美銀預計到2030年，ARM商用CPU（含英偉達Vera、ARM AGI、高通CPU等）將佔伺服器CPU價值份額的約38%，ARM客製CPU（含AWS Graviton、Google Axion、Microsoft Cobalt等）約佔9%，合計接近47%。AMD預計維持約31%的價值份額，而英特爾（INTC）則將從2026年的約34%降至約22%，即便其絕對營收仍將以約22%的年複合增長率增長。

在單位份額層面，英特爾仍將以約36%居首，但價值份額的持續下滑反映其於高附加值AI工作負載中的競爭劣勢。美銀指出，英特爾的相對優勢在於傳統企業工作負載，以及基於18A-P製程的Coral Rapids平台有望於2028年縮小與競爭對手的性能差距。

AMD：核心數量與頻率雙重領先

美銀將AMD列為最佳CPU標的，核心依據在於其於高頻率及高核心數兩面向上的雙重領先優勢。

於高頻率方面，AMD Turin（第五代EPYC）峰值頻率達5.0GHz，高於英特爾Granite Rapids的4.3GHz及英偉達Grace的約3.35GHz。預計2026年下半年推出的Venice（第六代EPYC）將進一步鞏固優勢，使AMD CPU成為AI規模擴展叢集中的頭節點/運算節點理想選擇。

在核心數量方面，AMD的優勢更為明顯。Venice預計最高支援256核/512執行緒，遠超英偉達即將推出的Vera（88核/176執行緒）及英特爾Diamond Rapids（預計最高192核）。美銀測算，AMD EPYC 9965（Turin，192核）於智能體AI工作負載中的機架級效能為英偉達Vera的2.37倍，而Venice（256核）有望將此優勢擴大至3.30倍。

此外，美銀亦看好AMD於Zen 6/2nm製程的執行力與供應鏈可見性，以及x86生態在安全性及可靠性特性（RAS）對智能體AI工作負載的適配優勢。

英偉達獨立CPU機架開啟新需求空間

英偉達將於2026年下半年隨Vera Rubin平台推出獨立Vera CPU機架（CPX機架），成為美銀上調CPU TAM預測的重要催化劑之一。

此機架可整合多達256顆Vera CPU，採液冷設計，專為智能體AI工作負載優化，負責編排、記憶體控制與I/O管理，並可對Vera Rubin NVL72運算機架的輸出進行測試、執行與驗證。在完整的40機架Vera Rubin SuperPOD中，每個Pod包含1152顆Rubin GPU、576顆作為運算機架組成部分的Vera CPU，以及潛在的其它512顆獨立CPU機架中的Vera CPU，CPU與GPU比例趨近1:1。

美銀認為，此類獨立CPU機架將承載RAG管道、向量資料庫、數據準備、API/工具執行及中小型模型推理等過往對昂貴GPU機架而言過於碎片化的工作負載，從而實質性擴大整體TAM，而非僅僅取代現有需求。