AI 工作负载从训练转向智能体（Agent），数据中心里最值钱的芯片，可能不再只有 GPU。
美银证券（Bank of America Securities）最新研报将 2030 年服务器 CPU 总可寻址市场（TAM）上调至 2100 亿美元以上（此前约 1700 亿美元），年复合增速预期从 30% 提高到 36%。核心逻辑：智能体 AI 正在把 CPU 从 GPU 的"配角"，升级为 AI 推理的"控制平面"。美银预计，CPU 与 GPU 的配比将从训练时代的约 1:4，收窄到推理阶段的约 1:2，最终在智能体时代趋近 1:1。
一个配比数字的变化，是整个算力产业链的结构信号。它和软件侧的判断互为镜像——智能体时代，模型周围的编排层（harness）比模型本身更重要，我们在 MiniMax Agent 战略分析里讲过这个故事；现在硬件侧给出了同样的结论。
为什么 Agent 吃 CPU
训练时代是 GPU 的故事。CPU 只负责数据预处理、分词、批处理、喂数据这类辅助活。数据很直观：2022-2025 年，AI 加速器年复合增速高达 139%，服务器 CPU 只有 14%。到 2025 年，加速器占了数据中心计算支出的 85%，CPU 只剩 15%（2021 年还是 26%）。
智能体工作负载把格局倒了过来。Agent 不是一问一答，而是一条多步循环：规划、上下文检索、工具调用、状态管理、API 交互、模型路由、结果评估。这些本质上是顺序执行、对延迟敏感的 CPU 型任务，不是 GPU 擅长的并行矩阵运算。瓶颈从单纯的 GPU 算力，扩展到编排、内存管理、工具执行、数据搬运等更广的基础设施层面。
美银特别强调：这不是 CPU 替代 GPU，而是两边需求同步扩张。GPU 在矩阵运算和重推理上地位不变，CPU 接管编排职责，系统总盘子因此变大。
2030 年的格局
- 市场结构：服务器 CPU TAM 拆成三块——传统/IaaS 约 300 亿美元、AI 计算/头节点约 900 亿美元、AI 智能体独立节点约 900 亿美元，AI 相关占总量约 86%。
- ARM 是最大赢家：商用 ARM（英伟达 Vera、ARM 自研、高通等）约 38% 价值份额，加上定制 ARM（AWS Graviton、谷歌 Axion、微软 Cobalt）约 9%，合计接近 47%。
- AMD 是最佳标的：Turin 峰值频率 5.0GHz，2026 下半年发布的 Venice 最高 256 核/512 线程。美银测算 EPYC 9965（192 核）在智能体负载下机架级性能是英伟达 Vera 的 2.37 倍，Venice 可到 3.30 倍，目标价 620 美元。
- 英特尔承压：价值份额从约 34% 降到 22%（单位份额仍以约 36% 居首），18A-P 制程的 Coral Rapids 平台要到 2028 年才有机会缩小差距。
硬件侧的回声
这是 harness 争论的另一面。模型公司意识到 Agent 需要编排层，产业也在意识到：数据中心本身需要一个控制平面。如果 Agent 的运行时成本和延迟主要被编排与内存搬运占据，那么 CPU 核心数、内存带宽、统一内存，就和大模型的 TOPS/FLOPs 同等重要。
同样的逻辑也在端侧上演：端侧 Agent 芯片开始围绕 CPU-NPU 协同与统一内存设计，而不是只拼峰值算力。而开源旗舰权重（如 Qwen3.8 开放权重）让前沿模型更容易到处部署，进一步抬高了编排型算力的价值。
给你的建议
- 规模部署 Agent 的团队：预算别只算 GPU，CPU 和内存同样要花钱。先给你的 Agent 循环做 profiling——你可能发现瓶颈在编排，而修复它的成本比再买一块加速器低得多。
- 采购基础设施的人：盯紧 2026 下半年 AMD Venice 和英伟达 Vera 的发布。头节点 CPU 正在变成独立的一级采购决策。
- 做端侧/设备 Agent 的人：把同样的推理用到边缘——CPU-NPU 协同设计，比一个更大的 TOPS 数字有用。
