AI智能体普及助推服务器CPU市场规模预计增长6倍

智能体工作的大部分时间都在CPU上运行

当你把工作交给AI智能体时，屏幕上接连出现的是打开浏览器、运行代码、整理文件以及阅读搜索结果等操作。模型生成答案的推理时间很短，其余时间都被这些执行工作占据。而这些执行工作并非由GPU处理，而是交由CPU完成。

本月13日，美国银行（BofA）发布了一份反映这一趋势的预测报告。报告指出，服务器CPU市场规模到2030年将增长6倍。智能体时代的算力需求不仅推高了对GPU的需求，就连此前一直被视作为GPU喂入数据的辅助角色——CPU，其需求也随之被一同拉动。

---

美银对2030年服务器CPU市场的展望

美国银行（BofA）分析师维韦克·阿里亚（Vivek Arya）团队预计，2030年服务器CPU市场规模（TAM¹）将超过2,100亿美元。2025年该市场约为350亿美元，这意味着短短5年内将增长至原来的6倍，年均复合增长率达36%。

有趣的是，这并非该数字的最初版本。美银对2030年的预测值此前先后从1,250亿美元上调至1,700亿美元，此次又进一步上调至2,100亿美元。短短几个月内连续两次上调预期，而每次给出的理由都如出一辙：智能体AI（Agentic AI）。

美银重点强调的是GPU与CPU的配比。在以训练为核心的时代，AI服务器的标准配置通常是4台GPU配1台CPU，即1:4的比例。因为当时CPU仅仅扮演给GPU输送数据的辅助角色。然而美银认为，进入智能体推理时代后，这一比例将趋近于1:1。CPU将成为指挥整个智能体系统的控制平面（Control Plane）²，用美银的话说，它将成为数据中心的“控制枢纽”。

将市场规模拆解来看则更加清晰。美银预计，在2030年规模达2.2万亿美元的数据中心系统市场中，AI CPU将占1,800亿美元，而这笔资金恰好被平分为两块：一块是用于指挥GPU集群的头节点（Head Node）³的900亿美元；另一块则是完全不配备GPU、纯靠CPU运行的智能体专用节点的900亿美元。而后者，正是今天这篇文章的主角。

---

智能体的实际工作与 CPU 需求

要理解为什么需要智能体专属节点，看看智能体在反复执行哪些任务就能明白了。

在聊天机器人时期的 AI，只要接收提问并吐出答案就算完成了。其工作的 100% 都是模型推理，也就是 GPU 的任务。但智能体则不同。它需要制定计划（推理）、打开浏览器检索资料（执行）、编写并运行代码（执行）、审查结果（推理），最后整理成文件（执行）。就像人类员工使用软件工作一样，智能体也是借助软件来工作的。而浏览器、代码执行环境、文件系统和数据库，全部属于通用计算——也就是 CPU 的领地。

所以，把智能体的工作时间拆解开来看，GPU 所用的推理阶段很短，而 CPU 所用的执行阶段占据了绝大部分。引入一个智能体，实际上就类似于为该智能体分配一台专属电脑，就像招了新员工就要先配一台笔记本电脑一样。

这也与上周讨论过的工作负载数据相呼应。每个任务消耗的 Token 持续增加，意味着智能体的工作流程更长、步骤更多。步骤越多，步骤之间的执行任务也随之增加。这就形成了一种推理规模扩大、执行规模紧随其后的结构。

不过，我们必须准确把握这一范畴。1 比 1 指的是台数比例，而非金额比例。到 2030 年，AI 加速器市场规模预计仍达 1.1 万亿美元，是 AI CPU 的六倍。这并不意味着 CPU 会挤退 GPU，更准确的理解是：此前在预算中几乎微不足道的 CPU 市场，规模将增长至原来的 6 倍。

---

市场规模在扩大，英特尔份额却要减半

这份预测还揭示了谁将瓜分这块不断扩大的蛋糕。

服务器CPU曾是英特尔主导了近30年的市场。但从美银的份额预测来看，按金额计算，英特尔的市场份额将从2025年的40.4%腰斩至2030年的22.0%。AMD则从27.4%攀升至30.7%，若预测成真，就在明年（2027年）便会首次反超英特尔。美银在CPU标的中最看好的同样是AMD。

份额增长最迅猛的是x86⁴阵营之外的ARM阵营。像英伟达Grace这样作为成品销售的商用ARM占37.9%，像亚马逊Graviton或谷歌Axion这样由大型科技巨头自研设计的定制芯片（Custom Silicon）⁵占9.4%。两者合计将拿下2030年服务器CPU市场的47%，接近半壁江山。

这并非遥远未来的故事。根据IDC统计，今年一季度服务器市场上，ARM等非x86服务器的营收占比已经攀升至47.9%，同比增速达107.6%。不过，对这个数字需要谨慎解读。因为该统计是将单台服务器的整体售价按CPU架构划分的，单台最高达650万美元的英伟达NVL72机架仅因采用了Grace CPU，整台销售额就被全额计入了ARM营收。即便如此，大趋势依然明确。英伟达仅今年就计划出货400万颗Grace与Vera CPU，而在同一时期，x86服务器营收却倒退了2.9%。

我们也为英特尔把账算个明白。即便份额腰斩，但得益于市场规模扩张6倍，英特尔自身的服务器CPU营收依然能从140亿美元规模增至460亿美元规模，实现三倍以上的增长。这并非营收绝对值在缩水，而是增长速度远慢于竞争对手。然而，相比营收的绝对金额，股市往往更敏感地反映市场份额的流向变化。毕竟，在一个增长6倍的市场中，拱手让出一半份额的公司与份额不断扩张的公司，其估值绝不可能同日而语。

---

Oswarld视角

在做AI落地咨询时，我经常需要审核基础设施的报价单。几乎所有报价单上都有一个共同的空白：GPU和Token成本算得精细入微，但智能体（Agent）实际工作的运行环境——也就是沙箱、浏览器实例、编排服务器的成本——连预算条目都没有。大家还在用做聊天机器人的预算模板来规划智能体。在我看来，美国银行（BofA）那张报告里价值900亿美元的“智能体专用节点”条目，正好揭示了这个空白在整个产业维度上究竟值多少钱。

不过，我在数据课上常常对学生们讲：看到市占率，先问分母是什么。今天出现的这些数字恰好就是典型案例。IDC关于“ARM占服务器一半”的数据，其分母是包含了GPU价格在内的服务器整体营收；而美国银行的47%，分母仅指CPU芯片本身的价值。这两个维度截然不同的数字只是碰巧看起来相近，如果混为一谈，就会把ARM当下的处境高估一倍左右。此外，卖方研报在短短几个月内连续两次上调预期，这既是需求强劲的信号，也说明预测模型本身还在忙着追赶现实的剧烈变化。相比2100亿这个数字，“被连续修改了两次”这一事实本身包含着更多信息。

因此，我把这份报告的核心归纳为：AI并没有取代传统的计算需求，反而正在成倍拉动它。智能体越多，浏览器、数据库、操作系统等最基础、最平常的计算需求就越会水涨船高。上一期我们谈到了利润正从模型层转移至基础设施层，而今天的内容则表明，在基础设施内部，需求也不再仅局限于GPU等加速器，而是正在外溢扩展到CPU领域。顺便提一句，HBM市场规模预计在2030年达到2770亿美元，甚至超过了AI CPU市场规模，这对韩国读者来说无疑也是一个利好消息。

---

结语

核心要点有三个。

第一，美银（BofA）认为，到 2030 年，服务器 CPU 市场规模将扩大至 6 倍，达到 2,100 亿美元。因为与模型推理（GPU）相比，智能体在浏览器操作、代码执行、文件整理等执行任务（CPU）上花费的时间更多。第二，该市场的一半将被 ARM 阵营拿下，英特尔的市场份额将从 40% 缩减至 22%。虽然市场整体蛋糕变大了，但头把交椅预计易主。第三，需要注意的是，1 比 1 是设备台数比例，并非资金规模比例；IDC 的 47.9% 也是分母中计入了 GPU 价值的数字。发展方向值得信赖，但具体体量还需理性审慎看待。

如果您正在考虑引入智能体，我建议您本周不妨做一件事：在试运行预算表中，“GPU·Token”一栏旁添加一行“执行基础设施”。涵盖沙箱、浏览器、编排乃至日志存储。如果这一行还是空白的，说明您依然在按聊天机器人的模板规划智能体。

顺便提一句，本文属于产业结构分析，不构成针对特定企业或资产的投资决策依据。英特尔、AMD、ARM 的相关数据，建议大家直接在文末的原始出处中核对。此外，我自己很喜欢用 Cloudflare 开发的下面这个技能（Skill）。如果您也有常用的技能，欢迎分享交流。

GitHub - cloudflare/computer: Give your agent a computer 👾Give your agent a computer 👾. Contribute to cloudflare/computer development by creating an account on GitHub.github.com

在 读者 所在的组织里，智能体目前运行在什么地方？云端 CPU 实例费用是否超出了预期？还是说目前尚未深入考虑过执行环境的问题？欢迎在评论区分享您在一线的实际经验。我们将收集这些案例，并在接下来的智能体基础设施篇中继续探讨。

---

💬 您的智能体执行环境搭建在哪里？又是如何运行的？欢迎在评论区留言交流，我们将融入下期内容。 📨 如果身边有负责 AI 基础设施预算的同事，欢迎把这篇文章分享给他们。

---

参考资料与延伸阅读

核心来源

• BofA Global Research（Vivek Arya 团队），服务器 CPU TAM 展望报告，2026.8.13。 ··· 本文的骨架。2.2 万亿美元 TAM 树状图（Exhibit 1）与市占率展望（Exhibit 4）均出自此处。
• Yahoo Finance UK，“BofA lifts server CPU TAM to $210bn+ on the rise of AI agents”，2026.8。 ··· 整理了报告的核心论点，以及从 1:4 走向 1:1 的配比转变说明。
• Tom’s Hardware，“Arm servers capture over 45% of data center market revenue”，2026。 ··· IDC 第一季度统计的原始报道。您可以在这里核实 47.9% 这一数字的分母到底是什么。

背景知识

• Forbes，“Vera CPU Is Strategic For Nvidia, Not A Side Show”，2026.7.21。 ··· 分析了英伟达为何将 CPU 作为战略业务而非副业来培育。
• Benzinga，“BofA Sees $210B CPU Boom: AMD, Intel, ARM”，2026.8。 ··· 聚焦各标的启示的总结报道。

往期推荐阅读

• 闪迪拿到的那份 4 年期保证书 ··· 话语权转移至基础设施端的又一幕。存储版价值重估的故事。

---

作者 安光涉（Oswarld） 现任世宗大学兼任教授，INLEVEL9 战略顾问。职业经历、研究、著作与近期活动会持续更新在作者简介。 最新动态 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。

📝 术语说明

---

注释

1. TAM（Total Addressable Market，潜在市场总额）：某种产品在理论上所能触达的整体市场规模。它并非实际销售额，而是代表市场天花板的数字，因此不同预测机构的定义和测算规模可能有所不同。 ↩

2. 控制平面（Control Plane）：系统中独立于实际作业执行部分之外，负责指挥“何时、以何种方式执行何种任务”的管理层级。好比工厂中不是生产线，而是调度监控室。 ↩

3. 头节点（Head Node）：在 GPU 集群中负责任务分配、调度和数据准备的 CPU 服务器。数千颗 GPU 若要协同如一体，这台指挥服务器不可或缺。 ↩

4. x86：英特尔和 AMD 所采用的传统 CPU 设计架构。过去 30 年间一直作为服务器市场的标准；而对立阵营的 ARM 则发轫于智能手机，凭借能效优势打入了服务器领域。 ↩

5. 定制芯片（Custom Silicon）：科技巨头不再采购现成芯片，而是针对自身工作负载自行设计的半导体。亚马逊 Graviton、谷歌 Axion、微软 Cobalt 即是代表。 ↩