根据TrendForce集邦咨询对AI服务器产业的最新研究，随着各AI服务提供商积极推出AI Agent相关应用，对服务器CPU的需求自2025年下半年起开始稳步增长，预计2026年出货量年增长率将达到31%。

到2027年，由于AI推理需求持续增长以及Agentic AI服务渗透率提升，服务器CPU出货量有望再实现超过40%的年增长，不过以x86为主导的市场格局可能会发生变化。

在GPU叙事主导的市场上，这条消息并未引起太大关注。

但从采购和资本支出的角度重新审视这份预测，它指向了另一层变化：AI基础设施的预算结构，正从单纯购买加速卡转向配置完整的机柜算力方案，CPU在这本新账本中的重要性正在显著提升。

一笔账，从单一项目变为三份清单

在大模型预训练为主的阶段，采购一台训练服务器时，预算和评审的重点几乎都集中在GPU上。CPU、内存、存储和网络更多被视为配套基础组件，按照既定拓扑规格进行配套部署，很少会因为是否需要增加几颗CPU而单独讨论。

行业长期遵循1颗CPU搭配8颗GPU的经典比例，在以浮点算力为衡量标准的账目中，CPU的计算能力几乎可以忽略。

但Agent负载改变了这一计算逻辑。

Trendforce于4月24日发布博文，报道称在2026年第一季度财报电话会议上，英特尔首席执行官陈立武表示，随着AI工作负载重心从训练转向推理，CPU和GPU之间的比例关系正从1:8向1:1转变，从而带动了CPU需求的激增。

行业数据显示，在AI智能体时代，每吉瓦所需的CPU核心数可能从3000万激增至1.2亿，增长了4倍。

这并不意味着CPU的浮点算力追上了GPU，本质上是负载结构发生了变化：模型token生成这类密集矩阵计算，仍然更适合交给GPU；而任务规划、请求路由、工具调用、多智能体之间的协调调度等涉及大量分支判断和外部交互的逻辑类工作，现阶段更多由CPU承担。

当然，行业内也在尝试将部分轻量编排逻辑下沉到加速卡侧，但这尚未成为主流。

投行KeyBanc的分析师表示，AMD EPYC服务器CPU在2026年的全年产能几乎售罄，高端型号的交货周期延长至8到10周。

英伟达自家机架产品的规格，也侧面印证了算力配比逻辑正在转变：GB200 NVL72以及面向Agent场景的Vera Rubin NVL72，标准配置均为36颗CPU对应72颗GPU。

当然，这部分是与GPU深度绑定的Grace/Vera Arm核心，不能与采购清单上独立的x86主机CPU直接等同，但它代表了平台设计思路的转向：在Agent和长上下文推理场景下，控制与编排资源不再是附属品。

单机柜内CPU配置规模大幅提升，整机系统内存也随之同步扩容；为支撑多节点并发调度和工具调用的网络交互，高速网络端口必须同步增加；整机功耗持续上升，供电容量和液冷散热方案都需要重新核算。

落实到云厂商的采购环节，变化已经非常清晰：早期搭建训练集群时，采购基本等同于确定采购多少张GPU，这是一个单一核心变量的选择题。

但面向Agent的推理集群，采购清单已经扩展为一整套系统方案：GPU算力、CPU核心数、系统DRAM、KV缓存SSD、高速交换机、机柜配电与散热容量，所有环节必须整体匹配、统一规划，单一硬件指标已无法决定集群的交付能力。

过去核算AI基础设施TCO时，预算重心几乎锚定在GPU上，CPU更多是跟随整机方案配套、可适度压缩的附属项。而在Agent驱动的新负载下，CPU已升级为需要独立评估规格、单独排产、单独商务议价的采购科目。

对芯片和服务器供应商来说，这是一块明确的增量市场；对云厂商和大模型企业这类采购方而言，它意味着多了一层需要权衡的成本变量，也新增了一个议价抓手。

一条被市场低估的支线

CPU增量需求的底层，已经分化为三类诉求完全不同的买家。

一类是云厂商，他们深度绑定自家软件栈和自研适配Agent负载的Arm算力；一类是面向AI原生创业与模型客户，CPU-GPU配比可灵活调整的通用算力；还有一类是面向传统企业客户，优先考虑生态兼容性的x86算力。

不同路线对应的负载诉求、迁移成本以及议价空间差异很大，这也会影响增量红利的最终流向。

此前，AI赛道的估值定价重心基本锚定在GPU产业链上：HBM、先进封装、光模块、液冷、机柜集成，每个环节都诞生了高估值标的。CPU长期游离在AI的主线叙事之外，Intel和AMD的股价弹性整体不及GPU上下游的标的。

这套定价逻辑正随着Agent负载带来的算力配比重构，逐渐发生偏移。

如果TrendForce的预测能够落地，服务器CPU产业链有望迎来一条久违的增长曲线。而这一轮增量红利最终流向哪些玩家，将是资本市场持续研判的核心命题。

一种可能的分配路径是，Arm阵营拿下本轮增量中的大头。AWS Graviton、阿里云倚天、Google Axion这类云厂商自研CPU，再加上NVIDIA机柜平台中的Grace和Vera，共同推高Arm架构服务器CPU的出货规模，并连带拉动配套代工、先进封装与内存需求。

对台积电和封测厂商而言，这是一条独立于GPU订单之外的新需求曲线，但它所消耗的工艺与封装资源与高端加速卡并不完全重合。

另一种分配路径则是x86阵营依托稳固的存量基本盘，在通用推理和企业混合云场景中守住份额更长时间。Intel Xeon 6和AMD第六代EPYC都已针对Agent负载做了针对性优化。

成熟的软件生态、遍布行业的渠道网络以及长期沉淀的企业客户服务链路，是Arm方案短期内难以补齐的短板。在这个情景下，即使Agent相关负载规模化落地，x86也不一定会快速丢失阵地。

还有一层容易被忽略的供应链传导效应：CPU需求提升或将重塑服务器整机赛道的话语权格局。

在AI训练集群主导的阶段，能否获得GPU配额往往是整机厂商拿到订单的核心前提。而随着CPU、内存、电源、散热在采购清单中的优先级同步提升，整机厂商与系统集成商的角色，有机会从被外界简单贴上标签的组装厂向方案设计者回归。

混合Agent负载对整机拓扑、资源配比以及功耗平衡的定制化要求，会放大系统层面的设计价值。

当然，还有一层风险值得留意：如果资本市场提前按照CPU超级周期给相关标的定价，但Agent商业化落地节奏不及预期，估值回撤的速度可能和此前上涨一样迅速。

这条增长支线现阶段仍停留在预期层面，尚未充分兑现到业绩中，相关定价更需要锚定可验证的出货与落地数据，而非单纯的叙事。

X86的租金，Arm的增量

服务器CPU市场十几年来的格局，很大程度上建立在一笔生态租金之上。

大量数据库、中间件、行业业务系统长期围绕这套架构开发，客户切换架构的迁移成本高昂，构成了长期稳定的壁垒。当然，租金的前提是厂商持续投入芯片架构与平台能力迭代，并非单纯依靠历史积累坐享红利。

Intel与AMD长期占据近九成市场份额，这背后并非来自芯片性能的绝对碾压。真正的壁垒是围绕x86生长起来的完整软件生态：全球绝大多数企业软件、数据库、中间件与运维工具链，长期以x86作为默认适配基准，跨架构迁移需要承担不菲的改造与验证成本。

一旦客户切换芯片架构，就要面对整套软件栈的兼容改造压力。高昂的迁移成本构成了x86的护城河，也是这份生态租金的底层支撑。

Arm并非没有发起过挑战，从早年的Calxeda到后来的Ampere，Arm服务器芯片已经尝试了十几年，始终难以在传统企业市场形成规模化落地，其核心阻碍就是x86垒起的软件生态高墙。

当然，早期尝试还叠加了硬件、资金、客户落地节奏等多重约束，生态迁移成本依然是最难翻越的一环。

但这一轮突破的路径已经不同：不再正面冲击存量厚重的传统企业市场，而是从云厂商或AI原生客户这类可以自主把控整套软件栈的场景切入。这类主体有条件在业务起步阶段就基于Arm做适配，不必去撬动已经固化的存量应用生态。

例如，云厂商在底层对操作系统、调度组件与运行时环境进行深度定制，将架构适配、兼容性验证的成本在体系内部消化，从而绕开Arm长期面对的外部生态短板。

而NVIDIA走出了另一条路径：它并非完全不对外提供独立Arm CPU，但在GB200、Vera Rubin这类NVL72整机柜方案中，Grace、Vera和GPU以Superchip的形式深度耦合打包交付。

客户采购的是一套面向Agent负载优化的整机AI机架，这部分Arm CPU的出货规模直接与机柜内GPU的交付量绑定。GB200到Vera Rubin两代机架迭代、订单上量的过程，也同步带动了配套Arm CPU的出货增长。

可以看出，市场正在走向分化：x86守住存量生态的基本盘，Arm借Agent带来的增量市场打开新的增长空间。

31%、40%的增幅看起来很有吸引力，但拆解这份预测不难发现，它依托于三组尚未落地验证的假设。

第一个假设是Agent能够实现规模化商业化落地。当下云厂商与大模型企业都在密集推出Agent相关产品，但用户付费意愿、任务端到端完成率以及企业客户长期调用规模都还没有经历完整商业周期的检验。

如果Agent长期停留在演示效果亮眼但付费转化偏弱的状态，服务器CPU的增量空间就会相应收缩，Arm依托这一赛道扩张的叙事也会随之承压。

第二个假设是CPU、GPU的资源配比会稳定在高CPU消耗的区间。现阶段Agent负载确实带来了显著的主机侧开销，但推理框架与底层架构的迭代随时可能重塑负载分布。

第三个假设是Arm生态的碎片化问题不会拖累扩张节奏。Graviton、Axion、Ampere、Grace/Vera等不同Arm平台，彼此并不能做到完全兼容，软件往往需要针对不同平台单独适配调优。

在云厂商封闭的自有生态内，这类适配成本可以内部消化；但当Arm方案走出闭环，面向外部ISV与传统企业客户推广时，碎片化就会转化为明确的迁移与维护成本。

对产业投资者而言，更有价值的做法是盯住三组前置高频指标：云厂商硬件采购清单中CPU与GPU的配比变动、Agent产品的真实调用规模与付费转化效率、Arm架构服务器CPU在季度出货中的占比变化。

一线订单与业务运营数据，远比任何机构的远期预测更贴近产业真实景气度。

将TrendForce这份预测放回商业语境中，它本质上指向一个朴素的变化：AI算力的投入逻辑正从只采购加速卡，转向配置一整套均衡的算力机柜。

GPU仍然是算力采购中最大的支出项，但CPU、内存、网络、供电这些此前被视为配套的环节，开始在预算分配中获得独立权重。

本文来自微信公众号“硅碳变量”，作者：沈浪，36氪经授权发布。