推理与_Agentic_AI_浪潮下_CPU_重回_AI_基础设施核心中枢_36页_4mb

推理与 Agentic AI 浪潮下，CPU 重回 AI 基础设施核心中枢

核心内容

随着 AI 从训练阶段进入推理与 Agentic AI 阶段，AI 基础设施的竞争焦点从 GPU 转向 CPU-GPU 异构协同。CPU 不再是辅助组件，而是 AI 系统的核心执行中枢，负责任务调度、数据处理、KV Cache 管理、工具调用和多智能体协作等关键功能。这一转变不仅带来 CPU 需求的结构性增长，也推动 CPU 产业链迎来新的投资机会。

主要观点

• CPU 与 GPU 的角色分工：GPU 擅长大规模并行计算，如矩阵运算和 Attention 计算；CPU 更适合处理复杂逻辑判断、低延迟响应、任务调度与系统管理。在推理和 Agentic AI 场景下，CPU 被视为“调度中心”和“执行中枢”。
• CPU 需求结构性拐点：随着 AI 应用从模型训练转向推理与 Agent 执行，CPU 配比从训练阶段的 1:8 提升至推理阶段的 1:3~1:4，甚至接近 1:2。CPU 的负载显著增加，成为影响 AI 系统吞吐与稳定性的关键因素。
• 异构协同成为趋势：AI 基础设施正在从“GPU 中心化”转向“CPU-GPU 协同架构”。CPU 与 GPU 的协同优化成为提升系统效率的关键，推动整个产业链价值重估。
• CPU 在 Agentic AI 中的作用：Agentic AI 需要 CPU 执行任务规划、环境感知、工具调用、工作流编排、状态维护与异常处理等复杂逻辑任务，使得 CPU 在 AI 系统中地位进一步提升。
• 国产 CPU 的发展机遇：随着 AI 基础设施国产化进程加速，国内 CPU 厂商如龙芯中科、海光信息、飞腾、鲲鹏等正在加速布局，通过自主指令集、RISC-V 生态和国产 EDA/IP 支持，逐步实现 AI 算力市场的突破。

关键信息

• CPU 与 GPU 的配比变化：训练阶段 CPU:GPU 比例为 1:8，推理阶段提升至 1:3~1:4，Agentic AI 阶段接近 1:2。
• AI 服务器配置：当前主流 AI 服务器配置中，CPU 与 GPU 的数量配比趋于平衡，如 NVIDIA NVL72 配置中，CPU 与 GPU 的比例为 1:2。
• CPU 在 AI 系统中的新角色：CPU 不仅负责数据处理和任务调度，还承担系统控制、权限验证、异常恢复、沙箱执行等职责，推动 AI 系统向“完整计算机系统”演进。
• CPU 需求结构性增长：2026 年全球 CPU 市场规模预计达到 1255.8 亿美元，中国市场有望从 2300 亿元增长至 2600 亿元。
• CPU 产业链机会：CPU 产业链从上游材料设备国产化到中游芯片设计、封装测试，再到下游服务器、AI 加速和边缘场景，形成完整的投资链条。

投资建议

• 推荐标的：国产 CPU（龙芯中科、中国长城、禾盛新材）、服务器（中科曙光、浪潮信息）、虚拟机（深信服）、云厂商（网宿科技）。
• 相关标的：海光信息、兆芯集成、华勤技术。

风险提示

• AI 智能体落地不及预期。
• AI 商业化进展不及预期。
• 行业竞争加剧及份额流失。
• 资本开支周期波动。

结构性机遇

• 异构系统优化：AI 产业进入系统级竞争时代，推动 CPU 与 GPU、内存、网络、软件的协同优化。
• 新型 CPU 架构：更多核心、高带宽缓存、CXL 互联和共享内存架构成为 CPU 架构发展的新方向。
• 国产 CPU 生态：国内 CPU 厂商正通过自主指令集、RISC-V 生态和国产 EDA/IP 支持，逐步打破国际垄断，实现 AI 算力市场的突破。

未来趋势

• AI 基础设施向“超级操作系统”演进：CPU 与 GPU、内存、网络、软件栈之间的协同效率成为决定 AI 系统性能的关键。
• CPU 作为 AI 系统的核心中枢：AI 系统越来越像“完整计算机系统”，CPU 成为决定系统效率与扩展能力的核心组件。
• AI 去中心化与软件定义：随着 AI 产业逐步从“NVIDIA GPU 绝对中心化”转向“CPU-GPU 协同架构”，未来可能走向类似“去 IOE”的软件定义基础设施路线。

结论

在推理与 Agentic AI 浪潮下，CPU 重回 AI 基础设施的核心中枢，推动 AI 系统从“单一算力”向“异构协同”演进。这一趋势不仅带来 CPU 需求的结构性增长，也推动国产 CPU 产业链迎来新的发展机遇。