智能體崛起后，整個AI價值鏈的分布都變了！大摩：GPU不再是一切

AI投資的主敘事，正在發(fā)生一次深層且不可逆的結(jié)構(gòu)性遷移。

如果說過去兩年市場圍繞的是“誰擁有更多GPU、誰就擁有未來”，那么現(xiàn)在隨著AI從“生成內(nèi)容”走向“自動執(zhí)行任務(wù)”，整個產(chǎn)業(yè)的核心矛盾，正在從“算力不足”轉(zhuǎn)向“系統(tǒng)效率不足”，而對應(yīng)的投資邏輯，也將從“單芯片算力競賽”擴展為“全棧系統(tǒng)工程”。

據(jù)追風交易臺，摩根士丹利研究部分析師Shawn Kim在報告中直接寫道，“智能體AI標志著從計算到編排的結(jié)構(gòu)性轉(zhuǎn)變。”在智能體工作流中，CPU側(cè)編排時間可占總時延的50%至90%，由此推導出到2030年新增325億至600億美元的CPU增量市場空間，并將服務(wù)器CPU總TAM推至825億至1100億美元量級。在2030年將額外催生15至45EB的DRAM需求，規(guī)模相當于2027年全行業(yè)年供給的26%至77%。

與此同時，DRAM、ABF載板、晶圓代工、存儲、連接器與被動元件等環(huán)節(jié)，均將從“配角”躍升為新的瓶頸與利潤池。

這一判斷對市場意味著：AI資本開支的受益者將從少數(shù)芯片巨頭擴散至整條全球供應(yīng)鏈，下一輪超額收益，可能更多來自那些在智能體工作流中最先成為瓶頸、且最難快速擴產(chǎn)的"使能環(huán)節(jié)"。隨著瓶頸在不同環(huán)節(jié)遷移，AI價值鏈的權(quán)重分布隨之改變。

AI到底在優(yōu)化什么？

在理解這份研報之前，必須先回答一個更底層的問題：AI系統(tǒng)真正優(yōu)化的目標是什么？

在生成式AI階段，答案很簡單——模型能力，即“能不能生成更好的內(nèi)容”。這對應(yīng)的核心指標是：模型規(guī)模（參數(shù)量）、訓練效率（FLOPs）、推理性能（tokens/s）。

因此，GPU成為絕對中心，NVIDIA 也自然成為這一階段的最大受益者。

但當AI進入“智能體”（Agentic AI）階段后，目標函數(shù)發(fā)生了根本變化。系統(tǒng)不再只需生成內(nèi)容，而是需要完成任務(wù)，這意味著評估標準從“能力”轉(zhuǎn)向“效率”：單位任務(wù)成本（cost per task）、系統(tǒng)延遲（latency）、吞吐能力（throughput）。

這一變化直接導出一個關(guān)鍵結(jié)論：GPU決定“能不能做”，但CPU與系統(tǒng)決定“能不能賺錢”。

結(jié)構(gòu)性轉(zhuǎn)折：從“生成”到“行動”，瓶頸從算力轉(zhuǎn)向編排

生成式AI的典型工作流結(jié)構(gòu)相對簡單：用戶請求到達后，CPU完成少量預處理，GPU負責token生成，隨后輸出結(jié)果。在這一鏈路中，GPU承擔了絕大多數(shù)價值，CPU僅作為輔助存在。

然而，智能體AI的工作流完全不同。一個完整任務(wù)往往需要經(jīng)歷規(guī)劃、檢索、工具調(diào)用、執(zhí)行、反饋與再決策等多個階段，同時還涉及多智能體協(xié)作、權(quán)限管理、狀態(tài)持久化以及持續(xù)調(diào)度。智能體帶來的不是更"重"的單次推理，而是更多步驟、更多狀態(tài)、更多協(xié)調(diào)，而這些工作天然更適合CPU處理。

換言之，AI的主要矛盾，正在從“算不動”，轉(zhuǎn)向“調(diào)不動”。

由此帶來兩個直接后果：其一，集群層面CPU與GPU的配比將系統(tǒng)性上升；其二，DRAM從“容量配置項”升格為“性能與吞吐的核心系統(tǒng)組件”。數(shù)據(jù)中心的瓶頸將越來越多地出現(xiàn)在內(nèi)存帶寬、數(shù)據(jù)搬運、互連時延與系統(tǒng)級協(xié)調(diào)，而非單純的GPU算力。

CPU重估：從"1:12"走向"1:2"乃至反轉(zhuǎn)

過去，"1顆CPU服務(wù)約12塊GPU"曾是AI服務(wù)器的典型架構(gòu)描述。但報告指出，隨著智能體工作流變長、工具調(diào)用與上下文管理趨于復雜，這一比例正在快速收窄。

以NVIDIA路線圖為例，更新估算顯示：在Rubin平臺附近，CPU與GPU的配比已接近1:2；若向Rubin Ultra等更激進形態(tài)演進，甚至可能出現(xiàn)2顆CPU對應(yīng)1顆GPU的反轉(zhuǎn)配置。即便僅從1:12改善至1:8，對超大規(guī)模部署而言，CPU的絕對需求量也將出現(xiàn)量級跳升。

一旦這一方向成立，CPU的需求彈性將從“跟著服務(wù)器出貨走”轉(zhuǎn)變?yōu)椤案悄荏w復雜度走”，這意味著CPU需求的增長將更具結(jié)構(gòu)性，而非僅僅是傳統(tǒng)硬件換代周期的延續(xù)。

CPU TAM重算：2030年825億—1100億美元，增量來自編排

摩根士丹利采用“系統(tǒng)分層”方法，將智能體帶來的CPU機會從傳統(tǒng)服務(wù)器更新?lián)Q代邏輯中剝離，建立三個獨立分析口徑：

• Head Node CPU對應(yīng)貼近GPU系統(tǒng)的機架控制層，以2030年全球約500萬顆AI加速器、每顆加速器配2顆高端CPU、CPU平均售價約5000美元為假設(shè)，對應(yīng)約500億美元TAM。
• Orchestration CPU覆蓋智能體編排新增需求，包括規(guī)劃與調(diào)度、工具鏈、RAG管線、KV cache與向量庫相關(guān)內(nèi)存服務(wù)、策略與可觀測性等。算額外新增1000萬至1500萬顆CPU、ASP約3000美元，對應(yīng)300億至450億美元TAM。
• Other CPU涵蓋存儲節(jié)點、部分網(wǎng)絡(luò)節(jié)點等，對應(yīng)約25億至150億美元。

三項合計，2030年服務(wù)器CPU總TAM約825億至1100億美元，其中智能體帶來的增量約325億至600億美元。整個測算的底層錨點是對2030年全球AI數(shù)據(jù)中心基礎(chǔ)設(shè)施銷售額約1.2萬億美元的判斷（2025年約為2420億美元）。

報告同時給出了“上修開關(guān)”：若按NVIDIA口徑，2030年AI基礎(chǔ)設(shè)施銷售額達到3萬億或5萬億美元，則CPU TAM區(qū)間將被整體推至2060億至2750億美元，乃至3440億至4580億美元。這并非基準預測，但揭示了"AI工廠"規(guī)模擴張對CPU需求的系統(tǒng)性放大效應(yīng)。

內(nèi)存躍遷：從容量配置到性能核心

如果說CPU是系統(tǒng)的“控制中樞”，那么內(nèi)存則正在成為系統(tǒng)的“運行空間”。在智能體架構(gòu)下，大量狀態(tài)信息需要被持續(xù)保存與快速調(diào)用，包括上下文數(shù)據(jù)、KV cache、工具調(diào)用中間態(tài)以及多任務(wù)并發(fā)數(shù)據(jù)集。

因此，DRAM不再只是容量配置項，而是直接決定系統(tǒng)吞吐能力的核心組件。

根據(jù)測算，到2030年，智能體將額外催生15至45EB的DRAM需求，相當于2027年行業(yè)年供給的26%至77%。這一增長將推動內(nèi)存行業(yè)從傳統(tǒng)的強周期屬性，向結(jié)構(gòu)性成長轉(zhuǎn)變。以 SK hynix 和 Samsung Electronics 為代表的廠商，有望在這一過程中獲得更穩(wěn)定的盈利預期。

更值得關(guān)注的是，內(nèi)存正在成為AI系統(tǒng)中最具“持續(xù)變現(xiàn)能力”的層級之一。無論是主機DRAM、內(nèi)存接口芯片，還是CXL擴展與分層存儲體系，都將成為承接長期價值的重要載體。

供給越緊的環(huán)節(jié)越具定價權(quán)：ABF載板、代工與使能組件

相比CPU與內(nèi)存，更具超額收益潛力的，往往是那些“產(chǎn)能擴張緩慢、驗證周期較長”的使能環(huán)節(jié)。

ABF載板：這輪AI驅(qū)動的ABF上行周期可能延續(xù)至本十年末，2026至2027年附近存在供需缺口風險。僅"CPU TAM擴大"一項，就可能帶來2030年ABF需求5%至10%的上修；其中服務(wù)器CPU ABF載板市場到2030年約達47億美元，CPU帶來的增量需求約12億美元。

晶圓代工（尤其先進制程）：CPU代工可服務(wù)市場2026年約330億美元，2028年約370億美元。臺積電在CPU代工領(lǐng)域的份額預計從2026年約70%進一步提升至2028年的約75%；并預計英特爾可能在2027年下半年開始將服務(wù)器CPU外包給臺積電。

BMC與內(nèi)存接口：Aspeed被強調(diào)為CPU服務(wù)器BMC的核心受益者，其在該細分領(lǐng)域約有70%的市場份額，新一代AST2700平臺帶來40%至50%的ASP提升空間；Montage則被置于"內(nèi)存互連"價值鏈，全球收入份額約36.8%。

CPU Socket與被動元件：報告以Lotes與FIT作為CPU socket的直接映射，測算每增加100萬顆CPU需求，Lotes收入約增加0.6%、FIT約增加0.2%（僅按socket口徑計）。被動元件方面，以"每臺通用服務(wù)器約30美元MLCC內(nèi)容量"為簡化假設(shè)，推算出2030年額外5億美元MLCC需求增量，約占屆時全球MLCC市場的2%至3%。

這些環(huán)節(jié)的共同特點在于：它們處于AI系統(tǒng)的數(shù)據(jù)流路徑之中，一旦成為瓶頸，就具備較強的定價權(quán)。以 Samsung Electro-Mechanics 為代表的封裝與載板企業(yè)，正是這一邏輯的典型體現(xiàn)。

這一現(xiàn)象可以總結(jié)為一句話：

AI的利潤，將流向最慢擴產(chǎn)的環(huán)節(jié)。

市場錯配與投資節(jié)奏：從集中到擴散

盡管產(chǎn)業(yè)邏輯已經(jīng)發(fā)生變化，但資本市場仍在很大程度上停留在“GPU中心敘事”中。這種錯配意味著，未來一段時間內(nèi)，資金將逐步從高度集中的算力資產(chǎn)，向更廣泛的基礎(chǔ)設(shè)施環(huán)節(jié)擴散。

從投資節(jié)奏來看，可以大致分為三個階段：

1. GPU主導階段（已發(fā)生）：算力供給成為核心矛盾

2. 系統(tǒng)瓶頸暴露階段（正在發(fā)生）：延遲與成本問題凸顯

3. 基礎(chǔ)設(shè)施重定價階段（即將展開）：內(nèi)存、CPU與互連全面受益

在這一過程中，超額收益將不再集中于單一公司，而是分布于整個系統(tǒng)鏈條之中。

結(jié)語：AI進入“系統(tǒng)效率時代”

綜合來看，這份研報真正揭示的，并非某一個細分賽道的機會，而是AI產(chǎn)業(yè)邏輯的整體躍遷。人工智能正在從“算力驅(qū)動”邁向“效率驅(qū)動”，從“模型競爭”走向“系統(tǒng)競爭”。

在這一新階段中，決定勝負的不再是單一組件的性能極限，而是整個系統(tǒng)的協(xié)同效率。GPU依然重要，但它只是系統(tǒng)的一部分；真正的定價權(quán)，將屬于那些掌握調(diào)度能力、控制數(shù)據(jù)流并處于關(guān)鍵瓶頸位置的參與者。

對于投資者而言，這意味著必須完成一次認知升級：從尋找“最強芯片”，轉(zhuǎn)向理解“最關(guān)鍵系統(tǒng)”。只有把握住這一邏輯遷移，才能在AI的下一輪周期中，真正捕捉到持續(xù)且結(jié)構(gòu)性的超額收益。