文｜硅碳变量，作者｜沈浪
根据 TrendForce 集邦咨询最新 AI 服务器产业研究，随着各 AI 服务厂商积极推出 AI Agent 相关应用，服务器 CPU 需求自 2025 年下半年起稳步成长，预估 2026 年出货年增幅将达 31%。
2027 年由于 AI 推理需求持续成长、Agentic AI 服务渗透率提升，服务器 CPU 出货量有望再年增逾 40%，不过以 x86 阵营主导的市场格局可能出现变化。
在 GPU 叙事霸屏的市场上，这条消息没有掀起太大浪花。
但站在采购与资本开支的视角重读这份预测，它指向另一层变化：AI 基础设施的预算结构，正在从只买加速卡转向配齐一整套机柜算力，CPU 在这本新账本里的权重正在明显抬升。
一笔账，从一行变成了三张清单
在大模型预训练为主的阶段，采购一台训练服务器，预算与评审的重心几乎都落在 GPU 上。CPU、内存、存储与网络更多被视作配套底座，按既定拓扑规格配套落地，很少会因为要不要多加几颗 CPU 单独论证。
行业长期通行 1 颗 CPU 承载 8 颗 GPU 的经典配比，在以浮点算力为标尺的账本里，CPU 的计算能力几乎可以忽略。
但 Agent 负载把这道算术题改了。
集邦咨询 Trendforce 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，伴随着 AI 工作负载重心从训练转向推理，推动 CPU 和 GPU 之间的比例关系平衡，从 1:8 向 1:1 转变，带动 CPU 需求激增。
行业数据显示，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 4 倍。
这并不意味着 CPU 的浮点算力追上了 GPU，本质是负载结构发生了迁移：模型 token 生成这类密集矩阵计算，依然更适合交给 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这类带有大量分支判断、外部交互的逻辑类工作，现阶段更多交由 CPU 承载。
当然，行业里也在尝试把部分轻量编排逻辑下沉到加速卡侧，只是尚未成为主流。
投行 KeyBanc 分析师表示，AMD EPYC 服务器 CPU 2026 年全年产能近乎售罄，高端型号交期拉长至 8 – 10 周。
英伟达自家机架产品的规格，也侧面印证算力配比逻辑正在转向：GB200 NVL72 以及面向 Agent 场景的 Vera Rubin NVL72，标准配置都是 36 颗 CPU 对应 72 颗 GPU。
当然，这部分是和 GPU 深度绑定的 Grace/Vera Arm 核，和采购清单上独立的 x86 主机 CPU 不能直接划等号，但它代表平台设计思路的转向：Agent、长上下文推理场景下，控制与编排资源不再是附带品。
单机柜内 CPU 配置规模大幅抬升，整机系统内存随之同步扩容；为支撑多节点并发调度与工具调用的网络交互，高速网络端口必须同步增加；整机功耗持续走高，供电容量、液冷散热方案都要重新核算。
落到云厂商采购环节，变化已经非常清晰：早年搭建训练集群，采购基本等同于确定采购多少张 GPU，属于单一核心变量的单选题。
但面向 Agent 的推理集群，采购清单已经拉长为一整套系统方案：GPU 算力、CPU 核数、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，单一硬件指标已经无法决定集群交付能力。
过去核算 AI 基础设施 TCO，预算重心几乎锚定在 GPU，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 已经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。
对芯片与服务器供应商来说，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，已经分化出三类诉求完全不同的买家。
一类是云厂商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 配比灵活调整的通用算力；还有一类面向传统企业客户，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，也会影响增量红利最终流向谁。
此前 AI 赛道的估值定价，重心基本锚定在 GPU 产业链：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。
这套定价逻辑正在随 Agent 负载带来的算力配比重构，慢慢发生偏移。
倘若 TrendForce 的预判能够落地，服务器 CPU 产业链有望走出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，会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 阵营拿下本轮增量里的大头。AWS Graviton、阿里云倚天、Google Axion 这类云厂商自研 CPU，叠加 NVIDIA 机柜平台中的 Grace、Vera，共同推高 Arm 架构服务器 CPU 的出货规模，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，这是独立于 GPU 订单之外的一条新需求曲线，但它所消耗的工艺与封装资源和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守住份额更长时间。Intel Xeon 6、AMD 第六代 EPYC，都已经面向 Agent 负载做针对性优化。
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 方案短期内很难补齐的短板。在这个情景里，即便 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 需求抬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不能拿到 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、散热在采购清单里的优先级同步抬升，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：倘若资本市场提前按照 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然停留在预期层面，尚未充分兑现到业绩里，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 长期拿下近九成市场份额，背后并不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，就要直面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 并不是没有发起过挑战，从早年的 Calxeda 再到后来的 Ampere，Arm 服务器芯片已经试了十几年，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一样：不再正面冲击存量厚重的传统企业市场，转而从云厂商或 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。
比如，云厂商在底层做操作系统、调度组件与运行时环境的深度定制，把架构适配、兼容性验证的成本在体系内部消化，以此绕开 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，但是在 GB200、Vera Rubin 这类 NVL72 整机柜方案里，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 的出货规模直接和机柜内 GPU 的交付量绑定。GB200 到 Vera Rubin 两代机架迭代、订单上量的过程，也同步带动配套 Arm CPU 的出货同步增长。
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，不过拆解这份预测不难发现，它依托于三组还没有落地验证的假设。
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。
倘若 Agent 长期停留在演示效果亮眼和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里 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。
把 TrendForce 这份预测放回商业语境里，它本质指向一个朴素的变化：AI 算力的投入逻辑正在从只采购加速卡，转向搭配一整套均衡的算力机柜。
GPU 依旧是算力采购里最大的支出项，但 CPU、内存、网络、供电这些此前被视作配套的环节，开始在预算分配中获得独立权重。
