Agent改写AI算力账本：服务器CPU需求2026年预增31%

（本文作者为 硅碳变量，钛媒体经授权发布）

集邦咨询TrendForce最新AI服务器产业研究显示，AI服务厂商正积极铺开AI Agent相关应用，服务器CPU需求从2025年下半年起已稳步走高，预估2026年出货量年增幅可达31%。

到2027年，AI推理需求继续增长、Agentic AI服务渗透率抬升，服务器CPU出货量有望再年增逾40%。不过，x86阵营主导的市场格局届时可能出现变化。

在GPU叙事占据话题中心的市场上，这条消息并未激起多大水花。

但若从采购与资本开支的角度重读这份预测，它指向的其实是另一层变化：AI基础设施的预算结构正从单纯买加速卡，转向配齐一整套机柜算力，CPU在这本新账本里的分量正在明显加重。

一笔账，从一行变成了三张清单

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压在GPU上。CPU、内存、存储与网络多被当成配套底座，按既定拓扑规格配套落地，很少会为要不要多加几颗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，CPU和GPU之间的比例关系趋于平衡，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。

当然，这不代表CPU的浮点性能已经追平GPU。真正变化的是负载分布：像模型token生成这种密集矩阵运算，仍然该由GPU承担；至于任务规划、请求路由、工具调用、多智能体协同调度这些需要大量分支判断和外部交互的逻辑活，眼下更多压在CPU上。

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。

单个机柜里装的CPU数量明显变多，整机内存也跟着扩大；多节点并发调度和工具调用都要走网络，高速端口数量得相应往上加；整机功耗一路攀升，供电能力和液冷散热方案都得重新算账。

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。

可到了面向Agent的推理集群，采购单子已经变成一整套系统工程：GPU算力、CPU核数、系统DRAM、KV缓存SSD、高速交换机、机柜配电和散热容量，哪一环都得对齐，统一做规划。单看某一项硬件指标，已经定不了集群能交付成什么样。

以往算AI基础设施的TCO，钱基本都盯着GPU，CPU不过是跟着整机方案走、能省就省的附赠项。但Agent带来的新负载把局面改了：CPU成了要单独看规格、单独排产、单独谈价的采购项。

对芯片和服务器厂商而言，这里多了一块看得见的增量生意；换成云厂商、大模型企业这些买方，账上则多了一个要权衡的成本项，谈判时也多了一个可以压价的点。

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。

第一种是云厂商把自家软件栈绑得很紧、针对Agent负载自研适配的Arm算力；第二种面向AI原生创业公司和模型客户，CPU与GPU的配比可以灵活调整，属于通用算力；第三种服务传统企业客户，把生态兼容性放在前头，走的是x86路线。

三条路线在负载诉求、迁移成本和议价空间上差别不小，增量红利最后落到谁手里，也会跟着变。

过去AI赛道的估值定价，重心基本压在GPU产业链上：HBM、先进封装、光模块、液冷、机柜集成，每个环节都出过高估值标的。CPU则长期不在AI的主线叙事里，Intel和AMD的股价弹性，整体比不上GPU上下游的标的。

随着Agent负载改变算力配比，这套定价逻辑正慢慢松动。

如果TrendForce的预判真能兑现，服务器CPU产业链有望走出一条久违的增长曲线。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阵营拿走本轮增量的大头。AWS Graviton、阿里云倚天、Google Axion这类云厂商自研CPU，再加上NVIDIA机柜平台里的Grace、Vera，一起把Arm架构服务器CPU的出货规模推高，配套的代工、先进封装与内存需求也跟着被拉动。

对台积电和封测厂商来说，这是一条独立于GPU订单之外的新需求曲线，不过它吃掉的工艺与封装资源，和高端加速卡并不完全重合。

另一种路径，是x86阵营靠稳固的存量基本盘，在通用推理和企业混合云场景里把份额守得更久。Intel Xeon 6、AMD第六代EPYC，都已经针对Agent负载做了优化。

成熟的软件生态、铺到各行各业的渠道网络，加上多年沉淀的企业客户服务链路，都是Arm方案短期内难以补齐的短板。照这个情景看，就算Agent相关负载规模化落地，x86也未必会很快丢掉阵地。

还有一层供应链传导效应容易被忽略：CPU需求抬升，可能重塑服务器整机赛道的话语权格局。

AI训练集群主导的阶段，整机厂商能不能拿到GPU配额，往往就是拿订单的核心前提。如今CPU、内存、电源、散热在采购清单里的优先级一起上抬，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，回到方案设计者的位置。

混合Agent负载对整机拓扑、资源配比和功耗平衡都有定制化要求，系统层面的设计价值会被放大。

风险也有一层：要是资本市场提前按CPU超级周期给相关标的定了价，而Agent商业化落地节奏又不及预期，估值回撤的速度可能和此前上涨一样快。

这条增长支线眼下还停在预期层面，没有充分兑现到业绩里。相关定价更需要锚定可验证的出货与落地数据，光靠叙事撑不住。

X86的租金，Arm的增量

服务器CPU市场十几年来的格局，很大程度上是建立在一笔生态租金上的。

大量数据库、中间件、行业业务系统长期围着这套架构开发，客户要换架构，迁移成本高昂，这就形成了长期稳定的壁垒。当然，收租金的前提是厂商持续投入芯片架构与平台能力的迭代，光靠历史积累坐享红利并不成立。

Intel与AMD长期握住近九成市场份额，靠的并不是芯片性能上的绝对碾压。真正的壁垒，是围绕x86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，长期把x86当作默认适配基准，跨架构迁移要承担不菲的改造与验证成本。

客户一旦切换芯片架构，就得直面整套软件栈的兼容改造压力。高昂的迁移成本筑起了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服务器芯片已经试了十几年，却始终难以在传统企业市场形成规模化落地，核心阻碍正是x86垒起的软件生态高墙。

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。

不过这回的突破口换了打法：先切入云厂商、AI原生客户这类自己能把整套软件栈攥在手里的场景，绕开存量厚重的传统企业市场，不再与之正面硬碰。这些主体在业务起步阶段就有条件按Arm做适配，已经固化的存量应用生态则不必去撬动。

比如云厂商在底层对操作系统、调度组件与运行时环境做深度定制，把架构适配、兼容性验证的成本在体系内部消化掉，以此绕开Arm长期面对的外部生态短板。

NVIDIA走的则是另一条路：它并非完全不对外提供独立Arm CPU，但在GB200、Vera Rubin这类NVL72整机柜方案里，Grace、Vera和GPU以Superchip的形式深度耦合、打包交付。

客户买下的是一套面向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的交付量绑在一起。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的出货增长。

市场已经出现分岔。一边是x86，靠存量生态稳住基本盘；另一边是Arm，想借Agent带来的新增需求撬开增长空间。

31%和40%的增幅听着诱人。可这份预测拆开来看，底下压着三组前提，眼下都还没有落地验证。

头一个前提，是Agent能规模化成生意。云厂商和大模型公司眼下都在扎堆推Agent产品，但用户愿不愿意掏钱、任务能不能从头到尾跑完、企业客户会不会长期大量调用，这些都还没走完一个完整的商业周期。万一Agent一直停在演示好看、付费冷清的状态，服务器CPU多出来的那块空间就会缩回去，Arm靠这条赛道扩张的故事也得跟着承压。

第二个前提，是CPU和GPU的配比会稳在一个CPU消耗偏高的区间。就目前看，Agent负载确实给主机侧带来不小的开销，可推理框架和底层架构一迭代，负载分布随时可能被重新洗牌。

第三个前提，是Arm生态的碎片化不至于拖慢扩张脚步。Graviton、Axion、Ampere、Grace/Vera这些Arm平台，相互之间做不到完全兼容，软件常常得针对不同平台单独适配调优。在云厂商自己关起门来的生态里，这笔适配成本还能内部消化；可Arm方案一旦走出闭环，去面向外部ISV和传统企业客户推广，碎片化就会变成实打实的迁移和维护成本。

对产业投资者来说，更管用的办法是盯住三组前置的高频指标：云厂商硬件采购清单里CPU与GPU配比的变化、Agent产品真实的调用规模和付费转化效率、Arm架构服务器CPU在季度出货中的占比走势。一线订单和业务运营数据，比任何机构的远期预测都更贴近产业的真实景气度。

把TrendForce这份预测放回商业语境，它说的其实是一个很朴素的变化：AI算力的投入逻辑，正从只买加速卡，转向配齐一整个均衡的算力机柜。

GPU仍然占着算力采购里最大的一笔支出。但CPU、内存、网络、供电这些过去被当成配套的环节，开始在预算分配里拿到独立的权重。