Agent改写AI算力采购清单：服务器CPU需求2026年预计增长31%

（本文作者为 硅碳变量，钛媒体经授权发布）

TrendForce集邦咨询最新AI服务器产业研究显示，AI服务厂商正积极推出AI Agent相关应用，服务器CPU需求从2025年下半年起稳步成长，预估2026年出货年增幅将达31%。

到2027年，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，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。

但从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明显抬升。

一笔账，从一行变成了三张清单

当大模型训练还是主要任务时，买一台训练服务器，钱和评审精力基本都花在GPU上。CPU、内存、存储和网络通常只当配套设施，照既定拓扑规格配齐就行，很少有人会为要不要多加几颗CPU专门写论证。

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。

这不代表CPU的浮点算力赶上GPU了，说到底是因为负载结构变了：像模型token生成这种密集矩阵计算，仍然更适合GPU来干；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些充满分支判断和外部交互的逻辑活，目前更多压到CPU身上。

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，

英伟达

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。

单机柜里CPU装得多了，整机系统内存也跟着扩；多节点并发调度和工具调用带来的网络交互，要求高速网络端口必须相应增加；整机功耗一路往上走，供电容量和液冷散热方案都得重新算一遍。

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，采购清单已经变成一整套系统方案：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，每一项都得整体匹配、统一规划，单看某一项硬件指标已经决定不了集群的交付能力。

以前算AI基础设施的TCO，预算大头几乎都盯着GPU，CPU多半是随整机方案配套、能压就压的附属项。如今在Agent驱动的新负载下，CPU已经变成要单独评估规格、单独排产、单独谈商务价格的采购科目。

对芯片和服务器供应商来说，这是一块明摆着的增量市场；对云厂商和大模型企业这些采购方来说，则多了一层要权衡的成本变量，也多了一个议价筹码。

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、针对Agent负载自研适配的Arm算力；一类是面向AI原生创业公司和模型客户、CPU-GPU配比可以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。

过去给AI赛道估值定价，目光大多落在GPU产业链上：HBM、先进封装，

不过，Agent负载正在改变算力的配比，这套定价逻辑也随之松动、偏移。

如果TrendForce的预判成真，服务器CPU产业链或许能迎来一条久违的增长曲线。增量红利最后落到哪些玩家手里，会是资本市场反复琢磨的核心问题。

一种可能的分配方式是Arm阵营吃掉这轮增量的大头。AWS Graviton、阿里云倚天、Google Axion这些云厂商自研CPU，再加上NVIDIA机柜平台里的Grace、Vera，一起把Arm架构服务器CPU的出货规模推上去，配套的代工、先进封装与内存需求也会被带着走。

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。但它吃掉的工艺与封装资源，跟高端加速卡并不完全重合。

另一种分配方式，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，加上长期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，Agent相关负载就算规模化落地，x86也未必会很快丢阵地。

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同步上抬，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，回归方案设计者。

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

当然还有一层风险要留意：如果资本市场提前按CPU超级周期给相关标的定价，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留在预期层面，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，而不是单纯的叙事。

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，客户要换架构，迁移成本高昂，这就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，背后并不是芯片性能的绝对碾压。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，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。

不过这次突围的打法变了：不去硬碰存量包袱重的传统企业市场，而是先从云厂商、AI原生客户这类能自己说了算、整套软件栈都可掌控的场景下手。这些主体在业务起步阶段就有条件按Arm做适配，用不着去动那些已经固化的存量应用生态。

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。

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%的增幅看着确实诱人。可把这份预测拆开来看，它其实压在三个前提上，而这三个前提眼下都还没有落地验证过。

头一个前提，是Agent能真正跑出规模化的商业收入。云厂商和大模型公司眼下都在密集发Agent产品，但用户愿不愿意掏钱、任务能不能从头到尾跑完、企业客户长期调用量能维持在什么水平，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、付费疲软的状态，服务器CPU能多出来的空间就会跟着收窄，Arm靠这条赛道讲扩张的故事也会顶不住压力。

第二个前提，是CPU和GPU的资源配比能一直停在高CPU消耗那一档。Agent负载眼下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，负载怎么分布随时可能被重新改写。

第三个前提，是Arm生态的碎片化不至于拖慢扩张的脚步。Graviton、Axion、Ampere、Grace/Vera这些Arm平台之间做不到完全兼容，软件通常得针对不同平台分别做适配调优。

在云厂商自己封闭的生态里，这部分适配成本可以内部消化掉。可一旦Arm方案走出闭环，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与维护成本。

对产业投资者来说，更值得做的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配比怎么变、Agent产品真实的调用量和付费转化效率、Arm架构服务器CPU在季度出货中占比的变化。

一线的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里看，它指向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，转成配一整套均衡的算力机柜。

GPU还是算力采购里最大的一笔支出。不过CPU、内存、网络、供电这些以前被当成配套的环节，开始在预算分配里拿到独立的权重。