2030年CPU增量市場(chǎng)達(dá)600億美元

到2030年，CPU總潛在市場(chǎng)規(guī)模將新增325億至600億美元，而服務(wù)器CPU總潛在市場(chǎng)規(guī)模將超過1000億美元。

摩根士丹利在其最新研究報(bào)告中指出，人工智能的下一階段不再僅僅關(guān)乎更快的GPU。隨著人工智能從單任務(wù)生成轉(zhuǎn)向自主的多步驟“智能體”系統(tǒng)，其經(jīng)濟(jì)價(jià)值正轉(zhuǎn)移到更廣泛的基礎(chǔ)設(shè)施層面，CPU和內(nèi)存正成為新的瓶頸。

這一轉(zhuǎn)變標(biāo)志著人工智能結(jié)構(gòu)從原始計(jì)算轉(zhuǎn)向編排。雖然GPU需求依然強(qiáng)勁，但如今每次模型調(diào)用都需要更多的協(xié)調(diào)、持久內(nèi)存和系統(tǒng)級(jí)處理，這使得人工智能的支出范圍不再局限于加速器。“智能體人工智能將應(yīng)用范圍擴(kuò)展到GPU之外，CPU成為多步驟工作流和系統(tǒng)編排的控制平臺(tái)，”報(bào)告指出。

摩根士丹利通過一個(gè)全新的框架量化了這一機(jī)遇，該框架評(píng)估了新增的計(jì)算和內(nèi)存需求。CPU端編排可占代理系統(tǒng)總工作負(fù)載延遲的50%至90%，從而顯著提升通用計(jì)算強(qiáng)度。該券商預(yù)計(jì)，到2030年，CPU總潛在市場(chǎng)規(guī)模將新增325億至600億美元，而服務(wù)器CPU總潛在市場(chǎng)規(guī)模（TAM）將超過1000億美元。在內(nèi)存方面，代理工作負(fù)載到2030年可能帶來15至45艾字節(jié)的額外DRAM需求，相當(dāng)于2027年DRAM年供應(yīng)量的26%至77%。

AI集群的架構(gòu)也在發(fā)生變化。智能體工作負(fù)載依賴于以CPU為中心或混合的設(shè)計(jì)來管理推理、工具執(zhí)行和內(nèi)存編排，從而提高了集群層面的CPU與GPU比例。內(nèi)存不再是被動(dòng)存儲(chǔ)，而是支持持久上下文和持續(xù)學(xué)習(xí)的主動(dòng)系統(tǒng)組件。這推動(dòng)了CPU、DRAM以及更廣泛的基礎(chǔ)設(shè)施堆棧（包括代工廠產(chǎn)能、ABF基板和互連層）的內(nèi)容增長(zhǎng)。

投資影響廣泛且遍及全球。“隨著系統(tǒng)復(fù)雜性的增加，供應(yīng)受限的賦能者（晶圓代工、ABF、BMC、互連）將獲得巨大的經(jīng)濟(jì)效益，”摩根士丹利表示。受益者涵蓋整個(gè)技術(shù)棧——CPU供應(yīng)商、內(nèi)存供應(yīng)商、存儲(chǔ)公司、先進(jìn)封裝和基板供應(yīng)商、晶圓代工廠、設(shè)備制造商和服務(wù)器制造商。簡(jiǎn)而言之，人工智能領(lǐng)域的投資范圍正在從加速器擴(kuò)展到所有為智能代理系統(tǒng)提供支持的各方。

該公司預(yù)計(jì)，未來五年內(nèi)，人工智能智能體的興起將重新定義基礎(chǔ)設(shè)施的優(yōu)先事項(xiàng)。隨著企業(yè)部署能夠規(guī)劃、推理并與外部工具交互的智能體，數(shù)據(jù)中心架構(gòu)需要重新優(yōu)化，以實(shí)現(xiàn)協(xié)同工作，而不僅僅是追求峰值計(jì)算能力。這使得低延遲互連、高帶寬內(nèi)存和彈性代工供應(yīng)鏈的重要性日益凸顯，而這些領(lǐng)域本身就面臨供應(yīng)緊張的局面，并且很可能需要支付更高的價(jià)格。

展望還表明半導(dǎo)體行業(yè)正在經(jīng)歷重新平衡。盡管英偉達(dá)和其他GPU領(lǐng)導(dǎo)者仍然占據(jù)核心地位，但新增收入的重心正在向CPU廠商和內(nèi)存供應(yīng)商轉(zhuǎn)移。摩根士丹利預(yù)測(cè)，到2030年，編排型CPU將開辟一個(gè)價(jià)值825億至1100億美元的數(shù)據(jù)中心市場(chǎng)，其中代理工作負(fù)載將貢獻(xiàn)大部分新增增長(zhǎng)。

對(duì)于投資者而言，這份報(bào)告強(qiáng)調(diào)，擁有最好的加速器已不再足夠。“這一轉(zhuǎn)變的受益者是全球性的全棧企業(yè)，”報(bào)告指出，這預(yù)示著人工智能投資領(lǐng)域?qū)⒏訌V闊和多元化。隨著智能體人工智能規(guī)模的擴(kuò)大，能夠提供端到端系統(tǒng)效率而非單一解決方案的企業(yè)將成為最終贏家。

報(bào)告指出，從生成式人工智能向智能體人工智能的過渡仍處于早期階段，但所需的基礎(chǔ)設(shè)施建設(shè)將比第一階段更加復(fù)雜且資金密集。如果執(zhí)行速度跟上步伐，未來五年內(nèi)，CPU和內(nèi)存可能與GPU并駕齊驅(qū)，成為人工智能相關(guān)半導(dǎo)體收入增長(zhǎng)的主要驅(qū)動(dòng)力。（ANI）

這種結(jié)構(gòu)性轉(zhuǎn)變的背后，是智能體AI與生成式AI的本質(zhì)差異——前者從“被動(dòng)響應(yīng)指令”升級(jí)為“主動(dòng)完成任務(wù)”，需要圍繞目標(biāo)自主規(guī)劃路徑、調(diào)用工具、驗(yàn)證結(jié)果并迭代優(yōu)化，這種多步驟閉環(huán)流程對(duì)算力協(xié)同的要求遠(yuǎn)超單一的模型生成。實(shí)測(cè)數(shù)據(jù)顯示，在金融異常檢測(cè)、AI代碼生成等典型場(chǎng)景中，CPU負(fù)責(zé)的調(diào)度、驗(yàn)證等操作耗時(shí)已超過GPU的推理耗時(shí)，若CPU資源不足，昂貴的GPU將長(zhǎng)期處于閑置狀態(tài)，嚴(yán)重降低整體算力利用率。

*聲明：本文系原作者創(chuàng)作。文章內(nèi)容系其個(gè)人觀點(diǎn)，我方轉(zhuǎn)載僅為分享與討論，不代表我方贊成或認(rèn)同，如有異議，請(qǐng)聯(lián)系后臺(tái)。