AI智能体推动芯片需求从GPU扩展至CPU

4月20日有消息称，摩根士丹利分析指出，随着AI自主性不断提升，其对芯片的需求正从图形处理器（GPU）向中央处理器（CPU）扩展，这一趋势将重塑数据中心建设模式，并促使投资范畴从当前主导AI领域的GPU进一步延伸。
 
摩根士丹利在周日发布的说明中提到，随着人工智能从内容生成向自主行动转变，计算瓶颈正逐渐转向CPU和内存，进而推动通用计算强度发生阶跃式变化。不过，该机构也强调，目前市场对GPU的需求依旧强劲。
 
摩根士丹利预测，到2030年，代理人工智能（即能够自主规划任务并采取行动，而非仅简单响应提示的系统）将为规模已超千亿美元的数据中心CPU市场，额外带来325亿至600亿美元的市场空间。其认为，下一波代理人工智能的发展，驱动力将更多来自系统协调，而非单纯的原始计算能力。
 
在处理多步骤任务的人工智能系统中，CPU正日益成为控制层的核心。这是因为AI智能体的工作流程远比简单对话模型复杂，涵盖“感知 - 规划 - 工具调用 - 执行 - 反思”的完整闭环，其中多个环节都成为CPU发挥关键作用的“主战场”。
 
具体而言，在任务编排与调度方面，智能体需协调多个步骤、管理不同工具（如API、数据库）的调用，复杂的逻辑判断和系统调度工作，CPU处理起来更为得心应手；在高并发工具调用上，研究发现智能体执行任务时，用于工具处理（如代码解释、网页爬取、数据检索）的CPU耗时占比可高达90%以上；随着模型上下文窗口不断扩大，用于加速推理的KV缓存会迅速耗尽GPU显存，将其“卸载”到容量更大的CPU内存成为普遍解决方案，这使得CPU内存的带宽和容量成为影响性能的新关键因素。
 
这一技术变革正深刻重塑数据中心架构和投资逻辑。传统AI数据中心中，CPU与GPU的配比约为1:8，而在智能体时代，这一比例预计将大幅收窄至1:1到1:2，意味着CPU需求量将成倍增长。需求的激增已导致供需失衡，英特尔和AMD等厂商的服务器CPU产能被大量预订，价格也出现上涨迹象。