摩根士丹利在最新报告中指出，人工智能（AI）正在进入“Agentic AI”（AI智能体）时代，这一转变将重塑数据中心的建设格局，并使投资范围从图形处理器（GPU）扩展至中央处理器（CPU）。

　　以Shawn Kim为首的分析师团队4月19日发布报告，详细探讨了AI从“生成式（Generative）”向“智能体（Agentic）”转变对整个技术基础设施链条的结构性重塑。

　　报告指出，随着AI转向能够自主规划、调用工具、执行多步任务的“智能体”模式，CPU地位将显著提升，不再只是辅助，而是成为管理复杂工作流、维护长上下文窗口和跨任务状态切换的“控制平面”。

　　从“回答问题”到“完成任务”

　　生成式AI的本质是对输入进行响应：用户提出问题，模型给出答案。这类系统的核心，是通过大模型（LLM）进行一次性的推理与生成。

　　而Agentic AI则完全不同。它不再只是给出答案，而是能够围绕一个目标，完成一整套复杂流程：规划任务路径、调用工具、执行操作、根据结果调整策略，最终实现闭环。

　　换句话说，AI开始具备类似执行力的能力。这背后的变化，使AI系统的计算需求发生了根本转移。

　　CPU从配角走向核心

　　在生成式AI时代，GPU是绝对主角。无论是训练还是推理，算力瓶颈几乎完全由GPU决定。

　　但在Agentic AI体系中，情况正在发生逆转。

　　研究显示，在多步骤任务中，CPU侧的处理时间可以占到整个工作负载的50%至90%。原因在于，Agent系统需要大量非计算密集型任务，例如任务调度、逻辑判断、工具调用、数据处理和上下文管理，而这些恰恰是CPU最擅长的领域。

　　通俗地说，GPU负责“思考”，而CPU负责“行动的组织与执行”。

　　随着AI从“推理”走向“执行”，系统瓶颈也随之从GPU转移到CPU与内存。过去一个CPU可以服务约12个GPU，而未来这一比例可能上升至1:2，甚至出现2个CPU对应1个GPU的结构。

　　基于这一趋势，AI基础设施的市场空间正在被重新估算。

　　摩根士丹利预计，到2030年，全球数据中心CPU市场规模将达到825亿至1100亿美元，其中约325亿至600亿美元为Agentic AI带来的新增需求。

　　（摩根士丹利对CPU市场的预测）

　　如果进一步考虑AI基础设施整体规模可能达到3万亿甚至5万亿美元，那么CPU市场规模有望扩展至2000亿至4500亿美元。

　　内存成为关键变量

　　如果说CPU的崛起是Agentic AI最直观的变化，那么内存（Memory）的重要性则更加深层。

　　传统AI模型的一个核心限制在于“上下文窗口”。当对话或任务长度超过模型记忆范围时，信息会被遗忘，这在复杂场景中严重制约了AI的能力。

　　而Agentic AI恰恰依赖长期记忆。

　　它需要记住用户偏好、历史行为、任务进度以及环境状态，并在不同时间点调用这些信息进行决策。这种“持续认知能力”，使得内存从辅助组件升级为核心基础设施。

　　报告指出，到2030年，Agentic AI将带来15至45EB（艾字节）的新增DRAM需求，相当于当前行业供给的26%至77%。

　　同时，内存架构也从单一存储层升级为多层体系，包括短期缓存（Cache）、热数据（DRAM）以及冷数据（HDD/NAND）。

　　这种变化甚有望动传统存储的复苏。由于AI Agent需要长期保存大量上下文和历史数据，HDD等低成本存储仍将承担约80%的云端数据存储任务，未来几年需求有望保持约30%的年复合增长率。

　　竞争格局重塑

　　Agentic AI的兴起，也在重塑半导体行业的竞争格局。

　　在CPU领域，AMD凭借在数据中心市场的领先优势，有望优先受益于需求增长；ARM架构则依靠能效优势，成为云厂商自研芯片的重要选择；英特尔则仍在通过渐进式升级追赶性能差距。

　　新的竞争者也不容忽视。

　　英伟达正在从GPU扩展至CPU领域，推出面向Agent工作负载的处理器，试图构建完整的AI计算平台。高通等厂商则在边缘计算侧布局，探索低功耗AI应用场景。

　　而台积电作为主要CPU代工厂，受益于2nm/3nm等尖端节点的迁移，预计到2026年占据约70%的CPU代工市场份额。

　　更宏观来看，Agentic AI的崛起正在推动AI基础设施进入新一轮扩张周期。

　　摩根士丹利预计，全球AI数据中心基础设施规模将从2025年的约2400亿美元增长至2030年的1.2万亿美元。

　　在更激进的情景下，这一市场甚至可能达到3万亿至5万亿美元。其底层逻辑在于，AI Agent将显著提升计算需求的密度和频率。