根据TrendForce集邦咨询最新AI服务器产业报告，随着各AI服务商积极推广AI Agent应用，服务器CPU需求自2025年下半年起稳步增长，预估2026年出货年增幅将达31%。
2027年，受AI推理需求持续增长及Agentic AI服务渗透率提升推动，服务器CPU出货量有望再年增逾40%，但以x86阵营主导的市场格局可能出现变化。
在GPU主导的市场上，这条消息并未引起太大关注。
然而，从采购与资本开支的角度重新审视这份预测，它指向另一层变化：AI基础设施的预算结构正从仅购买加速卡转向配置完整机柜算力，CPU在这本新账本中的权重明显上升。
一笔账，从一行变成了三张清单
在大模型预训练阶段，采购一台训练服务器时，预算与评审重心几乎全落在GPU上。CPU、内存、存储与网络被视为配套底座，按既定拓扑规格落地，很少因多加几颗CPU而单独论证。
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中，CPU的计算能力几乎可忽略。
但Agent负载改变了这道算术题。
TrendForce在4月24日发布的博文中提到，英特尔CEO陈立武在2026年第一季度财报电话会议上表示，AI工作负载重心从训练转向推理，推动CPU与GPU比例从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CPU核心数可能从3000万激增至1.2亿，增长4倍。
这并不意味着CPU的浮点算力追上了GPU，本质是负载结构迁移：模型token生成等密集矩阵计算仍更适合GPU；而任务规划、请求路由、工具调用、多智能体协调调度等逻辑类工作，现阶段更多由CPU承载。
当然，行业也在尝试将部分轻量编排逻辑下沉到加速卡侧，但尚未成为主流。
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印证了算力配比逻辑的转变：GB200 NVL72及面向Agent场景的Vera Rubin NVL72，标准配置均为36颗CPU对应72颗GPU。
尽管这部分是与GPU深度绑定的Grace/Vera Arm核，与独立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。
单机柜内CPU配置规模大幅提升，整机系统内存同步扩容；为支撑多节点并发调度与工具调用的网络交互，高速网络端口必须增加；整机功耗持续走高，供电容量、液冷散热方案需重新核算。
在云厂商采购环节，变化已非常清晰：早年搭建训练集群时，采购基本等同于确定GPU数量，属于单一核心变量的单选题。
但面向Agent的推理集群，采购清单已拉长为一整套系统方案：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，所有环节需整体匹配、统一规划，单一硬件指标无法决定集群交付能力。
过去核算AI基础设施TCO时，预算重心锚定在GPU，CPU是跟随整机方案的附属项。而在Agent驱动的新负载下，CPU已升级为需独立评估规格、单独排产、单独商务议价的采购科目。
对芯片与服务器供应商而言，这是明确的增量市场；对云厂商和大模型企业等采购方来说，意味着多一层需权衡的成本变量，也新增一个议价抓手。
一条被市场低估的支线
CPU增量需求的底层已分化出三类诉求不同的买家。
一类是云厂商深度绑定自家软件栈和自研适配Agent负载的Arm算力；一类是面向AI原生创业与模型客户、CPU-GPU配比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、迁移成本及议价空间差异很大，影响增量红利最终流向。
此前AI赛道估值定价重心锚定在GPU产业链：HBM、先进封装、光模块、液冷、机柜集成，每个环节都诞生了高估值标的。CPU长期游离在AI主线叙事之外，Intel和AMD的股价弹性不及GPU上下游标的。
这套定价逻辑正随Agent负载带来的算力配比重构而慢慢偏移。
若TrendForce的预判落地，服务器CPU产业链有望走出久违的增长曲线。而这一轮增量红利最终流向哪些玩家，将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阵营拿下本轮增量大头。AWS Graviton、阿里云倚天、Google Axion等云厂商自研CPU，叠加NVIDIA机柜平台中的Grace、Vera，共同推高Arm架构服务器CPU出货规模，带动配套代工、先进封装与内存需求。
对台积电和封测厂商而言，这是独立于GPU订单之外的新需求曲线，但所消耗的工艺与封装资源与高端加速卡不完全重合。
另一种分配路径则是x86阵营依托稳固的存量基本盘，在通用推理和企业混合云场景守住份额更长时间。Intel Xeon 6、AMD第六代EPYC已面向Agent负载做针对性优化。
成熟的软件生态、行业渠道网络及长期沉淀的企业客户服务链路，是Arm方案短期内难以补齐的短板。在此情景下，即便Agent相关负载规模化落地，x86也不一定会快速丢失阵地。
还有一层易被忽略的供应链传导效应：CPU需求抬升或将重塑服务器整机赛道的话语权格局。
在AI训练集群主导阶段，能否拿到GPU配额是整机厂商获得订单的核心前提。而随着CPU、内存、电源、散热在采购清单中的优先级提升，整机厂商与系统集成商的角色，有机会从组装厂向方案设计者回归。
混合Agent负载对整机拓扑、资源配比及功耗平衡的定制化要求，会放大系统层面的设计价值。
当然，还有一层风险值得留意：若资本市场提前按CPU超级周期给相关标的定价，但Agent商业化落地节奏不及预期，估值回撤速度可能和此前上涨一样迅速。
这条增长支线现阶段仍停留在预期层面，尚未充分兑现到业绩里，相关定价需锚定可验证的出货与落地数据，而非单纯叙事。
X86的租金，Arm的增量
服务器CPU市场十几年来的格局，很大程度上建立在生态租金之上。
大量数据库、中间件、行业业务系统长期围绕x86架构开发，客户切换架构的迁移成本高昂，构成长期稳定壁垒。当然，租金前提是厂商持续投入芯片架构与平台能力迭代。
Intel与AMD长期拿下近九成市场份额，背后并非芯片性能绝对碾压。真正壁垒是围绕x86生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，长期以x86为默认适配基准，跨架构迁移需承担不菲改造与验证成本。
一旦客户切换芯片架构，就要直面整套软件栈的兼容改造压力。高昂的迁移成本构成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服务器芯片已试了十几年，始终难以在传统企业市场规模化落地，核心阻碍就是x86垒起的软件生态高墙。
当然，早期尝试还叠加硬件、资金、客户落地节奏等多重约束，生态迁移成本仍是最难翻越的一环。
但这一轮突破路径已不同：不再正面冲击存量厚重的传统企业市场，转而从云厂商或AI原生客户等可自主掌控整套软件栈的场景切入。这类主体有条件在业务起步阶段就基于Arm做适配，不必撬动已固化的存量应用生态。
例如，云厂商在底层做操作系统、调度组件与运行时环境的深度定制，将架构适配、兼容性验证成本在体系内部消化，绕开Arm长期面对的外部生态短板。
而NVIDIA走出了另一条路径：它并非完全不提供独立Arm CPU，但在GB200、Vera Rubin等NVL72整机柜方案中，Grace、Vera与GPU以Superchip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出货规模直接与机柜内GPU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出货增长。
可以看出，市场正走向分化：x86守住存量生态基本盘，Arm借Agent带来的增量市场打开新增长空间。
31%、40%的增幅看起来有吸引力，但拆解这份预测不难发现，它依托于三组尚未落地验证的假设。
第一个假设是Agent能实现规模化商业化落地。当下云厂商与大模型企业密集推出Agent相关产品，但用户付费意愿、任务端到端完成率及企业客户长期调用规模都未经历完整商业周期检验。
若Agent长期停留在演示效果亮眼、付费转化偏弱的状态，服务器CPU增量空间会相应收缩，Arm依托这一赛道扩张的叙事也会承压。
第二个假设是CPU、GPU资源配比会稳定在高CPU消耗区间。现阶段Agent负载确实带来显著主机侧开销，但推理框架与底层架构迭代随时可能重塑负载分布。
第三个假设是Arm生态碎片化问题不会拖累扩张节奏。Graviton、Axion、Ampere、Grace/Vera等不同Arm平台彼此不能完全兼容，软件需针对不同平台单独适配调优。
在云厂商封闭的自有生态内，这类适配成本可内部消化；但当Arm方案走出闭环，面向外部ISV与传统企业客户推广时，碎片化会转化为明确迁移与维护成本。
对产业投资者而言，更有价值的做法是盯住三组前置高频指标：云厂商硬件采购清单中CPU与GPU配比变动、Agent产品的真实调用规模与付费转化效率、Arm架构服务器CPU在季度出货中的占比变化。
一线订单与业务运营数据，远比任何机构远期预测更贴近产业真实景气度。
把TrendForce这份预测放回商业语境，它本质指向一个朴素变化：AI算力投入逻辑正从仅采购加速卡，转向搭配一整套均衡的算力机柜。
GPU仍是算力采购中最大支出项，但CPU、内存、网络、供电这些此前被视为配套的环节，开始在预算分配中获得独立权重。在探讨未来AI服务器架构时，篮球决赛前瞻中提到的算力配比问题，恰好反映了CPU角色从配角向关键组件的转变。
本文来自微信公众号“硅碳变量”，作者：沈浪，36氪经授权发布。