川海智库

报告概述

本报告聚焦AI agent兴起对CPU需求的影响，从应用调用放大、编排调度瓶颈、沙箱隔离开销三方面分析CPU负载提升的驱动因素。报告还测算了全球AI集群CPU配比的变化趋势，探讨了内存条（如MRDIMM）及接口芯片的增量市场空间，为投资者提供上游基础设施价值重估的视角。

报告的核心结论

AI agent显著增加CPU负载

Agent时代单个用户可同时调用多类Agent，驱动高频工具调用、任务编排与沙箱隔离，带来系统请求、数据搬运及控制流开销，使CPU占用率大幅提升。

AI服务器CPU配比将持续提升

报告引用semianalysis数据指出，当前每个GPU兆瓦对应CPU配比低于10%，预计2026Q2升至15%。在全球GPU出货量假设下，AI集群X86 CPU增量需求可达25%-36%。

内存条与接口芯片迎来增量空间

AI服务器趋向全插（2DPC）内存配置，DIMM需求随CPU量翻倍增长；同时X86-CPU内存形态从RDIMM向MRDIMM演进，带动接口芯片ASP提升，打开市场规模。

报告回答的关键问题

AI agent为何会提升CPU需求？

AI agent通过三方面提升CPU需求：一是应用调用量放大，用户同时驱动多个Agent，增加系统请求与数据搬运；二是调度编排成为瓶颈，工具调用、任务协调依赖CPU；三是沙箱隔离带来额外进程与内核开销，推高CPU负载。

AI服务器中CPU配比预计提升多少？

报告根据semianalysis报告预测，每个GPU兆瓦对应的CPU配比将从当前低于10%提升至2026Q2的15%。在300MW GPU建筑功率下，单GPU对应总CPU数量将从0.79个增至0.95个，全球AI集群X86 CPU增量需求约25%-36%。

MRDIMM相比传统DDR5 RDIMM有何优势？

MRDIMM Gen2在AI负载下相对DDR5 RDIMM带宽可提升2.3倍，在大模型推理的KV Cache场景中提供确定性增益，能有效缓解内存带宽瓶颈，适合AI服务器的高容量与高带宽需求。

报告中的代表性数据

低于10%升至15%

每个GPU兆瓦对应的CPU配比

当前至2026Q2，根据semianalysis报告，当前配比低于10%，预计2026Q2上升至15%。

25%-36%

全球AI集群X86 CPU增量需求

未明确，假设B200和ASIC出货量分别为800万、700万颗，测算得出AI集群X86 CPU增量需求范围。

2.3倍

MRDIMM Gen2相对DDR5 RDIMM带宽提升

未明确，在AI负载下实测数据，显示MRDIMM Gen2的带宽优势。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 全球AI集群CPU增量需求详细测算表：包含GPU建筑功率、CPU配比、B200与ASIC出货量等假设条件下的多情景测算。
  • Agentic AI工作负载示意图：展示感知-规划-工具调用-再推理的闭环结构，解释CPU在工具处理中的瓶颈角色。
  • 延迟基准测试结果：在QA、数学、化学等任务中，工具处理是延迟主要因素，佐证CPU需求提升。
  • MRDIMM与DDR5带宽对比图：展示MRDIMM Gen2在AI负载下的性能优势，以及在大模型KV Cache场景中的增益。
  • 重点公司估值与财务分析表：覆盖澜起科技、聚辰股份、兆易创新等产业链标的的EPS、PE、ROE等数据。
  • 投资建议与风险提示：建议关注AI记忆相关上游基础设施核心标的，并提示AI产业发展、出货量及国产厂商进展风险。
  • 研究方法说明：基于semianalysis报告及公开数据，采用建筑功率法测算CPU配比与增量需求。
  • 行业投资评级与公司投资评级：明确买入、持有、卖出的量化标准，便于投资者参考。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告