AI记忆技术驱动基础设施价值提升 - AI记忆正从“费用项”转变为“资产项”，成为支撑AI应用连续性与个性化的底层能力，有望促进AIAgent等应用加速落地，相关上游基础设施价值量与重要性将不断提升 [1] AI Agent发展推升CPU需求 - AI Agent时代，单个用户可同时调用多类Agent驱动服务器端应用，整体调用频次与覆盖面显著高于人类使用，带来更多系统请求、数据搬运与控制流开销，推高CPU负载 [1] - AI Agent的计算流程演化为“感知-规划-工具调用-再推理”的闭环，工具调用、任务调度、信息检索等关键环节均依赖CPU完成，随着Agent渗透率与工具调用密度提升，CPU作为中间调度枢纽的占用线性放大 [1] - 为降低误操作风险，Agent运行时普遍采用沙箱/虚拟化隔离，带来额外进程与内核开销，并提升IO带宽与本地SSD缓存需求，进一步推高CPU/内存/存储配置 [1] AI集群中CPU配比持续提升 - 根据semianalysis报告，目前每个GPU兆瓦(MW)对应的CPU配比低于10%，预计到2026年第二季度，该比例将上升至15% [2] - 在300MW GPU建筑功率下，假设CPU配比率分别为16%、25%，则单GPU对应的额外通用服务器CPU数量分别为0.29、0.45；单GPU对应的总CPU数量分别为0.79、0.95 [2] - 假设全球B200、ASIC出货量分别为800万颗、700万颗，则总AI集群X86 CPU的数量分别为610万颗、855万颗，AI CPU增量需求分别为25%、36% [2] 内存与接口芯片市场空间扩大 - AI服务器为满足更高容量与带宽需求，内存配置趋向全插(2DPC)，而通用服务器多以半插(1DPC)为主，因此DIMM条需求增长可表述为：DIMM条增长=CPU量增长×2 [3] - X86-CPU配置的内存形态有望从传统RDIMM逐步向MRDIMM方案演进，需引入更复杂的接口芯片，推动配套芯片平均销售价格(ASP)提升 [3] - 内存插满率提升叠加MRDIMM渗透，共同打开内存条与接口芯片的市场空间 [3]