行业投资评级 * 报告未明确给出整体行业投资评级，但对重点公司均给出了“买入”评级 [4] 核心观点 * AI Agent的普及将显著提升对CPU的需求，并带动内存条及接口芯片等上游基础设施的价值提升，AI记忆正从“费用项”转变为“资产项” [3][25] 分章节总结 一、AI Agent对CPU需求增加 * 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，从而抬升CPU负载 [3] * AI Agent的工作流程演化为“感知-规划-工具调用-再推理”的闭环，其中工具调用、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 [3] * 为保障安全，Agent运行时普遍采用沙箱/虚拟化隔离，这会带来额外的进程与内核开销，并提升IO带宽与本地SSD缓存需求，进一步推高CPU、内存及存储的配置要求 [3] 二、CPU配比不断提升 * 根据第三方报告，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% [3] * 报告基于300MW GPU建筑功率进行测算：当CPU配比率为16%时，单颗GPU对应的额外通用服务器CPU数量为0.29个，总CPU数量为0.79个；当CPU配比率提升至25%时，单颗GPU对应的额外通用服务器CPU数量为0.45个，总CPU数量为0.95个 [17] * 假设全球B200和ASIC出货量分别为800万颗和700万颗，则对应的AI集群X86 CPU总需求分别为610万颗和855万颗，相较于现有通用服务器CPU存量（2400万颗），AI带来的增量需求分别为25%和36% [17] 三、内存条和接口芯片空间广阔 * 需求数量：通用服务器内存配置多以半插（1DPC）为主，而AI服务器为满足更高容量与带宽需求，趋向全插（2DPC），因此DIMM内存条的需求增长约为CPU数量增长的2倍 [3] * 价值提升：X86 CPU配置的内存形态有望从传统RDIMM逐步向MRDIMM方案演进，需要引入更复杂的接口芯片，推动配套芯片平均售价（ASP）提升 [3] * 性能优势：MRDIMM Gen2在AI负载下，其带宽可比DDR5 RDIMM提升高达2.3倍，并在大模型推理的KV Cache场景下提供确定性增益 [20][23] 四、投资建议 * 报告认为AI记忆是支撑上下文连续性、个性化与历史信息复用的底层能力，将持续扩展模型能力边界，促进AI Agent等应用加速落地 [25] * 建议关注产业链核心受益标的 [3][25] * 报告列出了澜起科技、聚辰股份、兆易创新、中微公司、拓荆科技、北方华创等六家重点公司，并均给予“买入”评级 [4]