报告行业投资评级 - 增持（维持）[1] 报告的核心观点 - 报告认为，随着AI从对话模型转向执行任务的智能体（Agent），算力需求发生结构性变化，CPU的角色将从传统的调度附属演变为承载高并发、长任务执行与海量记忆（KV Cache）的核心算力，价值回归[1][2][5] - 在Agentic AI时代，CPU因其对复杂控制流、高并发调度和大容量内存承载的天然优势而变得不可替代，行业正朝着超多核、高内存带宽的架构方向演进，需求将确定性放量[2][5][17][25][31] 根据相关目录分别进行总结 1. 从对话模型到行动智能体：Agent架构重塑CPU与GPU分工 - Agent形态转变：主流Agent形态从模型推理转向“浏览器+代码执行”，其本质是运行在具备完整操作系统能力的云端沙盒计算环境中，GPU仅作为被调度的加速器[11] - CPU的不可替代性（控制流）：Agent执行阶段涉及大量if/else判断与系统调用，控制流高度异构和发散，这会导致GPU算力利用率急剧下降（在32路完全发散时性能下降可达27-125倍），而CPU的MIMD架构及长期优化的分支预测机制（预测准确率需达95%+）天然适配此类任务[5][17][18] - CPU的不可替代性（内存需求）：长上下文推理产生巨大的KV Cache，其占用随对话轮次线性增长，快速耗尽GPU HBM容量，CPU搭配大容量DDR5/LPDDR5（并通过CXL扩展）承载KV Cache成为兼顾成本与效率的主流架构，HBM3e单位容量价格曾是DDR5的4–5倍[5][23][24] 2. Agent软件基础设施加速落地，CPU多核化与需求放量进入确定性通道 - 系统瓶颈转移：研究显示，在完整Agent执行链路中，工具处理环节（检索、代码执行等）在CPU上消耗的时间占端到端延迟的比例最高可达90.6%，高并发下（Batch Size=128），CPU端到端延迟从2.9秒跃升至6.3秒以上，系统瓶颈已从GPU计算转向CPU并发调度[5][25] - 产业端推进：AWS、Google Cloud等头部CSP正在加速建设面向Agent的沙盒环境，通过软件层强化隔离与编排能力，为CPU侧基础设施的规模化部署奠定基础[2][30] - CPU架构演进：为支撑大规模、长期运行的Agent环境并降低单任务成本，CPU向超多核架构演进，例如AMD Turin最高达192核，Intel Sierra Forest核心数可达144甚至288核[2][31] - 行业巨头验证：英伟达在新GB200架构中将CPU:GPU配比维持在1:2（传统架构约为1:4），并通过统一内存让GPU直接访问CPU内存，这系统性地确认了大内存CPU是承载海量KV Cache的最优容器[2][37]；DeepSeek的Engram架构也将部分参数外置并由CPU调度，进一步强化了CPU作为AI系统记忆管理中枢的角色[40][41] 3. 相关公司 - 英特尔：管理层表示，为AI芯片配套的服务器CPU需求已供不应求，供给约束成为主要掣肘，若供给充足，数据中心收入将显著高于已披露水平[43] - AMD：数据中心业务增长强劲，由EPYC服务器CPU与Instinct AI GPU共同驱动，第五代EPYC（Turin）市场需求“非常强”[43] - 海光信息：产品路线向多核演进，在研的海光C86-5G迈入128核/512线程，并升级DDR5与CXL 2.0，设计对齐Agent时代“高并发、长任务、强隔离”的需求[45] - 澜起科技：受益于CPU平台迭代与带宽需求，其第二子代MRCD/MDB芯片（支持速率12800MT/s，比第一子代提升45%）在手订单金额已超过人民币1.4亿元，将推动MRDIMM渗透率提升[49][50]