报告核心观点 - 电子行业报告核心观点：AI算力结构正从以训练为主转向以推理为核心，这将推动服务器CPU在AI数据中心中的硬件配比和价值量提升，迎来价值重估 [8][9] - 银行行业报告核心观点：银行板块资金面不确定性大幅降低，证金公司与宽基指数基金的减持压力已接近尾声，保险资金作为增量资金整体流入 [3] 银行股权结构分析 - 国有资金层面：2026年第一季度，证金公司减持7家股份制银行与1家城商行，对浦发银行、平安银行、中信银行减持比例分别为1.01、0.46、0.09个百分点，并退出招商银行、兴业银行、华夏银行、光大银行、北京银行前十大股东行列，持股比例降至近年低位，减持压力已接近尾声 [4] - 国有资金层面：中央汇金、证金、社保基金等对国有大行持股保持稳定，截至2026年一季度末，工商银行、农业银行、建设银行、中国银行、交通银行对应持股比例分别为39.21%、47.75%、55.64%、61.61%、15.19%，较2025年末无变动 [4] - 保险资金层面：保险资金是2026年第一季度银行板块核心的增量配置资金，共有6家保险机构对11家上市银行实施增持，配置行为聚焦高股息与优质区域标的 [5] - 保险资金层面：国有行与城商行成为险资重点配置方向，中国人寿为加仓主力，合计增持8家银行，支撑板块资金面改善 [5] - 公募基金层面：被动基金（宽基）一季度受挂钩基金规模收缩影响对银行股减仓明显，但截至2026年5月末，主要宽基基金规模已回落至低位，资金压力趋于尾声 [6] - 公募基金层面：经测算，即使沪深300基金规模回落至增持前低点，对应银行股减持规模占板块自由流通市值比例仅0.53%，冲击较小 [6] AI算力转型与CPU价值重估 - 算力结构转型：当前70%以上算力用于集中式训练，未来70%以上算力将用于分布式推理，推理需求规模有望达到训练阶段的5-10倍 [8] - CPU与GPU角色变化：在AI训练场景中，CPU仅承担数据搬运和集群调度，时间占比10-30%；在AI推理场景中，CPU在多个任务中更具竞争力，可完成70%以上运行负载 [8] - 硬件配比变化：在AI数据中心的部署比例，CPU:GPU已从过去的1:8收紧至当前的1:4，并可能在Agent时代进一步收敛至1:1甚至更低 [9] - 服务器CPU进化：为适应AI需求，服务器CPU在指令集、核心数、内存子系统三个维度发生根本性进化，例如引入AMX指令集使单核AI算力较前代提升24倍，核心数由28/32提升至192/288 [9] Agentic AI对CPU的驱动 - 工作负载特征反转：传统大语言模型（LLM）是大批量（Batch）高吞吐，而智能体（Agent）是高频率小请求，这种反转导致GPU算力闲余，CPU处理时间占比上升 [10] - 特定环节依赖：工具调用、沙箱运行、多智能体调度等环节天然依赖CPU架构 [10] - 性价比优势：在长上下文与RAG检索增强生成场景下，CPU搭配大容量DDR5内存的方案具有突出性价比优势，且进行RAG检索时主力算力在CPU，检索频率翻倍提升进一步放大了CPU需求 [10] 服务器CPU行业格局与市场空间 - 当前格局：x86架构占据服务器CPU市场90%份额，ARM架构占10% [11] - 市场空间预测：根据BofA Global Research预测，2025至2030年，服务器CPU市场规模预计将从266亿美元增长至1252亿美元，年复合增长率（CAGR）约36% [11] - 出货量与单价：同期出货量预计从2920万颗增长至9500万颗，平均销售单价（ASP）预计从900多美元提升至1317美元 [11] - 未来架构渗透率：至2030年，ARM架构在服务器CPU中的渗透率将提升到44%，增速具有更强alpha [11] 投资建议摘要 - 银行股投资主线一：拥有区域优势、确定性强的城农商行，区域包括江苏、上海、成渝、山东和福建等，重点推荐江苏银行、齐鲁银行、渝农商行、杭州银行、上海银行等 [7] - 银行股投资主线二：高股息稳健逻辑，重点推荐大型银行（如农行、建行和工行）以及股份行中的招商银行、兴业银行和中信银行等 [7] - 电子/CPU投资建议：推理需求驱动CPU硬件配比提升，Agent趋势推动CPU核心数及总量需求增长，建议关注芯片公司（如海光信息、龙芯中科）及供应链公司（如澜起科技、通富微电） [11]