文章核心观点 - AI Agent服务兴起推动服务器CPU需求自2025年下半年起稳步成长，2026年出货年增幅预估达31%，2027年有望再年增逾40% [1] - AI推理工作负载占比日益增加，服务器内部CPU与GPU/ASIC配比从过往1:8向1:2甚至1:1方向发展，增添服务器CPU出货动能 [1] - x86阵营主导的市场格局可能出现变化，Arm-Based架构市占率持续扩张 [1][2] 服务器CPU出货量预测 - 2026年服务器CPU出货年增幅预估达31% [1] - 2027年由于AI推理需求持续成长、Agentic AI服务渗透率提升，服务器CPU出货量有望再年增逾40% [1] 竞争格局分析 - 2025年以Intel、AMD为主的x86阵营主宰近90%市场，AMD占比已有提升，Arm-Based架构产品市占率刚突破10% [2] - 2026年x86与Arm-Based CPU皆积极出货以争取AI推理商机 [2] - Intel新品在制程、封装阶段面临调整，出货时程出现延后，由既有Emerald Rapids、Granite Rapids产品线支撑，受限于产能紧张整体出货成长受一定影响 [2] - AMD新品Venice已于2026年进入小规模量产，出货主力为既有Genoa、Turin平台，加单情况因TSMC产能紧绷而有局限，预估2026年AMD服务器CPU市占将显著成长至27%左右 [5] - Arm-Based CPU方面，AWS持续导入自研Graviton CPU，NVIDIA Grace CPU需求持续扩张，Google自研Axion CPU进入大量出货阶段，Microsoft Cobalt 100以及Arm自研AGI也进入量产出货阶段 [5][6] - 2026年Arm-Based CPU出货成长优于x86产品，市占率突破20% [6] - 2027年Arm-Based CPU市占率可望扩大至30%，动能主要来自NVIDIA Vera CPU明显扩大出货，以及Google、AWS、Microsoft、OpenAI、Arm、华为等新CPU进入大量生产阶段，和阿里巴巴推出倚天720/730等新CPU带动 [6] - x86阵营方面，预估Intel新品仍处于小量释出阶段，AMD出货情况更加稳健，加上预计于2027年上半年推出新品，市占率将继续提升 [6]

文章核心观点 - 英伟达在柏林GTC大会上释放的供应链信号正在重塑亚太半导体后端产业格局，AI基础设施建设核心瓶颈已从芯片设计转移至封装与测试产能，共封装光学（CPO）技术加速部署开辟新增长赛道 [1] - 英伟达确认Vera Rubin GPU及CPU已全面量产，并与多家关键封测厂商深化合作，涵盖先进封装、测试、CPO及基板等多个环节，向ASE/SPIL、KYEC及Amkor合计作出逾40亿美元的产能承诺 [1] - 英伟达加快向OSAT厂商提供设备寄售以推进产能爬坡，同时加速CPO部署，相关设备需求有望在2027年出现拐点式增长 [1] 英伟达锁定后端产能的合作细节 - 英伟达与ASE/SPIL达成协议，目标是将光学引擎（OE）产能在2027年中期提升15倍，并在2028年底前再翻一番 [2] - 英伟达与KYEC签订总额11亿美元的预付款协议，用于支持其在美国新建测试设施（预计2027年4月投产），并扩大新加坡测试业务规模（预计2027年2月启动量产）[2] - 英伟达与Amkor签订30亿美元协议，目标是在2028年底前将韩国中介层（interposer）产能提升逾300% [2] - 上述安排的核心逻辑在于"客户资金保护扩产"，英伟达通过预付款和设备寄售的方式将产能扩张风险转移至自身，从而加快OSAT厂商的爬坡节奏 [2] - 若ASE/SPIL的光学引擎产能扩张顺利推进，仅此一项业务在2028年即可为ASE贡献约10亿美元收入 [2] 测试环节的新焦点 - 英伟达的目标是将测试产能翻倍，但增量机会主要集中在晶圆端探针测试（end wafer probing）和系统级测试（SLT），而非最终测试（final testing），后者对于Vera Rubin及Mellanox网络交换芯片的量产而言产能已属充裕 [3] - 驱动测试需求快速增长的关键因素在于单颗芯片测试时间的大幅延长，而非测试数量的简单增加 [3] - 美银证券对KYEC的美国投资持审慎态度，指出其美国新设施初期仅新增约100台测试机，新加坡业务规模亦相对有限，主要服务于希望降低地缘政治风险的HPC客户 [3] CPO加速与设备需求拐点 - 英伟达加速CPO部署的计划与供应链反馈高度吻合，相关设备需求有望在2027年增长10倍，采用拐点预计出现在2027年第四季度 [4] - 英伟达宣布将Vera CPU的封装来源从Amkor/台积电多元化至ASE，并将ASE/SPIL的角色从GPU基板组装延伸至CPO工艺 [4] - 这一战略调整不仅扩大了ASE的业务边界，也为具备CPO设备供应能力的工具厂商创造了新的市场空间 [4] - 除CPO外，2.5D封装（如CoWoS、FoCoS、EMIB-T）和3D封装（如SoIC、WoW）相关设备需求同样受益于多家ASIC/GPU/CPU/网络交换芯片客户的产能扩张需求 [4]

文章核心观点 - 2026年服务器CPU市场迎来英伟达、Arm两位新竞争者，打破英特尔与AMD长期主导的格局，Agentic AI兴起正推动CPU角色从通用计算性能比拼转向特定工作负载下的实际效率竞争[2][5] - 四强争霸的核心实质是商业控制权与产业链重构之战，涉及AI数据中心新增CPU预算、Agent执行平台入口、云厂商客户及产业链主导权三层利害关系[32] Agent时代CPU角色的变化 - 传统GPU加速服务器中CPU主要负责数据准备、任务调度、I/O处理及与加速器协同，核心任务是保障GPU高效运转[3] - Agent执行环境中CPU还需承担大量沙箱运行、代码执行、工具调用和数据处理等工作，成千上万Agent并发运行时单线程性能、内存带宽、任务吞吐量及资源隔离能力的重要性愈发凸显[3] - Arm全球云与AI基础设施芯片负责人指出，Agentic AI正推动数据中心从以加速器为中心的架构转向面向完整AI工作流程的异构机架设计，未来CPU需针对不同计算环节进行专门优化[3] - Arm将AI计算中的CPU划分为三种角色：服务于模型预填充阶段的主机CPU、服务于解码阶段的主机CPU、负责模型调用之间代码执行与工具调用等任务的Agent执行CPU[4] - CPU价值正从单纯比拼通用计算性能转向比拼特定工作负载下的实际效率，竞争格局演变为通用性能与工作负载优化并重[5] 英伟达：从GPU向CPU延伸，争夺AI系统控制权 - Vera是继Grace之后的新一代CPU，采用英伟达自主设计的Olympus核心，集成88个核心、176个线程，通过LPDDR5X内存系统提供最高1.2TB/s的内存带宽[8] - 设计重点不是一味增加核心数量，而是在提高单线程性能的同时改善高并发环境下的资源争用和内存访问效率，与Agent工作负载大量任务并行执行但单个任务需较快响应的特点高度契合[10][11] - Vera既可通过NVLink-C2C与英伟达GPU紧密协同，也可独立部署在CPU服务器中[11] - 根据Modal 10月19日公布的技术报告，Vera并非在所有单任务测试中都领先竞争对手且优势不明显，但随着并发任务数量增加，吞吐量优势开始扩大，在特定测试条件下相比英特尔Granite Rapids平台最高能实现约两倍的任务吞吐量[11][14] - 美国AI云服务商Modal此前长期依赖英特尔和AMD的x86处理器，如今计划引入Vera用于运行AI Agent相关工作负载，并开始为Arm架构适配基础设施[2][16] - 据路透社10月19日报道，英伟达向投资者提出的Vera芯片本财年销售预期已达到至少200亿美元[16] Arm：从IP授权走向自主芯片，改变产业链角色 - 2026年3月Arm首次推出面向数据中心的AGI CPU，与Meta联合开发，基于Neoverse V3架构，集成最多136个CPU核心，热设计功耗300W，采用台积电3nm工艺，重点面向Agentic AI基础设施[18] - Arm并未将全部重点放在单颗CPU性能上，而是强调机架级计算密度与能效，按照Arm公布的数据，AGI CPU在特定测试及配置条件下能实现相较x86平台两倍以上的机架级性能[21] - Arm的设计方向反映其对数据中心市场的判断：当Agent数量持续增长，有限电力预算内能运行多少任务可能比单颗CPU的峰值性能更加重要[21] - Arm与Meta联合开发AGI CPU并获得多家云计算及设备厂商支持[21] - 随着Arm亲自进入芯片市场，其与客户的关系开始变化，英伟达Vera、AWS Graviton、Google Axion等产品都建立在Arm架构生态之上，Arm不仅是这些公司的技术供应商也开始成为服务器CPU市场的直接竞争者[21] AMD：发挥多核心、Chiplet和x86生态优势 - 2026年5月AMD宣布代号Venice的第六代EPYC处理器开始采用台积电2nm工艺量产爬坡，采用Zen 6架构，单颗CPU最多256个核心、512个线程，支持16通道DDR5内存及PCIe 6.0[22] - 多核心设计、Chiplet架构以及不断提升的内存和I/O能力仍是AMD争夺服务器市场的重要筹码[22] - 10月12日AMD发布Helion Agentic AI机架方案，提出两种基础设施形态：纯CPU机架最多支持32,768个CPU核心专门承担Agent执行任务并连接外部模型推理系统；另一种将EPYC CPU、Instinct GPU及通用计算节点整合在同一机架中[24] - AMD开始将Agent执行与模型推理视为两类可独立配置计算资源的工作负载，大规模云服务商可通过高密度CPU集群运行大量Agent，企业客户可根据需求将CPU和GPU部署在统一平台中[24] - Helion相关配置计划于2026年11月开始提供，目前仍处于生态合作伙伴开发阶段[24] 英特尔：借助新架构与成熟生态守住基本盘 - 英特尔面临最复杂的竞争压力：AMD持续扩大x86服务器市场份额，Arm阵营依靠能效优势向数据中心渗透，如今又迎来英伟达Vera[25] - 根据Mercury Research数据，2026年第二季度广义x86服务器CPU统计口径中英特尔出货份额为65.5%、AMD为34.5%；仅比较EPYC与Xeon处理器，AMD出货份额已达46.4%[25] - 2026年第二季度x86总体市场中AMD份额30.70%、英特尔69.30%，AMD环比增长0.70个百分点、同比增长6.50个百分点；服务器端AMD份额34.50%、英特尔65.50%，AMD环比增长1.30个百分点、同比增长7.30个百分点[26] - 已推出的至强6+（Clearwater Forest）采用Intel 18A工艺，最高集成288个能效核，强调高密度计算、吞吐量与能源效率，适合云原生及大规模并行任务[29] - 下一代Diamond Rapids侧重高性能通用计算，最多256个性能核、1.28GB末级缓存、16通道内存以及PCIe 6.0、CXL 3.0等能力，并进一步强化AMX矩阵加速和APX等架构技术[29] - 英特尔将Diamond Rapids与面向AI推理的Crescent Island GPU结合，试图建立覆盖Agent任务编排、模型推理和通用计算的完整平台[29] - 英特尔最大优势在于长期积累的x86软件生态、企业客户关系以及成熟服务器平台，大量数据库、企业应用、虚拟化平台和开发工具经过多年x86优化[29] 争夺AI数据中心新增CPU预算 - Gartner分析师2026年5月报告指出，生成式AI繁荣推动了GPU需求，而Agentic AI的增长重新凸显了CPU的重要性，但Agent驱动的CPU市场增长不会达到此前GPU因生成式AI而爆发的程度，最终受益者也未必是传统CPU厂商[33] - IDC 2026年10月更新的全球服务器市场预测明确上调了非加速服务器的需求预期，原因之一正是Agentic AI和推理工作负载开始增加对标准机架x86服务器的需求[33] 争夺Agent执行平台入口 - AI时代不再是单一处理器单打独斗的时代，四家厂商的竞争从芯片延伸到整套平台，无论是从CPU向GPU切入还是GPU向CPU领域蔓延，都在争夺Agent执行平台的入口[34] 争夺云厂商客户及产业链主导权 - AWS 2026年6月正式推出基于Graviton5的云实例，继续围绕Arm架构优化计算性能、能效和成本，并将持续运行的Agent工作负载列为Graviton的重要应用方向[35] - Google 2026年4月在Google Cloud Next大会上宣布将自研Axion CPU与GKE Agent Sandbox结合为Agent提供安全可扩展的代码执行环境，按照Google公布的特定测试结果，基于Axion N4A的Agent Sandbox相比另一家主要超大规模云服务商的方案可实现最高约30%的性价比提升[35] - Google同时提供英特尔、AMD处理器以及英伟达AI计算平台，大型云厂商采取更灵活策略：一方面通过自研芯片降低成本、强化差异化能力，另一方面保留外部供应商以适应不同工作负载和客户需求[35] - 微软发布自研的首款专门针对AI工作负载与大语言模型训练及推理优化的云端专用AI芯片Azure Maia（如Maia 100），基于台积电5nm制程工艺制造，晶体管数量达到1050亿个[35] - 在这场关乎商业控制权、生态平台入口与产业链主导权的三维战争中，能够以更低成本、更高吞吐支撑起庞大Agent生态运行的系统级领跑者才将是算力终局之战的真正赢家[35]