AI时代千亿美元的CPU“牌局”

2026年5月，AMD首席执行官苏姿丰在一季度财报电话会中大幅上调行业长期空间预期：到2030年，全球服务器CPU整体潜在市场规模（TAM）将保持超35%的年复合增速高速增长，市场总量突破1200亿美元。

各大投行同步给出针对服务器CPU市场的乐观预判，中金公司测算2030年市场规模将突破1300亿美元，花旗给出的预测值则为1315亿美元，美银证券的预测更为激进，预计将达到1700亿美元以上。

英伟达则在GTC大会上为自研的Vera CPU造势，宣称其Vera CPU将为Agentic AI开辟一块增量规模达2000亿美元的全新算力市场。

从当前的百亿美元，到千亿美元乃至两千亿美元的预期跨度，直观反映出整个行业正在对服务器CPU进行全方位价值重估。

这场变革的核心逻辑，在于AI负载结构的彻底切换。传统大模型训练以高密度矩阵运算为主，算力消耗集中于GPU，行业普遍采用1:8的CPU、GPU配比；而Agentic AI需要CPU承接海量任务拆解、资源统筹、上下文管理、数据预处理等工作，大量短请求、持续在线的业务大幅抬高CPU负载，CPU正式站上AI算力舞台C位。

正如Nvidia推出的Vera Rubin Pod，其包含了5类专用机架，其中NVL72核心计算机架塞进72颗Rubin GPU与36颗Vera CPU，而Vera CPU机架则是Agentic AI应用底座，单机架可填满256颗Vera CPU。在整套系统中，CPU与GPU的配比已经反转为4:1！

千亿蓝海市场开启，x86传统巨头与Arm新兴架构展开全方位博弈。两大架构因底层设计思路差异形成完全分化的优势赛道，各大厂商也依托架构基因走出截然不同的发展路线。

x86经过数十年商用打磨，具有完善的软硬件生态、综合性能稳定，金融、政务、企业等传统业务几乎全部基于x86开发，配套运维工具也非常成熟。对于政企、传统大企业而言，更换架构意味着大规模软件重测、资质重认证，迁移成本和业务风险极高，这也是x86长期稳固基本盘的核心壁垒。

对应的短板同样明显：多年历史包袱带来的功耗问题，在面对Agent场景持续高并发、长时间在线运行的需求，大规模集群部署会产生更高电费支出，整体使用成本TCO不及Arm架构。

目前x86服务器CPU市场以Intel、AMD两家为主，二者依靠持续的芯片迭代，一边守住存量市场，一边小幅补齐AI场景短板。目前AMD市场份额已攀升至27.4%，依托早期布局的chiplet优势，收获大量云厂商与AI初创企业订单，持续抢占高端市场份额。

Arm架构当前的优势之一是在同等功耗下能够集成更多计算核心，省电优势突出，天然适配7×24小时不间断运行、海量并发请求的Agent集群。而基于Arm架构，云厂商、芯片企业可基于基础架构做自主定制改造，贴合自身业务负载优化芯片，灵活度远高于闭源的x86架构。其短板在于传统商用软件适配不足，多数老旧企业系统无Arm适配版本。但在Agent这一市场，Arm却不再有上述困扰，x86与Arm架构处于AI推理、智能体调度这一新兴场景的相同起跑线！

也正是这一巨大的利好，当前Arm阵营参与者十分多元，以AWS为代表的头部公有云厂商自研了Graviton系列CPU芯片；除此之外，英伟达推出适配其全栈AI集群的Grace和Vera系列CPU；而据业内人士透露，国内本土企业鸿钧微电子所研发的产品已经规模量产，其立足国内算力需求，以优化TCO为核心，适配国内云计算与AI业务发展。

AI的上半场，市场见证了GPU算力的单边狂飙；AI的下半场，持续扩容、价值重估的服务器CPU，正在重塑全球数据中心系统级算力新秩序。在这场由Agentic AI掀起的千亿美元CPU“牌局”中，站在同一起跑线上的x86和Arm架构，都在用各自的技术底牌与商业策略，争夺着下一代AI基础设施的定价权与话语权。

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

加星标⭐️第一时间看推送