全球半导体市场出现结构性变化，传统意义上被视为成熟品类的 CPU 领域，正成为资本市场的关注焦点。
截至 1 月 21 日，英特尔股价创下近四年新高，年内涨幅超 44%；AMD 延续连续上涨态势；A 股市场中，龙芯中科与海光信息分别录得 20% 涨停及单日涨幅超 13%。这一行情背后，反映的是市场对 “算力税” 传导逻辑的重新定价，继 GPU 因 AI 训练需求大涨之后，CPU 正在成为算力成本上涨的第二波承载者。
<img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/e0b3460f-af4e-4afe-893e-a83944adf04b.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="468" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/e0b3460f-af4e-4afe-893e-a83944adf04b.png"/>
机构的共识正在迅速形成。国联民生证券与西部证券在近期报告中不约而同地指出，当前 CPU 市场的供需变化并非周期性波动，而是由 AI 智能体应用规模化落地所驱动的结构性变革。
与以 GPU 为核心的 AI 训练不同，在智能体工作负载中，CPU 承担了包括工具调用、任务编排、实时决策等大量非 AI 原生计算，相关处理耗时占总任务延迟的比例高达 80%-90%。这使得 CPU 在系统层面可能比 GPU 更早成为性能瓶颈。
需求前景已在数据层面得到支撑。据 IDC 预测，全球活跃智能体数量将从 2025 年的约 2860 万个，迅速增长至 2030 年的 22.16 亿个，年复合增长率达 139%。在中性情景下，长期对应的 CPU 需求或将突破 1173 万片量级，形成显著增量市场。
CPU 的供给端亦面临着极限承压。摩根大通数据显示英特尔先进制程产能利用率已达 120%-130% 的超载状态，台积电先进封装产能瓶颈更将 CPU 交付周期从正常的 8-10 周拉长至 24 周以上。
在此趋势下，国产 CPU 厂商迎来产业与政策的双重机遇。CPU，这一曾长期被视为 “传统” 的算力组件，正在 AI 智能体浪潮中重新确立其系统级价值。
<h2 style="text-align: left">AI 智能体催化 “域外 CPU” 需求重塑</h2>
传统 AI 计算将算力重心完全置于 GPU 之上，主要用于模型的训练与推理加速。然而，随着 AI 向具备自主规划与执行能力的智能体演进，计算负载的结构正在发生根本性重构。
智能体要完成一个实际任务，例如 “分析一批简历数据”，其工作流程远超简单的 API 调用。它需要自主执行：创建独立沙箱环境、访问指定网盘下载文件、解压压缩包、运行数据分析脚本、生成可视化报表，最后清理并释放环境资源。在这一完整任务链中，仅任务拆解与结果生成环节依赖 GPU 进行推理，而占整个流程时长 80%-90% 的中间步骤——包括文件操作、代码执行、数据处理与系统调度——全部由 CPU 承担。
英特尔发布的白皮书《以 CPU 为核心的智能体 AI 视角》明确指出，智能体工作负载的延迟主要来自 CPU 侧的工具处理任务。
<h2 style="text-align: left">智能体架构范式统一：主流平台全面转向 “沙箱执行” 模式</h2>
随着 AI 智能体从概念走向规模化应用，产业技术架构正在发生根本性重构。根据国泰海通电子的产业调研，自 2025 年下半年以来，包括豆包、智谱在内的主流 AI 平台已全面转向 “沙箱执行” 架构模式。该模式的核心在于为每个智能体任务创建独立、隔离的虚拟执行环境，以安全地完成文件操作、代码运行、网络访问等外部调用。这种架构转变直接催生了新型算力需求特征：CPU 资源消耗与用户规模及任务并发量呈强相关性，而与 GPU 数量呈现弱关联性。
工程实践的突破为这一架构演进提供了关键技术支撑。DeepSeek 研究团队在论文中展示了里程碑式的 “存算分离” 方案：成功将 1000 亿参数的嵌入表完全存储于 CPU 主机内存，而非传统的 GPU 显存。通过精密的 PCIe 异步数据传输机制，该方案仅带来不足 3% 的额外推理延迟，在工程可行性上实现了关键突破。
这一技术突破揭示了两大产业趋势：在技术路径上，模型参数规模对 GPU 显存容量的依赖被有效打破，性价比更优的主机内存成为大规模参数存储的可行选择；在系统架构上，CPU 的角色定位发生本质变化，从辅助计算单元转变为数据调度与系统管理的核心枢纽，承担起海量参数的实时检索、智能筛选及高效转发等关键职能。
<h2 style="text-align: left">供需失衡加速涨价预期</h2>
需求结构剧变恰逢供给端产能瓶颈的双重挤压。
根据 TrendForce 2026 年 1 月供应链监测报告，台积电 N2 与 N3 等先进制程到 2027 年的产能已被苹果、英伟达、博通等巨头瓜分。由于高端 GPU 与定制 ASIC 在 “单晶圆产出价值” 上显著高于传统 CPU，代工厂产能分配存在明显倾斜。与此同时，CoWoS 等先进封装技术的瓶颈进一步恶化了供应链——IDC 分析指出，其产能利用率在 2025 年第四季度便已突破 100%，导致 CPU 出货周期从正常的 8-10 周延长至 24 周以上。
英特尔内部生态同样面临极限压力。随着其 18A 工艺进入量产高峰，该公司不仅需保障自身酷睿与至强系列供应，还需履行对微软、亚马逊等外部代工客户的承诺。摩根大通研报指出，英特尔核心节点的产能利用率已攀升至 120%-130% 的超负荷状态，迫使部分非核心组件转移至联电等二线代工厂。
西部证券最新行业点评指出，为应对供需失衡并保障供应稳定，英特尔与 AMD 已计划将服务器 CPU 价格上调 10%-15%，且 2026 年两家厂商的服务器 CPU 产能 “已基本预售完毕”。
总而言之，随着 AI 从 “内容生成” 迈向 “任务执行”，算力需求的核心正经历结构性迁移——从以 GPU 为中心的并行计算，转向以 CPU 为枢纽的系统调度与资源协调。在供给端产能已达物理极限、需求端受智能体应用指数级增长驱动的双重作用下，CPU 不仅面临持续的价格上行压力，其在整个计算体系中的战略价值更在经历系统性重估。

标普半导体 ETF - SPDR

2 倍做多 INTC ETF - GraniteShares

英特尔

费城交易所 半导体 ETF - iShares

台积电

随着 AI 向自主执行任务的智能体演进，算力瓶颈正从 GPU 转向 CPU。智能体 80%-90% 的任务延迟来自 CPU 的沙箱环境与工具调用，IDC 预测智能体五年将增长 70 倍，带来千万片级需求。而供给端英特尔、台积电产能已达极限，交付周期延长至 24 周。供需失衡下，CPU 价格已上涨 10-15%。

- 全球半导体市场正经历结构性变化，CPU 成为新关注焦点。  
- 机构报告指出，CPU 市场受 AI 应用规模化驱动，供需变化非周期性。  
- 英特尔与 AMD 计划提高服务器 CPU 价格，产能已基本预售。

算力税第二波，CPU 涨价