在過去兩年的 AI 熱潮中，NVIDIA 的 GPU 始終是核心。然而，隨著 AI 從單純的「問答」演進為能自主規劃、調用工具並執行程式碼的「代理式 AI（Agentic AI）」，算力架構正迎來根本性重組。
如果 GPU 是處理繁重計算的「肌肉」，CPU 則在代理時代躍升為指揮全局的「大腦」。這種從單純運算轉向「編排與決策」的變遷，正驅動 CPU 的重要性產生階梯式增長。以下分享幾家外商對未來CPU的看法。1. 市場翻轉：千億美元級的 CPU 擴張
這場變革最直觀的體現於市場規模。預計伺服器 CPU 的市場總體需求（TAM）將從 2025 年的 310 億美元，於 2030 年狂飆至 1,730 億美元。這並非盲目樂觀，而是基於基礎設施投資從「純 GPU 堆疊」因應代理式任務的需求轉向「平衡配置」的建築學必然。
2. 算力配比反轉：從 1:4 到 2:1
在傳統訓練負載中，80% 的支出集中於 GPU。但在代理式推理中，複雜的「編排循環」發生在 GPU 擅長的計算之外，使 CPU 成為核心瓶頸。
- 配置比劇變： 過去可能是一個 CPU 配 4 個以上 GPU，但在代理環境下，為了處理龐大的記憶體上下文與工具呼叫，配置比將轉向 1:1 甚至 2:1。
- 核心密度攀升： 對 CPU 核心的需求將從每顆 GPU 配對 8–12 核，激增至 80–120 核，需求量直接攀升 10 倍。
3. ARM 架構的結構性勝利
在這一波競爭中，ARM 架構憑藉高效率展現強大領先優勢。預計到 2030 年，ARM 在伺服器 CPU 的營收份額將突破 52%。
- 高溢價與高效能： AI 專用 CPU（如 NVIDIA Grace）的核心數與時脈更高，其平均售價（ASP）是傳統晶片的 1.5 至 2 倍。
- 三大技術優勢： ARM 在代理負載下擁有更佳的記憶體效率（提升 20-30%）、更低的功耗（節省約 30%），以及與 GPU 更好的生態整合（如統一記憶體架構）。
儘管如此，x86 陣營並未退場。AMD 憑藉在高核心數與多執行緒的傳統優勢，在「獨立 CPU 機架」領域仍與 ARM 勢均力敵；而 Intel 則透過 Coral Rapids 等產品線守住客戶端與特定特定頭部節點份額。
4. 子代理引發的「核心數戰爭」
為何需要這麼多核心？關鍵在於「並行化」。 用戶的一個指令，在後台可能衍生出 10 到 100 個「子代理（Subagents）」。為了安全與穩定，每個子代理需運行在獨立的沙盒環境（Sandbox VM），而每個沙盒皆需消耗獨立的 CPU 核心。這迫使雲端業者不再只追求單一旗艦配置，而是轉向更高核心數的多元化組合，以對應不同層級的代理任務。
5. 邊緣外溢：個人電腦成為「免費算力」
為了降低高昂的雲端營運成本，業者正推動「雲端轉邊緣」。衡量標準轉向「每瓦交易量」。 透過將約 25% 的代理工作轉移到本地 PC，業者能獲得近乎「免費」的資源。這將迫使 PC 用戶升級硬體，以追求更強的核心並發能力來支撐本地 AI 助手。
結論：後 GPU 時代的運算新常態
我們正處於轉折點：GPU 負責訓練的序章已完成，而 CPU 負責編排的「代理時代」才剛開始。未來，衡量設備性能的標準將從「顯示卡多強」轉變為「CPU 有多少核心」。
從競爭角度來看，短期 AI 需求將有利於所有 CPU 架構；但中長期優勢將屬於那些能在維持可接受能耗效率下，擴展核心數與整體吞吐量的平台。AMD 於高核心數與多執行能力上的優勢，ARM 於高能源效率架構上的競爭力，最符合 agentic AI 擴大後的 CPU 需求形態，Intel 則可能透過 Coral Rapids 世代試圖縮小差距。
在這一波 1,700 億美元的浪潮中，ARM、AMD 與 Intel 都將迎來紅利，但最終贏家將是能完美平衡「電力效率」與「大規模編排能力」的架構。代理式 AI 已將 CPU 推回舞台中央——它不再是配角，而是這場革命的指揮官。
