別只看 GPU！AI Agent 推理需求大噴發，TrendForce 估伺服器 CPU 出貨暴增逾 40%

重點摘要

• 集邦諮詢預估 2026 年伺服器 CPU 出貨年增 31%，2027 年再增逾 40%，主因是 AI Agent 推理需求持續擴張。
• Intel CEO 陳立武指出，AI Agent 時代 CPU 與 GPU 配比正從 1:8 向 1:1 移動，每 GW 所需 CPU 核心數從 3000 萬增至約 1.2 億。
• AMD EPYC 高階型號交期已拉長至 8 至 10 週，CPU 從可壓縮的附屬品，升格為需要獨立評估規格、單獨排產的採購科目。

配比重組：從 1:8 到 1:1 的邏輯

過去 AI 訓練叢集的採購邏輯很簡單：核心決策幾乎等於確定要多少張 GPU。在傳統架構中，1 顆 CPU 通常對應 8 顆 GPU，在以浮點算力為標尺的帳本裡，CPU 的計算能力幾乎可以忽略，通常跟隨整機方案配套落地，很少需要單獨論證。

Intel CEO Tan Lip-Bu（陳立武）在 2026 年第一季法說會上提到，AI 工作負載重心從訓練轉向推理，已把 CPU 與 GPU 的配比從過去的 1:8 推向 1:1。這背後不是 CPU 的浮點算力追上了 GPU，而是負載的性質改了。大型語言模型的 token 生成依賴密集矩陣運算，GPU 更適合處理；但 AI Agent 帶來了另一層工作：任務規劃、請求路由、工具呼叫、多 Agent 之間的協調排程，都帶有大量分支判斷與外部互動，現階段主要落在 CPU 上。

產業資料顯示，AI Agent 時代每 GW 所需的 CPU 核心數，可能從 3000 萬增至 1.2 億，增幅達 4 倍。這意味著同樣規模的算力採購裡，CPU 已沒辦法再被壓縮成帳目上的附帶專案。NVIDIA 自家的 GB200 NVL72 和針對 Agent 場景設計的 Vera Rubin NVL72，標準配置都是 36 顆 CPU 對應 72 顆 GPU。這裡的 CPU 是與 GPU 深度整合的 Grace/Vera Arm 核心，和採購清單上獨立的 x86 主機 CPU 不能直接劃等號，但從平台設計思路看，Agent 與長上下文推理場景下，控制與編排資源已是前提配置，不再是選配。

採購清單的結構性變革

當配比改變，採購清單怎麼從一行變成三張？訓練叢集時代，CPU、記憶體、儲存與網路很少需要單獨論證；這套邏輯在 Agent 推理叢集上行不通了。

現在，CPU 核心數、系統 DRAM、KV 快取 SSD、高速交換器、機櫃配電與散熱容量，每個環節都得整體匹配、統一規劃，任何一個卡住都影響叢集的實際交付能力。單機櫃內 CPU 配置規模拉昇，整機系統記憶體隨之同步擴容；支撐多節點並發排程與工具呼叫的高速網路埠，也必須同步增加；整機功耗走高，供電容量和液冷散熱方案都要重新核算。

KeyBanc 的分析師指出，AMD EPYC 伺服器 CPU 2026 年全年產能近乎售罄，高階型號的交期已拉長至 8 至 10 週。CPU 不再是可有可無的附帶品，採購時必須獨立評估規格、單獨排產並分開議價。過去算 AI 基礎設施的 TCO（總持有成本）時，預算幾乎全壓在 GPU 上；現在規則改變，CPU 成了新的成本變數，也是買方談判的新籌碼。雲端廠商採購部門也因此多了一項向供應商談判的籌碼。

Arm 與 x86 的增量爭奪

CPU 增量需求底層已分化出三類訴求不同的買家。雲端廠商傾向採用與自家軟體堆疊深度整合、針對 Agent 負載最佳化的 Arm 架構算力，代表性產品包括 AWS Graviton、阿里雲倚天、Google Axion，以及 NVIDIA 平台中的 Grace 和 Vera；AI 原生新創與模型客戶，需要 CPU:GPU 配比可彈性調整的通用算力；傳統企業客戶，則以軟體生態相容性為優先，傾向 x86 路線。

Arm 陣營看起來更有機會拿下本輪增量的大頭。雲端廠商自研 CPU 疊加 NVIDIA 機櫃平台，能同步推高 Arm 架構伺服器 CPU 的出貨量，理論上為台積電帶出一條獨立於 GPU 訂單之外的需求曲線，且這部分消耗的製程與封裝資源，與高階加速卡並不完全重疊。

x86 陣營則靠存量基本盤守位。Intel Xeon 6 和 AMD 第六代 EPYC 都已針對 Agent 負載調整，成熟的軟體生態、廣佈的通路網路與長期積累的企業客戶服務鏈路，是 Arm 方案短期補不齊的短板。從早年的 Calxeda 再到後來的 Ampere，Arm 伺服器晶片已經試了十幾年，始終難以在傳統企業市場形成規模化落地，核心阻礙就是 x86 壘起的軟體生態高牆。Intel 與 AMD 長期拿下近九成市場份額，真正的壁壘是圍繞 x86 生長起來的完整軟體生態，跨架構遷移需要承擔不菲的改造與驗證成本。即便 Agent 相關負載持續規模化，x86 也不一定會快速丟失陣地。

還有一項連鎖反應：CPU 需求攀升，也會改變整機廠商與系統整合商的位置。Agent 混合負載對整機拓撲、資源配比與功耗平衡的客製化要求，會放大系統層面的設計價值，讓這類廠商有更多話語權。

商業化落地與估值風險

Agentic AI 的商業化部署正在加速。螞蟻國際於 2026 年五月推出 Agentic Mobile Protocol（AMP），針對 AI agent 替人執行交易的場景設計，現行支付標準幾乎預設交易主體都是持卡人，AMP 推出，代表應用層正開始為 Agent 基礎設施鋪路。世界衛生組織警告醫療人力缺口到 2030 年將擴大至 1,100 萬人，Agentic AI 正被引入補充人力不足，這些垂直領域的採用案例，進一步驗證了 Agent 基礎設施需求的真實性。

過去 AI 賽道的估值定價，重心集中在 GPU 產業鏈：HBM、先進封裝、光模組、液冷、機櫃整合，每個環節都長出了高估值標的。CPU 長期遊離在 AI 主線之外，Intel 和 AMD 的股價彈性，整體不及 GPU 上下游的標的。隨著 Agent 負載重組算力配比，這套評估邏輯正慢慢轉變。

但有一層風險不容忽視：若資本市場提前按 CPU 超級週期給相關標的定價，而 Agent 商業化落地的節奏沒有跟上，預期差可能雙向波動。倘若資本市場提前按照 CPU 超級週期定價，但 Agent 商業化落地節奏不及預期，估值回撤的速度可能和此前上漲一樣迅速；相關定價需錨定可驗證的出貨與落地資料。Arm 增量與 x86 存量之間的市佔爭奪，最終流向何處，目前仍有較大變數。

CPU 從伺服器配角直衝採購主角，不是簡單的技術替代，而是 AI 應用形態從「訓練為王」轉向「推理為本」的必然結果。當 Agent 成為主流互動介面，控制與編排資源的價值被重新定義，CPU 的採購地位也隨之改變。這不只改變晶片廠商的營收結構，也全面翻轉了 AI 基礎設施的供應鏈走向。對於投資者而言，理解這配比背後的負載遷移，比單純追蹤 GPU 出貨量更為關鍵。