摩根斯坦利是大摩吗？_老虎社区_美港股上老虎 - 老虎社区

1
评论
收藏

摩根斯坦利是大摩吗？

智能体崛起后，整个AI价值链的分布都变了！大摩：GPU不再是一切

摩根士丹利最新报告揭示AI投资格局正在重构：随着AI从"生成内容"进化为"自主执行任务"，CPU编排时延已占智能体工作流总时延的50%至90%，由此催生2030年高达825亿至1100亿美元的CPU市场，CPU与GPU配比将从"1:12"走向"1:2"乃至反转，并带动DRAM新增需求15至45EB。下一轮超额收益，将从GPU独享转向ABF载板、晶圆代工、内存接口等"扩产最慢、卡脖子最深"的使能环节。

智能体崛起后，整个AI价值链的分布都变了！大摩：GPU不再是一切

免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。

1

举报

评论

推荐
最新

empty

暂无评论

热议股票

{"i18n":{"language":"zh_CN"},"data":{"magic":2,"id":556013892355832,"tweetId":"556013892355832","gmtCreate":1776774151647,"gmtModify":1776774154217,"author":{"id":3556495513210872,"idStr":"3556495513210872","authorId":3556495513210872,"authorIdStr":"3556495513210872","name":"Hummaor","avatar":"https://static.tigerbbs.com/c9d0dabf0716007be07a0881bc967c0b","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":7,"crmLevelSwitch":0,"individualDisplayBadges":[],"wearingBadges":[],"fanSize":0,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"title":"","html":"<html><head></head><body><p>摩根斯坦利是大摩吗？</p></body></html>","htmlText":"<html><head></head><body><p>摩根斯坦利是大摩吗？</p></body></html>","text":"摩根斯坦利是大摩吗？","highlighted":1,"essential":1,"paper":1,"likeSize":1,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://laohu8.com/post/556013892355832","repostId":2629054947,"repostType":2,"repost":{"id":"2629054947","kind":"highlight","weMediaInfo":{"introduction":"追踪全球财经热点，精选影响您财富的资讯，投资理财必备神器！","home_visible":1,"media_name":"华尔街见闻","id":"1084101182","head_image":"https://static.tigerbbs.com/66809d1f5c2e43e2bdf15820c6d6897e"},"pubTimestamp":1776752373,"share":"https://www.laohu8.com/m/news/2629054947?lang=zh_CN&edition=full","pubTime":"2026-04-21 14:19","market":"fut","language":"zh","title":"智能体崛起后，整个AI价值链的分布都变了！大摩：GPU不再是一切","url":"https://stock-news.laohu8.com/highlight/detail?id=2629054947","media":"华尔街见闻","summary":"摩根士丹利最新报告揭示AI投资格局正在重构：随着AI从\"生成内容\"进化为\"自主执行任务\"，CPU编排时延已占智能体工作流总时延的50%至90%，由此催生2030年高达825亿至1100亿美元的CPU市场，CPU与GPU配比将从\"1:12\"走向\"1:2\"乃至反转，并带动DRAM新增需求15至45EB。下一轮超额收益，将从GPU独享转向ABF载板、晶圆代工、内存接口等\"扩产最慢、卡脖子最深\"的使能环节。","content":"<html><head></head><body><blockquote><p>AI投资正从“拼GPU算力”转向“全栈系统效率”。智能体时代，瓶颈已从算力变为编排：GPU决定能不能做，系统决定能不能赚钱。下一轮超额利润将加速流向CPU、内存及载板等扩产最慢的供应链环节，基础设施重定价的大幕已然拉开。</p></blockquote><p></p><p>AI投资的主叙事正在经历一次结构性迁移。<a href=\"https://laohu8.com/S/MS\">摩根士丹利</a>最新研究指出，随着AI从“生成内容”走向“自动执行任务”，下一轮AI基础设施的增量逻辑将从“单芯片算力竞赛”扩展为“全栈系统工程”——GPU依然是核心，但不再独享预算与溢价。</p><p>据追风交易台，摩根士丹利研究部分析师Shawn Kim在报告中直接写道，“智能体AI标志着从计算到编排的结构性转变。”在智能体工作流中，CPU侧编排时间可占总时延的50%至90%，由此推导出到2030年新增325亿至600亿美元的CPU增量市场空间，并将服务器CPU总TAM推至825亿至1100亿美元量级。</p><p><strong>与此同时，DRAM、ABF载板、晶圆代工、存储、连接器与被动元件等环节，均将从“配角”跃升为新的瓶颈与利润池。将</strong>在2030年额外催生15至45EB的DRAM需求，规模相当于2027年全行业年供给的26%至77%。</p><p>这一判断对市场意味着：AI资本开支的受益者将从少数芯片巨头扩散至整条全球供应链，下一轮超额收益，可能更多来自那些在智能体工作流中最先成为瓶颈、且最难快速扩产的&#34;使能环节&#34;。随着瓶颈在不同环节迁移，AI价值链的权重分布随之改变。</p><h2 id=\"id_484234459\">从“生成”到“行动”：智能体把瓶颈从算力推向编排</h2><p>生成式AI的典型工作流结构相对简单：用户请求到达后，CPU完成少量预处理，GPU负责token生成，随后返回结果。整个链路中，GPU是绝对主角，CPU仅承担辅助功能。</p><p>智能体的运作逻辑截然不同。完成一个任务，系统需要经历规划、检索、调用外部工具与API、执行、反思迭代等多个步骤，还涉及多智能体协作、权限管理、状态持久化与调度等大量“控制面”能力。大摩的核心结论是：智能体带来的不是更&#34;重&#34;的单次推理，而是更多步骤、更多状态、更多协调，而这些工作天然更适合CPU处理。</p><p>由此带来两个直接后果：其一，集群层面CPU与GPU的配比将系统性上升；其二，DRAM从“容量配置项”升格为“性能与吞吐的核心系统组件”。数据中心的瓶颈将越来越多地出现在内存带宽、数据搬运、互连时延与系统级协调，而非单纯的GPU算力。</p><h2 id=\"id_2611242166\">CPU配比正在重估：从&#34;1:12&#34;走向&#34;1:2&#34;乃至反转</h2><p>过去，&#34;1颗CPU服务约12块GPU&#34;曾是AI服务器的典型架构描述。但报告指出，随着智能体工作流变长、工具调用与上下文管理趋于复杂，这一比例正在快速收窄。</p><p>以NVIDIA路线图为例，更新估算显示：在Rubin平台附近，CPU与GPU的配比已接近1:2；若向Rubin Ultra等更激进形态演进，甚至可能出现2颗CPU对应1颗GPU的反转配置。即便仅从1:12改善至1:8，<strong>对超大规模部署而言，CPU的绝对需求量也将出现量级跳升。</strong></p><p>一旦这一方向成立，CPU的需求弹性将从“跟着服务器出货走”转变为“跟着智能体复杂度走”，这意味着CPU需求的增长将更具结构性，而非仅仅是传统硬件换代周期的延续。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/63caf3175690c41d80555bf2e0dba1ab\" title=\"\" tg-width=\"720\" tg-height=\"456\"/></p><h2 id=\"id_3409643159\">CPU TAM重算：2030年825亿—1100亿美元，增量来自编排</h2><p>摩根士丹利采用“系统分层”方法，将智能体带来的CPU机会从传统服务器更新换代逻辑中剥离，建立三个独立分析口径：</p><blockquote><ul style=\"\"><li><p><strong>Head Node CPU</strong>对应贴近GPU系统的机架控制层，以2030年全球约500万颗AI加速器、每颗加速器配2颗高端CPU、CPU平均售价约5000美元为假设，对应约500亿美元TAM。</p></li><li><p><strong>Orchestration CPU</strong>覆盖智能体编排新增需求，包括规划与调度、工具链、RAG管线、KV cache与向量库相关内存服务、策略与可观测性等。算额外新增1000万至1500万颗CPU、ASP约3000美元，对应300亿至450亿美元TAM。</p></li><li><p><strong>Other CPU</strong>涵盖存储节点、部分网络节点等，对应约25亿至150亿美元。</p></li></ul><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/94bfd8a78f0f222145897a4c36f89ee6\" title=\"\" tg-width=\"664\" tg-height=\"412\"/></p></blockquote><p>三项合计，2030年服务器CPU总TAM约825亿至1100亿美元，其中智能体带来的增量约325亿至600亿美元。整个测算的底层锚点是对2030年全球AI数据中心基础设施销售额约1.2万亿美元的判断（2025年约为2420亿美元）。</p><p>报告同时给出了“上修开关”：若按NVIDIA口径，2030年AI基础设施销售额达到3万亿或5万亿美元，则CPU TAM区间将被整体推至2060亿至2750亿美元，乃至3440亿至4580亿美元。<strong>这并非基准预测，但揭示了&#34;AI工厂&#34;规模扩张对CPU需求的系统性放大效应。</strong></p><h2 id=\"id_1283466807\">内存从配角变主线：2030年新增DRAM需求15至45EB</h2><p>智能体的真正差异化不只在推理能力，更在“可持续的上下文与记忆”。持续上下文、KV-cache、工具调用中间态与并发智能体工作集，CPU侧DRAM实质上成为HBM的功能性延伸。</p><p>测算模型直接明了：新增DRAM需求等于新增编排CPU数量乘以单CPU平均DRAM配置。两档假设分别为：新增1000万颗编排CPU、每颗配置约1.5TB；偏乐观情形为1500万颗、每颗约3TB。由此推导出2030年智能体可带来15至45EB的新增DRAM需求，相当于2027年DRAM行业年供给的26%至77%。</p><p>在周期判断上，报告还注意到一个市场结构变量：多数内存供应商正在与大客户讨论3至5年长期协议（LTA），这可能令定价下行斜率趋缓，并将2027年前的盈利能见度抬高。“内存层级正在成为AI系统的核心变现路径&#34;——主机DRAM、内存接口芯片、CXL扩展及SSD/HDD分层存储，都将成为更可持续的价值承接点。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/73d1196d443dd0c9facf5e67491697ce\" title=\"\" tg-width=\"681\" tg-height=\"387\"/></p><h2 id=\"id_338355495\">供给越紧的环节越具定价权：ABF载板、代工与使能组件</h2><p>而真正具备超额收益潜力的，是那些&#34;产能扩得慢、验证周期长&#34;的使能环节。报告重点点名了以下几条链：</p><p><strong>ABF载板：</strong>这轮AI驱动的ABF上行周期可能延续至本十年末，2026至2027年附近存在供需缺口风险。仅&#34;CPU TAM扩大&#34;一项，就可能带来2030年ABF需求5%至10%的上修；其中服务器CPU ABF载板市场到2030年约达47亿美元，CPU带来的增量需求约12亿美元。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/f7a2806e9f6dca0e7b924c94b28ff4a7\" title=\"\" tg-width=\"691\" tg-height=\"550\"/></p><p><strong>晶圆代工（尤其先进制程）：</strong>CPU代工可服务市场2026年约330亿美元，2028年约370亿美元。<a href=\"https://laohu8.com/S/TSM\">台积电</a>在CPU代工领域的份额预计从2026年约70%进一步提升至2028年的约75%；并预计<a href=\"https://laohu8.com/S/INTC\">英特尔</a>可能在2027年下半年开始将服务器CPU外包给台积电。</p><p><strong>BMC与内存接口：</strong>Aspeed被强调为CPU服务器BMC的核心受益者，其在该细分领域约有70%的市场份额，新一代AST2700平台带来40%至50%的ASP提升空间；Montage则被置于&#34;内存互连&#34;价值链，全球收入份额约36.8%。</p><p><strong>CPU Socket与被动元件：</strong>报告以Lotes与FIT作为CPU socket的直接映射，测算每增加100万颗CPU需求，Lotes收入约增加0.6%、FIT约增加0.2%（仅按socket口径计）。被动元件方面，以&#34;每台通用服务器约30美元MLCC内容量&#34;为简化假设，推算出2030年额外5亿美元MLCC需求增量，约占届时全球MLCC市场的2%至3%。</p><h2 id=\"id_1350650384\">CPU是最清晰增量，但&#34;使能环节&#34;更受偏爱</h2><p>报告承认智能体工作负载增长将结构性利好<a href=\"https://laohu8.com/S/AMD\">AMD</a>的云端份额，但对AMD与英特尔均维持Equal-weight评级，倾向于通过NVIDIA、<a href=\"https://laohu8.com/S/AVGO\">博通</a>等“资本开支与token增长更直接映射至盈利”的标的来追踪智能体主题，同时将估值约束列为重要考量维度。</p><p>从更宏观的框架看，这份报告的核心价值在于将AI的投资范式从“单点算力军备竞赛”升级为“系统效率与瓶颈经济学”：<strong>GPU是发动机，CPU是变速箱与控制系统，内存与互连是油路与底盘——单点极致仍重要，但决定规模化回报的是整车协同。</strong></p><p>对产业链而言，这意味着AI投资的超额收益来源将更加分散也更为长期：不只来自“最强GPU”，更来自那些在智能体工作流中率先成为瓶颈、且最难快速扩产的环节。能够持续追踪的高频验证指标包括：新平台BOM中CPU数量与内存配置的上修幅度、云厂商长期协议签约节奏，以及ABF载板与先进制程产能的利用率走势。</p></body></html>","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>智能体崛起后，整个AI价值链的分布都变了！大摩：GPU不再是一切</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n智能体崛起后，整个AI价值链的分布都变了！大摩：GPU不再是一切\n</h2>\n\n<h4 class=\"meta\">\n\n\n<a class=\"head\" href=\"https://laohu8.com/wemedia/1084101182\">\n\n\n<div class=\"h-thumb\" style=\"background-image:url(https://static.tigerbbs.com/66809d1f5c2e43e2bdf15820c6d6897e);background-size:cover;\"></div>\n\n<div class=\"h-content\">\n<p class=\"h-name\">华尔街见闻 </p>\n<p class=\"h-time\">2026-04-21 14:19</p>\n</div>\n\n</a>\n\n\n</h4>\n\n</header>\n<article>\n<html><head></head><body><blockquote><p>AI投资正从“拼GPU算力”转向“全栈系统效率”。智能体时代，瓶颈已从算力变为编排：GPU决定能不能做，系统决定能不能赚钱。下一轮超额利润将加速流向CPU、内存及载板等扩产最慢的供应链环节，基础设施重定价的大幕已然拉开。</p></blockquote><p></p><p>AI投资的主叙事正在经历一次结构性迁移。<a href=\"https://laohu8.com/S/MS\">摩根士丹利</a>最新研究指出，随着AI从“生成内容”走向“自动执行任务”，下一轮AI基础设施的增量逻辑将从“单芯片算力竞赛”扩展为“全栈系统工程”——GPU依然是核心，但不再独享预算与溢价。</p><p>据追风交易台，摩根士丹利研究部分析师Shawn Kim在报告中直接写道，“智能体AI标志着从计算到编排的结构性转变。”在智能体工作流中，CPU侧编排时间可占总时延的50%至90%，由此推导出到2030年新增325亿至600亿美元的CPU增量市场空间，并将服务器CPU总TAM推至825亿至1100亿美元量级。</p><p><strong>与此同时，DRAM、ABF载板、晶圆代工、存储、连接器与被动元件等环节，均将从“配角”跃升为新的瓶颈与利润池。将</strong>在2030年额外催生15至45EB的DRAM需求，规模相当于2027年全行业年供给的26%至77%。</p><p>这一判断对市场意味着：AI资本开支的受益者将从少数芯片巨头扩散至整条全球供应链，下一轮超额收益，可能更多来自那些在智能体工作流中最先成为瓶颈、且最难快速扩产的&#34;使能环节&#34;。随着瓶颈在不同环节迁移，AI价值链的权重分布随之改变。</p><h2 id=\"id_484234459\">从“生成”到“行动”：智能体把瓶颈从算力推向编排</h2><p>生成式AI的典型工作流结构相对简单：用户请求到达后，CPU完成少量预处理，GPU负责token生成，随后返回结果。整个链路中，GPU是绝对主角，CPU仅承担辅助功能。</p><p>智能体的运作逻辑截然不同。完成一个任务，系统需要经历规划、检索、调用外部工具与API、执行、反思迭代等多个步骤，还涉及多智能体协作、权限管理、状态持久化与调度等大量“控制面”能力。大摩的核心结论是：智能体带来的不是更&#34;重&#34;的单次推理，而是更多步骤、更多状态、更多协调，而这些工作天然更适合CPU处理。</p><p>由此带来两个直接后果：其一，集群层面CPU与GPU的配比将系统性上升；其二，DRAM从“容量配置项”升格为“性能与吞吐的核心系统组件”。数据中心的瓶颈将越来越多地出现在内存带宽、数据搬运、互连时延与系统级协调，而非单纯的GPU算力。</p><h2 id=\"id_2611242166\">CPU配比正在重估：从&#34;1:12&#34;走向&#34;1:2&#34;乃至反转</h2><p>过去，&#34;1颗CPU服务约12块GPU&#34;曾是AI服务器的典型架构描述。但报告指出，随着智能体工作流变长、工具调用与上下文管理趋于复杂，这一比例正在快速收窄。</p><p>以NVIDIA路线图为例，更新估算显示：在Rubin平台附近，CPU与GPU的配比已接近1:2；若向Rubin Ultra等更激进形态演进，甚至可能出现2颗CPU对应1颗GPU的反转配置。即便仅从1:12改善至1:8，<strong>对超大规模部署而言，CPU的绝对需求量也将出现量级跳升。</strong></p><p>一旦这一方向成立，CPU的需求弹性将从“跟着服务器出货走”转变为“跟着智能体复杂度走”，这意味着CPU需求的增长将更具结构性，而非仅仅是传统硬件换代周期的延续。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/63caf3175690c41d80555bf2e0dba1ab\" title=\"\" tg-width=\"720\" tg-height=\"456\"/></p><h2 id=\"id_3409643159\">CPU TAM重算：2030年825亿—1100亿美元，增量来自编排</h2><p>摩根士丹利采用“系统分层”方法，将智能体带来的CPU机会从传统服务器更新换代逻辑中剥离，建立三个独立分析口径：</p><blockquote><ul style=\"\"><li><p><strong>Head Node CPU</strong>对应贴近GPU系统的机架控制层，以2030年全球约500万颗AI加速器、每颗加速器配2颗高端CPU、CPU平均售价约5000美元为假设，对应约500亿美元TAM。</p></li><li><p><strong>Orchestration CPU</strong>覆盖智能体编排新增需求，包括规划与调度、工具链、RAG管线、KV cache与向量库相关内存服务、策略与可观测性等。算额外新增1000万至1500万颗CPU、ASP约3000美元，对应300亿至450亿美元TAM。</p></li><li><p><strong>Other CPU</strong>涵盖存储节点、部分网络节点等，对应约25亿至150亿美元。</p></li></ul><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/94bfd8a78f0f222145897a4c36f89ee6\" title=\"\" tg-width=\"664\" tg-height=\"412\"/></p></blockquote><p>三项合计，2030年服务器CPU总TAM约825亿至1100亿美元，其中智能体带来的增量约325亿至600亿美元。整个测算的底层锚点是对2030年全球AI数据中心基础设施销售额约1.2万亿美元的判断（2025年约为2420亿美元）。</p><p>报告同时给出了“上修开关”：若按NVIDIA口径，2030年AI基础设施销售额达到3万亿或5万亿美元，则CPU TAM区间将被整体推至2060亿至2750亿美元，乃至3440亿至4580亿美元。<strong>这并非基准预测，但揭示了&#34;AI工厂&#34;规模扩张对CPU需求的系统性放大效应。</strong></p><h2 id=\"id_1283466807\">内存从配角变主线：2030年新增DRAM需求15至45EB</h2><p>智能体的真正差异化不只在推理能力，更在“可持续的上下文与记忆”。持续上下文、KV-cache、工具调用中间态与并发智能体工作集，CPU侧DRAM实质上成为HBM的功能性延伸。</p><p>测算模型直接明了：新增DRAM需求等于新增编排CPU数量乘以单CPU平均DRAM配置。两档假设分别为：新增1000万颗编排CPU、每颗配置约1.5TB；偏乐观情形为1500万颗、每颗约3TB。由此推导出2030年智能体可带来15至45EB的新增DRAM需求，相当于2027年DRAM行业年供给的26%至77%。</p><p>在周期判断上，报告还注意到一个市场结构变量：多数内存供应商正在与大客户讨论3至5年长期协议（LTA），这可能令定价下行斜率趋缓，并将2027年前的盈利能见度抬高。“内存层级正在成为AI系统的核心变现路径&#34;——主机DRAM、内存接口芯片、CXL扩展及SSD/HDD分层存储，都将成为更可持续的价值承接点。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/73d1196d443dd0c9facf5e67491697ce\" title=\"\" tg-width=\"681\" tg-height=\"387\"/></p><h2 id=\"id_338355495\">供给越紧的环节越具定价权：ABF载板、代工与使能组件</h2><p>而真正具备超额收益潜力的，是那些&#34;产能扩得慢、验证周期长&#34;的使能环节。报告重点点名了以下几条链：</p><p><strong>ABF载板：</strong>这轮AI驱动的ABF上行周期可能延续至本十年末，2026至2027年附近存在供需缺口风险。仅&#34;CPU TAM扩大&#34;一项，就可能带来2030年ABF需求5%至10%的上修；其中服务器CPU ABF载板市场到2030年约达47亿美元，CPU带来的增量需求约12亿美元。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/f7a2806e9f6dca0e7b924c94b28ff4a7\" title=\"\" tg-width=\"691\" tg-height=\"550\"/></p><p><strong>晶圆代工（尤其先进制程）：</strong>CPU代工可服务市场2026年约330亿美元，2028年约370亿美元。<a href=\"https://laohu8.com/S/TSM\">台积电</a>在CPU代工领域的份额预计从2026年约70%进一步提升至2028年的约75%；并预计<a href=\"https://laohu8.com/S/INTC\">英特尔</a>可能在2027年下半年开始将服务器CPU外包给台积电。</p><p><strong>BMC与内存接口：</strong>Aspeed被强调为CPU服务器BMC的核心受益者，其在该细分领域约有70%的市场份额，新一代AST2700平台带来40%至50%的ASP提升空间；Montage则被置于&#34;内存互连&#34;价值链，全球收入份额约36.8%。</p><p><strong>CPU Socket与被动元件：</strong>报告以Lotes与FIT作为CPU socket的直接映射，测算每增加100万颗CPU需求，Lotes收入约增加0.6%、FIT约增加0.2%（仅按socket口径计）。被动元件方面，以&#34;每台通用服务器约30美元MLCC内容量&#34;为简化假设，推算出2030年额外5亿美元MLCC需求增量，约占届时全球MLCC市场的2%至3%。</p><h2 id=\"id_1350650384\">CPU是最清晰增量，但&#34;使能环节&#34;更受偏爱</h2><p>报告承认智能体工作负载增长将结构性利好<a href=\"https://laohu8.com/S/AMD\">AMD</a>的云端份额，但对AMD与英特尔均维持Equal-weight评级，倾向于通过NVIDIA、<a href=\"https://laohu8.com/S/AVGO\">博通</a>等“资本开支与token增长更直接映射至盈利”的标的来追踪智能体主题，同时将估值约束列为重要考量维度。</p><p>从更宏观的框架看，这份报告的核心价值在于将AI的投资范式从“单点算力军备竞赛”升级为“系统效率与瓶颈经济学”：<strong>GPU是发动机，CPU是变速箱与控制系统，内存与互连是油路与底盘——单点极致仍重要，但决定规模化回报的是整车协同。</strong></p><p>对产业链而言，这意味着AI投资的超额收益来源将更加分散也更为长期：不只来自“最强GPU”，更来自那些在智能体工作流中率先成为瓶颈、且最难快速扩产的环节。能够持续追踪的高频验证指标包括：新平台BOM中CPU数量与内存配置的上修幅度、云厂商长期协议签约节奏，以及ABF载板与先进制程产能的利用率走势。</p></body></html>\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/43b9ba904562148b28c6ea63de19a6b1","relate_stocks":{"ARTY":"ISHARES FUTURE AI & TECH ETF","AIPO":"Defiance AI and Power Infrastructure ETF","AGIX":"通用人工智能 ETF-AGIX","CHAT":"ROUNDHILL GENERATIVE AI & TECHNOLOGY ETF"},"source_url":"https://wallstreetcn.com/articles/3770458","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"2629054947","content_text":"AI投资正从“拼GPU算力”转向“全栈系统效率”。智能体时代，瓶颈已从算力变为编排：GPU决定能不能做，系统决定能不能赚钱。下一轮超额利润将加速流向CPU、内存及载板等扩产最慢的供应链环节，基础设施重定价的大幕已然拉开。AI投资的主叙事正在经历一次结构性迁移。摩根士丹利最新研究指出，随着AI从“生成内容”走向“自动执行任务”，下一轮AI基础设施的增量逻辑将从“单芯片算力竞赛”扩展为“全栈系统工程”——GPU依然是核心，但不再独享预算与溢价。据追风交易台，摩根士丹利研究部分析师Shawn Kim在报告中直接写道，“智能体AI标志着从计算到编排的结构性转变。”在智能体工作流中，CPU侧编排时间可占总时延的50%至90%，由此推导出到2030年新增325亿至600亿美元的CPU增量市场空间，并将服务器CPU总TAM推至825亿至1100亿美元量级。与此同时，DRAM、ABF载板、晶圆代工、存储、连接器与被动元件等环节，均将从“配角”跃升为新的瓶颈与利润池。将在2030年额外催生15至45EB的DRAM需求，规模相当于2027年全行业年供给的26%至77%。这一判断对市场意味着：AI资本开支的受益者将从少数芯片巨头扩散至整条全球供应链，下一轮超额收益，可能更多来自那些在智能体工作流中最先成为瓶颈、且最难快速扩产的\"使能环节\"。随着瓶颈在不同环节迁移，AI价值链的权重分布随之改变。从“生成”到“行动”：智能体把瓶颈从算力推向编排生成式AI的典型工作流结构相对简单：用户请求到达后，CPU完成少量预处理，GPU负责token生成，随后返回结果。整个链路中，GPU是绝对主角，CPU仅承担辅助功能。智能体的运作逻辑截然不同。完成一个任务，系统需要经历规划、检索、调用外部工具与API、执行、反思迭代等多个步骤，还涉及多智能体协作、权限管理、状态持久化与调度等大量“控制面”能力。大摩的核心结论是：智能体带来的不是更\"重\"的单次推理，而是更多步骤、更多状态、更多协调，而这些工作天然更适合CPU处理。由此带来两个直接后果：其一，集群层面CPU与GPU的配比将系统性上升；其二，DRAM从“容量配置项”升格为“性能与吞吐的核心系统组件”。数据中心的瓶颈将越来越多地出现在内存带宽、数据搬运、互连时延与系统级协调，而非单纯的GPU算力。CPU配比正在重估：从\"1:12\"走向\"1:2\"乃至反转过去，\"1颗CPU服务约12块GPU\"曾是AI服务器的典型架构描述。但报告指出，随着智能体工作流变长、工具调用与上下文管理趋于复杂，这一比例正在快速收窄。以NVIDIA路线图为例，更新估算显示：在Rubin平台附近，CPU与GPU的配比已接近1:2；若向Rubin Ultra等更激进形态演进，甚至可能出现2颗CPU对应1颗GPU的反转配置。即便仅从1:12改善至1:8，对超大规模部署而言，CPU的绝对需求量也将出现量级跳升。一旦这一方向成立，CPU的需求弹性将从“跟着服务器出货走”转变为“跟着智能体复杂度走”，这意味着CPU需求的增长将更具结构性，而非仅仅是传统硬件换代周期的延续。CPU TAM重算：2030年825亿—1100亿美元，增量来自编排摩根士丹利采用“系统分层”方法，将智能体带来的CPU机会从传统服务器更新换代逻辑中剥离，建立三个独立分析口径：Head Node CPU对应贴近GPU系统的机架控制层，以2030年全球约500万颗AI加速器、每颗加速器配2颗高端CPU、CPU平均售价约5000美元为假设，对应约500亿美元TAM。Orchestration CPU覆盖智能体编排新增需求，包括规划与调度、工具链、RAG管线、KV cache与向量库相关内存服务、策略与可观测性等。算额外新增1000万至1500万颗CPU、ASP约3000美元，对应300亿至450亿美元TAM。Other CPU涵盖存储节点、部分网络节点等，对应约25亿至150亿美元。三项合计，2030年服务器CPU总TAM约825亿至1100亿美元，其中智能体带来的增量约325亿至600亿美元。整个测算的底层锚点是对2030年全球AI数据中心基础设施销售额约1.2万亿美元的判断（2025年约为2420亿美元）。报告同时给出了“上修开关”：若按NVIDIA口径，2030年AI基础设施销售额达到3万亿或5万亿美元，则CPU TAM区间将被整体推至2060亿至2750亿美元，乃至3440亿至4580亿美元。这并非基准预测，但揭示了\"AI工厂\"规模扩张对CPU需求的系统性放大效应。内存从配角变主线：2030年新增DRAM需求15至45EB智能体的真正差异化不只在推理能力，更在“可持续的上下文与记忆”。持续上下文、KV-cache、工具调用中间态与并发智能体工作集，CPU侧DRAM实质上成为HBM的功能性延伸。测算模型直接明了：新增DRAM需求等于新增编排CPU数量乘以单CPU平均DRAM配置。两档假设分别为：新增1000万颗编排CPU、每颗配置约1.5TB；偏乐观情形为1500万颗、每颗约3TB。由此推导出2030年智能体可带来15至45EB的新增DRAM需求，相当于2027年DRAM行业年供给的26%至77%。在周期判断上，报告还注意到一个市场结构变量：多数内存供应商正在与大客户讨论3至5年长期协议（LTA），这可能令定价下行斜率趋缓，并将2027年前的盈利能见度抬高。“内存层级正在成为AI系统的核心变现路径\"——主机DRAM、内存接口芯片、CXL扩展及SSD/HDD分层存储，都将成为更可持续的价值承接点。供给越紧的环节越具定价权：ABF载板、代工与使能组件而真正具备超额收益潜力的，是那些\"产能扩得慢、验证周期长\"的使能环节。报告重点点名了以下几条链：ABF载板：这轮AI驱动的ABF上行周期可能延续至本十年末，2026至2027年附近存在供需缺口风险。仅\"CPU TAM扩大\"一项，就可能带来2030年ABF需求5%至10%的上修；其中服务器CPU ABF载板市场到2030年约达47亿美元，CPU带来的增量需求约12亿美元。晶圆代工（尤其先进制程）：CPU代工可服务市场2026年约330亿美元，2028年约370亿美元。台积电在CPU代工领域的份额预计从2026年约70%进一步提升至2028年的约75%；并预计英特尔可能在2027年下半年开始将服务器CPU外包给台积电。BMC与内存接口：Aspeed被强调为CPU服务器BMC的核心受益者，其在该细分领域约有70%的市场份额，新一代AST2700平台带来40%至50%的ASP提升空间；Montage则被置于\"内存互连\"价值链，全球收入份额约36.8%。CPU Socket与被动元件：报告以Lotes与FIT作为CPU socket的直接映射，测算每增加100万颗CPU需求，Lotes收入约增加0.6%、FIT约增加0.2%（仅按socket口径计）。被动元件方面，以\"每台通用服务器约30美元MLCC内容量\"为简化假设，推算出2030年额外5亿美元MLCC需求增量，约占届时全球MLCC市场的2%至3%。CPU是最清晰增量，但\"使能环节\"更受偏爱报告承认智能体工作负载增长将结构性利好AMD的云端份额，但对AMD与英特尔均维持Equal-weight评级，倾向于通过NVIDIA、博通等“资本开支与token增长更直接映射至盈利”的标的来追踪智能体主题，同时将估值约束列为重要考量维度。从更宏观的框架看，这份报告的核心价值在于将AI的投资范式从“单点算力军备竞赛”升级为“系统效率与瓶颈经济学”：GPU是发动机，CPU是变速箱与控制系统，内存与互连是油路与底盘——单点极致仍重要，但决定规模化回报的是整车协同。对产业链而言，这意味着AI投资的超额收益来源将更加分散也更为长期：不只来自“最强GPU”，更来自那些在智能体工作流中率先成为瓶颈、且最难快速扩产的环节。能够持续追踪的高频验证指标包括：新平台BOM中CPU数量与内存配置的上修幅度、云厂商长期协议签约节奏，以及ABF载板与先进制程产能的利用率走势。","news_type":1,"symbols_score_info":{"ARTY":1.5,"AIPO":1.5,"AGIX":1.5,"CHAT":1.5}},"isVote":1,"tweetType":1,"viewCount":193,"commentLimit":10,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"symbols":[],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":19,"optionInvolvedFlag":false,"xxTargetLangEnum":"ZH_CN"},"commentList":[],"hasMoreComment":false,"orderType":2}