https://backend.futoucaixin.cn/uploads/20260421/f15d07b4751bd48460e4ab2e077878f0.pdf
# 一、核心逻辑
### Q1：这份报告的核心结论是什么？
A：AI正在从“生成（GenAI）”转向“行动（Agentic AI）”，算力瓶颈从GPU转向CPU与系统层。
* 过去：GPU主导（单次推理/生成）
* 现在：多步骤任务（规划→调用工具→执行→反馈）
* 结果：CPU + 内存 + 系统调度成为关键瓶颈
---
### Q2：Agentic AI到底改变了什么？
A：从“模型能力”转向“系统能力”。
* LLM = “大脑”（GPU）
* CPU = “调度中枢”（orchestration）
* Memory = “长期记忆”
👉 AI不再只是回答问题，而是自动完成任务（multi-step workflows）
---
# 二、算力结构变化
### Q3：为什么CPU变重要？
A：因为Agent需要大量“非推理计算”。
包括：
* 任务规划（planning）
* API调用 / 工具链执行
* 数据处理 / 检索（RAG）
* 多Agent协调
👉 这些都不适合GPU，必须CPU处理
---
### Q4：CPU在系统中的占比有多高？
A：50%–90% 的延迟来自CPU侧处理。
也就是你图里那张：
* Chatbot：GPU主导
* Agent：CPU主导
👉 瓶颈发生结构性迁移
---
### Q5：CPU/GPU比例如何变化？
A：显著上升（CPU更多）。
* 过去：1 CPU : 12 GPU
* 未来：
* 1 : 2
* 甚至 2 : 1
👉 CPU需求爆发是确定性趋势
---
# 三、市场空间（最关键）
### Q6：CPU市场会有多大增量？
A：到2030年新增 $325亿–600亿美元 TAM。
* 总CPU市场：$1000亿+
* Agentic AI = 新增一整个“CPU赛道”
---
### Q7：为什么会出现“新增CPU TAM”？
A：因为出现了一个新类别：Orchestration CPU
三类CPU：
1. Head node（配GPU）
2. Orchestration CPU（新增核心）
3. 其他（存储/网络）
👉 Orchestration是Agent时代新需求
---
# 四、内存（被严重低估的主线）
### Q8：为什么内存重要性上升？
A：Agent需要“长期记忆”。
* Chatbot：短上下文
* Agent：
* 跨任务记忆
* 用户历史
* 状态管理
👉 Memory从“附属” → “核心系统”
---
### Q9：内存需求增长多少？
A：到2030年新增 15–45EB DRAM需求
占：
* 26%–77% 行业供给
👉 这是极其夸张的需求冲击
---
# 五、产业链影响（投资重点）
### Q10：谁是最大受益者？
A：不只是GPU，而是“全栈”。
重点受益：
* CPU（AMD / Intel / Arm）
* Memory（DRAM / NAND）
* Foundry（先进制程）
* ABF载板
* 服务器 / 网络 / 存储
👉 报告核心一句话：
> AI投资从“买GPU” → “买整个系统”
---
### Q11：GPU会被替代吗？
A：不会，但地位相对下降。
* GPU：仍负责推理/训练
* CPU：负责控制与调度
👉 关系变成：
GPU = engine，CPU = operating system
---
# 六、架构趋势
### Q12：AI系统架构发生了什么变化？
A：从“单芯片” → “系统级计算”。
变化：
* 数据中心 = 一个整体计算系统
* 强调：
* 数据流
* 内存层级
* 网络延迟
* 协同调度
---
### Q13：Agentic AI的三层架构？
A：
1. Brain（LLM / GPU）
2. System（CPU orchestration）
3. Memory（长期知识库）
👉 Memory成为第三大支柱
---
# 七、最重要的一句话总结
### Q14：这份报告最核心的一句话？
A：
> Agentic AI将AI从“算力问题”升级为“系统工程问题”，并把价值从GPU扩散到CPU、内存和整个基础设施。
---
# 八、给你的投资视角（重点）
如果只抓三条主线：
### 1️⃣ CPU是最大“预期差”
* 市场还在盯GPU
* 但CPU才是Agent时代核心瓶颈
---
### 2️⃣ 内存是最大弹性
* DRAM/NAND需求爆发
* 且供给受限 → 价格弹性极大
---
### 3️⃣ “非GPU”环节全面受益
* ABF载板
* 服务器
* 互连/网络
* 电源/散热
👉 AI投资从“点”变“面”