摩根士丹利:智能体 AI-超级浪潮才刚刚开始!

智能体 AI 不再是新兴概念，而是已经开始重塑各行各业 —— 一类新型数字劳动力正在创造实际成果。这意味着 AI 基础设施的核心公式将被重写：相比早期对 AI 的假设，如今需要的 CPU 与内存长期协议容量要大得多，也因此带来了更广阔的增长机遇。

“智能体经济” 的扩张速度超出了最初的预期。这一转变已在市场估值中显现：自 4 月中旬以来，CPU 与内存相关股票已创下新高。AMD、Arm 和英特尔在 2026 年第一季度财报中提到，随着超大规模数据中心在 GPU 集群周边部署更密集的 CPU 基础设施，高核心数 CPU 与编排密集型工作负载近期出现激增。与此同时，已披露的 3-5 年期内存长期协议正成为行业的关键结构性转变，提升了定价可见性，并增强了行业周期的韧性。

发生了哪些变化？2026 年第一季度是智能体 AI 的突破季，众多企业掀起了 “智能体优先” 战略的浪潮，从实验性试点项目转向大规模企业级部署。随着企业采用速度加快，CPU 容量需求急剧上升，且随着智能体工作负载的扩展而变得更加可衡量。如今进入 2026 年第二季度，市场讨论的焦点已不再是智能体 AI 的潜力，而是其整合的速度。我们还修订了内存分析框架，以反映编排 CPU 需求的提升，以及单 CPU DRAM 配置的增长，预计到 2030 年，基本情景下将带来约 74EB 的增量 DRAM 需求，乐观情景下则约为 228EB。

上调 CPU / 内存市场规模预测：我们修订了分析框架，以反映智能体 AI 的渗透率速度加快、并发度提升，以及每令牌指令数的增加。基本情景下，到 2030 年服务器 CPU 总市场规模将增长 25%，达到 1250 亿美元，其中包含 450 亿美元的主机 / 云 CPU 市场，以及 790 亿美元的新增编排 CPU 市场；随着专用智能体 CPU 机架的规模化部署，我们的自上而下乐观情景预测总市场规模将达到 2830 亿美元。将同一以 CPU 为核心的框架应用于内存市场，预计基本情景下将带来约 74EB 的增量 DRAM 需求，乐观情景下约为 221EB（相当于 2026 年整个 DRAM 市场规模的 1.7 倍至 4.9 倍）。

坚持全栈布局：AI 数据中心不仅需要更多 GPU，还需要更强大的主机 CPU 层，以确保加速器、内存、网络与软件智能体之间的同步。我们的首选配置标的不变，涵盖 CPU、DRAM、NAND/eSSD、HDD、ABF 基板、晶圆代工、内存接口、BMC、插座 / 连接器及半导体设备，这些领域的内容量增长与供应限制，将抓住 AI 基础设施周期的 “第二阶段” 机遇（图表 1）。

图表 1：智能体 AI 应用浪潮的潜在受益标的

图表 2：自上一份报告发布以来，CPU 与内存板块的表现显著优于 AI 生态整体

智能体 AI—— 关键进展

摩根士丹利预计，随着各大企业竞相开发可创造收入的 AI 工具，超大规模云厂商、前沿模型公司、传统软件供应商和新兴初创企业之间，将掀起一轮智能体 AI 的竞争热潮。不过，智能体 AI 经济目前仍处于价格发现的早期阶段，我们尚不清楚它最终将如何解锁并推动 AI 整体市场规模增长；同时，AI 基础设施正从单纯的计算能力，向编排、内存和系统级协调进行结构性转变，目前也仍处于早期阶段。

从 “搜索” 到 “行动” 的转变：我们认为，随着 AI 智能体在电商、广告和企业生产力领域的大规模部署，AI 平台正从成本中心向收入基础设施转型。凭借持续学习能力和在使用过程中积累的用户上下文，智能体能显著提升用户在平台上的参与度、实用性和粘性。能够执行交易的智能体，将成为超大规模云厂商的重要价值驱动力。据报道，Meta 和 Google 均在开发 AI 智能体：Meta 正打造高度个性化的 AI 助手，为用户处理日常事务；Google 则正开发由 Gemini 驱动的全天候个人智能体，适用于工作、学习与日常生活场景。

智能体 AI 需要重写 AI 基础设施的核心公式：构建智能体 AI 系统，并非简单地在原有的 GPU 密集型机架旁增加几台 CPU，而是数据中心架构的一次复杂的结构性转变 —— 需要新增一个经过专门设计的 CPU 计算层。智能体 AI 需要全新的 CPU 服务器机架，与 GPU 基础设施协同运行，为所有智能体的工作提供算力支持。未来的 AI 系统将是一个分布式架构，由两部分构成：

GPU 机架：负责高密度模型计算、高速网络连接，并搭载可实现全链路可观测、安全与高效运行的软件栈；
智能体 CPU 机架：负责编排调度、数据处理与工具执行。

在智能体时代，性能不再依赖单一处理器包办所有任务，而是取决于合理的架构——CPU 与 GPU 协同工作，推动 AI 从 “提供答案” 走向 “执行行动”。对于部署 AI 智能体的企业而言，均衡的架构至关重要，需满足三点要求：

CPU 层的规模足够大，以最大限度减少 GPU 的等待时间；
高效的网络支持智能体间的通信；
数据路径设计实现极低延迟。

其中，编排层专为高并发性设计，以降低成本与架构复杂度。

图表 3：智能体 AI 基础设施架构 ——CPU/GPU 的结构性转变远非简单增加 CPU 数量那么简单

市场规模扩容

我们目前预计，服务器 CPU 和内存的整体潜在市场增速，将显著快于此前模型的预测。

考虑到智能体会话、并发使用量以及每令牌指令数的提升，我们将 2030 年服务器 CPU 总市场规模的基准情景预测从此前的约 1000 亿美元上调至1250 亿美元。
在乐观情景下，采用自上而下的 AI 数据中心容量框架估算，2030 年服务器 CPU 总市场规模有望达到2830 亿美元。
对于内存市场，以 CPU 为核心的同一分析框架表明，DRAM 需求将迎来大幅增长。到 2030 年，智能体编排工作负载将在基准情景下带来约74EB的增量 DRAM 需求（相当于 2026 年 45EB 总出货量的 1.7 倍）；在乐观情景下则为约221EB（相当于今年 DRAM 市场规模的 4.9 倍）。

如果你是短线选手：开放体验（非免费）详情点击➡：《投研情报介绍》

如果你喜欢波段：开放体验（非免费）详情点击➡《板块轮动服务介绍》

今日情报精选