作者：缪欣君，丁子惠

CPU重回AI基础设施主线

进入Agent/RL阶段后，AI任务从单次生成走向连续执行，检索、工具调用、代码运行、文件读写、状态管理和环境反馈等环节增多，CPU在任务编排和执行环境中的作用被重新放大。我们判断，AI工作负载变复杂后，GPU机柜内需要更高CPU配套，机柜外也可能需要额外CPU资源池或独立CPU机柜。

Agent/RL带来机柜外CPU需求

Agentic AI不是简单问答，一条任务往往要经历目标拆解、资料检索、工具调用、代码执行和环境反馈。GPU主要负责模型计算，CPU则承接工具调用、检索、代码运行、I/O和环境管理。若企业级Agent、代码、数据处理和工业场景继续落地，CPU需求将有望不只来自GPU/NPU服务器内部配套，也会延伸到机柜外CPU资源池。后续sidecar CPU机柜或独立CPU机柜，有望成为AI集群扩容中的重要配置。

CPU/GPU配比继续抬升

传统训练侧更强调GPU密度，1颗CPU配4-8颗GPU较为常见。进入推理和Agent阶段后，CPU承担更多调度、检索、工具调用和环境反馈任务，配比开始上行。当前NVIDIAGB200、GB300、Vera Rubin NVL72以及国内CloudMatrix384等公开样本已接近1:2，后续随着Agentic AI占比提升，配比仍有向1:1甚至更高CPU占比演进的可能。背后不是GPU需求下降，而是CPU从基础配套变成AI集群中的关键约束。

供需缺口扩大，国产CPU有望迎来商业化窗口

需求放量下，海外x86服务器CPU库存、价格和交期同步承压。例如2026年2月Intel和AMD均发出供应警告，Intel部分产品交期最长拉至6个月，AMD部分产品交期拉长至8-10周，Intel服务器产品在中国市场价格也已出现上调。我们认为，海外CPU缺货和交付不稳定会倒逼下游客户重新评估国产CPU的可获得性和适配价值。若国产CPU在推理服务器、行业服务器和国产超节点中持续验证，当前阶段有望成为国产CPU进入商业化市场的重要窗口期。

风险提示：AI资本开支不及预期；Agent/RL应用落地慢于预期；AI服务器CPU供给改善快于需求；CPU/GPU配比提升不及预期；国产超节点落地不及预期；公开样本与量产配置存在差异；供应链和外部政策扰动。