算力税第二波，CPU涨价

全球半导体市场出现结构性变化，传统意义上被视为成熟品类的CPU领域，正成为资本市场的关注焦点。

截至1月21日，英特尔股价创下近四年新高，年内涨幅超44%；AMD延续连续上涨态势；A股市场中，龙芯中科与海光信息分别录得20%涨停及单日涨幅超13%。这一行情背后，反映的是市场对“算力税”传导逻辑的重新定价，继GPU因AI训练需求大涨之后，CPU正在成为算力成本上涨的第二波承载者。

机构的共识正在迅速形成。国联民生证券与西部证券在近期报告中不约而同地指出，当前CPU市场的供需变化并非周期性波动，而是由AI智能体应用规模化落地所驱动的结构性变革。

与以GPU为核心的AI训练不同，在智能体工作负载中，CPU承担了包括工具调用、任务编排、实时决策等大量非AI原生计算，相关处理耗时占总任务延迟的比例高达80%-90%。这使得CPU在系统层面可能比GPU更早成为性能瓶颈。

需求前景已在数据层面得到支撑。据IDC预测，全球活跃智能体数量将从2025年的约2860万个，迅速增长至2030年的22.16亿个，年复合增长率达139%。在中性情景下，长期对应的CPU需求或将突破1173万片量级，形成显著增量市场。

CPU的供给端亦面临着极限承压。摩根大通数据显示英特尔先进制程产能利用率已达120%-130%的超载状态，台积电先进封装产能瓶颈更将CPU交付周期从正常的8-10周拉长至24周以上。

在此趋势下，国产CPU厂商迎来产业与政策的双重机遇。CPU，这一曾长期被视为“传统”的算力组件，正在AI智能体浪潮中重新确立其系统级价值。

AI智能体催化“域外CPU”需求重塑

传统AI计算将算力重心完全置于GPU之上，主要用于模型的训练与推理加速。然而，随着AI向具备自主规划与执行能力的智能体演进，计算负载的结构正在发生根本性重构。

智能体要完成一个实际任务，例如“分析一批简历数据”，其工作流程远超简单的API调用。它需要自主执行：创建独立沙箱环境、访问指定网盘下载文件、解压压缩包、运行数据分析脚本、生成可视化报表，最后清理并释放环境资源。在这一完整任务链中，仅任务拆解与结果生成环节依赖GPU进行推理，而占整个流程时长80%-90%的中间步骤——包括文件操作、代码执行、数据处理与系统调度——全部由CPU承担。

英特尔发布的白皮书《以CPU为核心的智能体AI视角》明确指出，智能体工作负载的延迟主要来自CPU侧的工具处理任务。

智能体架构范式统一：主流平台全面转向“沙箱执行”模式

随着AI智能体从概念走向规模化应用，产业技术架构正在发生根本性重构。根据国泰海通电子的产业调研，自2025年下半年以来，包括豆包、智谱在内的主流AI平台已全面转向“沙箱执行”架构模式。该模式的核心在于为每个智能体任务创建独立、隔离的虚拟执行环境，以安全地完成文件操作、代码运行、网络访问等外部调用。这种架构转变直接催生了新型算力需求特征：CPU资源消耗与用户规模及任务并发量呈强相关性，而与GPU数量呈现弱关联性

工程实践的突破为这一架构演进提供了关键技术支撑。DeepSeek研究团队在论文中展示了里程碑式的“存算分离”方案：成功将1000亿参数的嵌入表完全存储于CPU主机内存，而非传统的GPU显存。通过精密的PCIe异步数据传输机制，该方案仅带来不足3% 的额外推理延迟，在工程可行性上实现了关键突破。

这一技术突破揭示了两大产业趋势：在技术路径上，模型参数规模对GPU显存容量的依赖被有效打破，性价比更优的主机内存成为大规模参数存储的可行选择；在系统架构上CPU的角色定位发生本质变化，从辅助计算单元转变为数据调度与系统管理的核心枢纽，承担起海量参数的实时检索、智能筛选及高效转发等关键职能。

供需失衡加速涨价预期

需求结构剧变恰逢供给端产能瓶颈的双重挤压。

根据TrendForce 2026年1月供应链监测报告，台积电N2与N3等先进制程到2027年的产能已被苹果、英伟达、博通等巨头瓜分。由于高端GPU与定制ASIC在“单晶圆产出价值”上显著高于传统CPU，代工厂产能分配存在明显倾斜。与此同时，CoWoS等先进封装技术的瓶颈进一步恶化了供应链——IDC分析指出，其产能利用率在2025年第四季度便已突破100%，导致CPU出货周期从正常的8-10周延长至24周以上。

英特尔内部生态同样面临极限压力。随着其18A工艺进入量产高峰，该公司不仅需保障自身酷睿与至强系列供应，还需履行对微软、亚马逊等外部代工客户的承诺。摩根大通研报指出，英特尔核心节点的产能利用率已攀升至120%-130%的超负荷状态，迫使部分非核心组件转移至联电等二线代工厂。

西部证券最新行业点评指出，为应对供需失衡并保障供应稳定，英特尔与AMD已计划将服务器CPU价格上调10%-15%，且2026年两家厂商的服务器CPU产能“已基本预售完毕”。

总而言之，随着AI从“内容生成”迈向“任务执行”，算力需求的核心正经历结构性迁移——从以GPU为中心的并行计算，转向以CPU为枢纽的系统调度与资源协调。在供给端产能已达物理极限、需求端受智能体应用指数级增长驱动的双重作用下，CPU不仅面临持续的价格上行压力，其在整个计算体系中的战略价值更在经历系统性重估。