以下是对国泰海通证券研究所发布的研究报告《推理与 Agentic AI 浪潮下,CPU重回AI基础设施核心中枢》的极其详尽解读与解构。分析覆盖从元数据与概览、逐章解读到图表深度解读、估值与风险的完整框架,并对文中提出的核心论点、数据点、假设与结论进行逐项拆解与评估。
一、元数据与概览(引言与报告概览)
报告标题、作者、发布机构与日期
标题:国泰海通证券研究所发布的研究报告,核心题述为“推理与 Agentic AI 浪潮下,CPU重回AI基础设施核心中枢”1 。
发布机构与背景信息:由国泰海通证券研究所出具的证券研究报告(公开网页节选中体现了机构身份与研究口径)1 。
日期:2026年5月29日 17:59(上海发布)1 。
作者与署名(与具体个体研究人员相关信息在第二页“报告来源”部分列出):杨林(分析师)、刘天雅(研究助理)、魏宗(分析师)等,登记编号如文中所示;该信息在第二页明确给出2 。
核心论点与投资论断
核心论点是:推理与 Agentic AI 的崛起正在把 AI 数据中心的算力核心从单点的 GPU 竞争转向 CPU-GPU 的异构协同竞争,CPU 有望从“配套组件”升级为“执行中枢”,并带动国产 CPU 与数据中心配套产业链的结构性机会1 。
投资建议:CPU重回AI基础设施核心中枢,异构协同驱动产业价值重估;在 AI 推理、长上下文、多智能体协作等场景下,CPU需求的结构性拐点将推动价格与供给的变化,未来两三年内供需紧张与涨价压力可能延续(无具体目标价,但强调“价值重估”与“供需错配”)1 。
信息覆盖与风险指向
报告明确指出推理阶段、Agent 阶段对 CPU 的需求上升,以及由此带来的价格上涨、交期延长等初步信号,预示 AI 数据中心将从“堆 GPU”走向“CPU+GPU+内存+网络+软件”的综合优化路径1 。
风险提示包括:AI 智能体落地不及预期、商业化进展不足、行业竞争加剧与市场份额变动、资本开支周期波动等1 。
重要提醒与免责声明
第二页“报告来源”和附加文本提供了作者署名、订阅服务的受众限制、合规提醒等信息,属于发布背景与合规性条款,属于元数据的补充材料2 。同时,文中包含了二维码图片以便读者关注公众号,这一图像资料在第二页以图片形式呈现(见下述图表深度解读中的图像引用)2 。
二、逐节深度解读(逐章精读与剖析)
2.1 摘要与投资要点(章节性概述要点)
关键论点摘要
将 AI 推理、长上下文、多人协作、以及多智能体 Agent 工作负载视为推动 CPU 架构与数据中心资源配置变革的核心驱动;CPU 的角色从“协同组件”向“执行中枢”的转变被视为长期趋势1 。
异构协同成为 AI 数据中心的核心竞争力,CPU 与 GPU 的协同工作模式、缓存/内存带宽、以及互联(如 CXL)等成为长期投资要素1 。
数据与趋势支撑
给出 CPU 与 GPU 的比重演进预期:训练阶段 CPU:GPU 的比率约为 1:8,推理阶段降至约 1:3~1:4,Agent 阶段接近 1:2。这些比率用来支撑“CPU 调度执行与协同工作负载上升”的核心论点1 。
需求信号:CPU 价格上涨、交期延长被视为需求回升的初步验证,暗示未来 AI 数据中心的整体算力结构将由纯 GPU 集中向“CPU+GPU+内存+网络+软件”的系统级组合转变1 。
产业链机会与区域性叙述
指出上游材料与设备国产化、芯片设计与封装测试自主可控性提升,以及下游服务器、AI 加速器和边缘场景需求持续增大,从而为国产产业链带来长期机会1 。
风险提示要点再述
列出核心风险:AI 智能体落地及商业化进展不及预期、行业竞争与市场份额的变动、资本开支周期波动等1 。
2.2 行业分析(行业结构与驱动力)
关键论点
随着 AI 推理工作负载、长上下文、多人协作和智能体(Agent)数量的增加,CPU 的负载显著提升,推动 CPU-GPU 在数据中心的协同比重上升,进而改变整个算力结构的投资逻辑1 。
CPU 的新角色与新架构(系统级协同、更多核心、高带宽缓存、CXL 互联、共享内存等)成为行业长期演进的核心驱动力1 。
推理与 Agent AI 的特性对硬件的要求
推理阶段对低延迟、高并发、长上下文处理的需求提升了对 CPU 调度、缓存管理、KV Cache、工具调用和多智能体任务协作能力的依赖1 。
Agent 阶段的协作更进一步放大对跨设备、跨任务的高效调度能力的要求,强化了“CPU 作为执行中枢”的必要性1 。
产业链上下游结构性机会
上游:国产化材料、设备的自主可控性提升,意味着成本结构与供应链稳定性有望改善(长期投资视角)。1
中游:芯片设计、封装测试逐步实现自主可控,提升国产厂商在服务器与 AI 算力市场的竞争力1 。
下游:服务器、AI 加速器、边缘场景的需求高增,推动系统级架构优化、软件生态与整机集成的发展1 。
2.3 公司分析(产业参与者与区域性竞争格局)
核心国产厂商与竞争格局
文中提到国产 CPU 厂商如飞腾、海光信息等正在加速布局,通过自主指令集、RISC-V 生态和国产 EDA/IP 支持实现服务器及 AI 算力市场突破1 。
国际对比与市场格局
文章对国际大厂(如 Intel、AMD、ARM)在服务器 CPU 的领先地位以及异构协同能力的现状做了对照,强调国产厂商通过自主化与生态建设来实现突破的路径1 。
关键的产业化挑战
报告隐含的挑战包括自有体系的生态对齐、软件/中间件对新硬件的适配,以及国内外供应链的协同与安全性问题等,这些都需长期持续投入方能实现突破1 。
2.4 估值分析(若报告包含估值方法)
现有文本未提供明确的目标价或量化估值区间,但强调“估值重塑”与“供需错配”构成核心逻辑。若存在估值分析,其核心在于:通过对 CPU 在 AI 数据中心中的中枢地位、异构协同带来的成本结构变化、以及未来几年的供需波动来推导估值的再定价趋势1 。
关键驱动因素或假设
推理与 Agent AI 的普及程度决定了 CPU 的使用强度与价格弹性。
供应链自给自足程度提升将影响单位成本和毛利率的长期可持续性。
异构系统的广泛采用及 CXL、缓存一致性等技术成熟度决定了未来几年的资本支出节奏及服务器需求量。
需要关注的敏感点
若推理与智能体负载的增长被低估,或 CPU 的价格/交期改善速度慢于预期,估值与投资回报的乐观度将被削弱。
2.5 风险因素评估(风险要点的系统梳理)
风险要点
AI 智能体落地不及预期,或 AI 商业化推进速度低于市场预期,将直接冲击报告所依赖的需求拐点假设1 。
行业竞争加剧、市场份额流失、价格战或客户黏性下降的风险可能压制利润空间与投资回报。
资本开支周期的波动性,因为数据中心基础设施是资本密集型行业,周期性波动对长期投资价值判断具有显著影响1 。
缓释策略与概率
文中对缓释策略的具体描述较为有限,但通过强调产业链自主可控、异构协同与系统级优化来提升对冲风险的路径。需进一步评估不同场景下的概率分布和对估值的敏感性。
三、图表深度解读(图表与图像的逐点解读)
重要图表与图像的分析是本报告的关键环节之一。当前文本未提供直接的图表图片,但文中明确给出若干关键数据点,可作为“图表级别”的证据来解读。为确保溯源与可追溯性,下列要点基于文本中的数字与叙述进行解读:
图表要点1:CPU 与 GPU 的比重随阶段演变
描述:文本直接给出训练阶段 CPU:GPU 的比率约为 1:8,推理阶段下降到 1:3~1:4,Agent 阶段接近 1:2。这一系列数值构成核心“图表”叙事,显示了不同工作负载下对 CPU 的依赖强度明显提升,支撑“CPU 作为执行中枢”的核心假设。1
解释与含义:从视觉层面看,这些比值如果画成柱状或折线图,将清晰地呈现推理和智能体阶段对 CPU 请求的跃升,直观传达从“GPU 为主的训练阶段”向“CPU+GPU 的协同推理阶段”转变的趋势。该趋势是文中关于“CPU 重回 AI 基础设施核心中枢”论点的定量支撑。
与文本的关系:该数据点是文本“异构协同驱动产业价值重估”的核心证据之一,直接引用于推理阶段对 CPU 需求的放大和 Agent 阶段对并发调度能力的提升的论证中。1
潜在局限性:文中未提供各阶段样本规模、行业横截面或厂商差异(如不同服务器厂商/不同架构)的分布情况,因此该比率更多是宏观趋势性结论,而非单一厂商的普遍适用性证据。该点应与更广泛的市场数据一起评估以提高稳健性。
图表要点2:需求信号(价格上涨与交期延长)作为需求回升的证据
描述:文本指出“CPU 价格上涨、交期延长已初步验证需求回升”,构成对需求回升的定性证据。1
解释与含义:若此处有相应的图表(如价位与交期随时间的变化曲线),应能看到价格和交期的上升趋势,与“供需错配”假设互相印证,强化筒仓的投资逻辑:在短期内厂商产能受限,价格上行,产线等待时间拉长。
与文本的关系:这是对“未来两三年 CPU 供需紧张与涨价压力有望延续”的直接数据点支撑,强调市场供需错配对盈利与估值的推动力。1
潜在局限性:价格与交期数据若缺乏区域、厂商与应用场景的区分,容易把行业整体景气度误判为所有细分领域的普遍现象。
图表要点3:产业链与区域化机会的多层解读
描述:文本多处提到“上游材料与设备国产化进程加速”、“中游芯片设计与封装测试自主可控”、“下游需求高增”等,若以图表形式呈现,可能包含产业链各环节的产能、投资、产出、出口/进口依赖等指标的演变轨迹。
解释与含义:图表若存在,应能体现国产化进程对成本、供应稳定性和长期投资回报的潜在提升作用,以及区域性(国内产业链完善度)的系统性提升如何支撑长期估值重塑。
与文本的关系:这些要点构成对“国产 CPU 迎来产业链布局窗口”的宏观背景支撑,帮助读者连接微观厂商层面的机会与宏观市场的结构性转变。1
潜在局限性:文中没有提供具体的量化指标(如国产化率、本土化覆盖度的时间线、关键材料或设备的国产替代率等),因此这类图表的呈现需要与更多市场数据搭配以避免空泛定性。
图像引用(溯源格式)
QR 关注图像(页面 1 的图像资源): [该图片用于公众号关注的二维码展示,与文本中的信息来源一致,放在“报告来源/免责声明”部分的附图中]2
四、估值分析(若存在,结合文本片段)
直接量化部分
本报告在公开摘录中未给出具体的目标价位、股价区间或折现模型参数等可直接复现的数值。它强调“CPU 重回 AI 基础设施核心中枢”和“异构协同驱动产业价值重估”的投资逻辑,更多以结构性趋势、市场供需、以及产业链升级为核心支撑,而非给出明确的财务目标价。这一点在“投资建议”段落中体现为定性判断与前瞻性叙述,而非数值化估值框架1 。
估值方法的可能走向(基于文本推断)
可能的估值路径包括:对比可比公司在 CPU、服务器处理器、AI 加速/系统集成领域的估值倍数(如 EV/EBITDA、P/E、EV/Revenue 等)与增长叠加,结合行业供需的弹性与国产化推进的风险调整,推导出一个上升的估值区间。
未来的敏感性分析关键在于:推理与 Agent AI 的市场渗透率、CPU 的实际成本结构改善、CXL 等系统级互联技术的落地速度,以及国产厂商在生态与软件层面的跟进能力。
风险点对估值的影响
若推理/Agent 的落地速度低于预期,或供应链瓶颈持续时间超出预期,估值重估的方向可能偏向中性或保守。
五、风险因素评估(风险因素的系统梳理)
主要风险点
AI 智能体落地与商业化进展不及预期,直接影响对 CPU 调度与执行中枢地位的长期假设。
行业竞争加剧、市场份额流失,尤其是在国际大厂与国产厂商之间的市场占比变动。
资本开支周期波动:数据中心投资具有高度周期性,宏观经济、政策环境变化等均可能放大周期波动。
风险缓释与应对框架
报告强调产业链自主化与系统级协同作为长期支撑点,但对具体缓释策略的定量分析较少。需要结合更多供应链多元化、成本压力缓解、软件生态完善等方面的措施来评估风险缓释的有效性与概率。
六、批判性视角与细微差别(审慎视角)
可能的偏见与强烈判断
报告高度聚焦“CPU 重回核心中枢”的长期结构性机会,存在对新兴工作负载(推理、长上下文、多智能体协作)的乐观预期;若市场对 Agentic AI 的落地速度放缓,相关假设的稳健性将受到挑战。
需要进一步核实的关键假设
CPU 与 GPU 的比重预测(训练阶段 1:8、推理阶段 1:3~1:4、Agent 阶段 1:2)是否在实际厂商的不同场景中具备广泛适用性,以及不同数据中心架构(云端、私有云、边缘)对该比重的敏感性。
中国国产 CPU 的“自主化”程度、生态成熟度、以及下游服务器和边缘市场的落地速度。作者对国产厂商(如飞腾、海光信息)的发展路径描述较为乐观,但对生态壁垒、工具链兼容性、软件生态建设的进展量化不足。
内部一致性与矛盾点
报告强调“CPU作为执行中枢”与“异构协同”为长期投资主线,但在具体实施层面,CPU 何时能在成本、能效、功耗等维度实现对 GPU 的有效替代,仍需更多数据与案例支持。该点在文本中作为趋势性判断出现,缺乏对不同应用场景的对比分析。
七、结论性综合(结论性综合)
整体判断与核心结论
本报告清晰地提出了一个前瞻性、结构性的投资框架:随着推理与 Agentic AI 的兴起,AI 数据中心算力结构由“GPU 主导”向“CPU-GPU 的异构协同”转变,CPU 将从配套组件逐步转型为执行中枢,进而驱动国产 CPU 与数据中心配套产业链的长期结构性机会。这一论点建立在对推理、长上下文、多智能体协作等工作负载增长的定性与定量信号之上,特别是 CPU/GPU 比重在不同阶段的演变(训练 1:8、推理 1:31:4、Agent ~1:2)作为核心证据1 。
产业与区域含义
报告强调产业链的系统性升级:上游材料/设备国产化、中游芯片设计与封装测试自主可控、下游服务器/ AI 加速及边缘场景需求上升,形成了一个长期的“CPU+AI 基础设施”的投资闭环。国产厂商如飞腾、海光信息等在自主指令集、RISC-V 生态与国产化工具链的路径上被视为核心参与者1 。
风险与不确定性
虽然有明确的结构性投资观点,但关键风险(落地速度、商业化进展、竞争态势、资本开支周期波动)保持显著,且文中对具体缓释策略的描述较为宏观,需要结合行业数据和公司层面的实证信息来进行更稳健的估值与投资判断。1
最终判断与立场
投资者可以将该报告作为对“AI 基础设施硬件结构性转变”领域的一份重要前瞻性研究,关注点应放在:CPU 在数据中心中枢地位的确立速度、异构协同的落地程度、国产化生态链的完善速度,以及相关厂商在成本、性能、供给稳定性方面的实际表现。报告并未给出具体目标价,但明确传达了“未来两三年内供需紧张与涨价压力将延续”的框架性判断,这对于评估相关行业与厂商的中长期投资价值具有指引意义1 。
附注与参考(溯源)
元数据与作者信息在第二页“报告来源”处提供,作者为杨林、刘天雅、魏宗等,日期与署名信息详列(请结合该页信息进行核对)2 。
页面中包含的二维码图片用于公众号关注(图片路径示例: ),用于提供额外信息与订阅入口,在分析时作为附图材料引用以便溯源2 。
总结性评估
本文献提供了一个清晰的结构性论点:AI 推理与 Agentic AI 的增长将推动 CPU 在 AI 数据中心中的核心地位提升,催生国产 CPU 以及相关产业链的长期投资机会。其核心数据点(CPU/GPU 比重的阶段性变化、价格与交期的初步信号、国产化与生态建设的路径)为逻辑链条提供了支撑。然则,缺乏更完整的量化估值框架、对多场景的对比数据以及具体缓释策略的细化,限制了对该观点的量化投资执行力。在理解趋势与制定投资方向时,读者应结合市场的最新数据与厂商层面的进展,进行更全面的情景分析与敏感性测试。
如果需要,我可以进一步把文中的关键数据点整理成对照表(如阶段性 CPU/GPU 比、价格/交期的趋势、国产厂商代表性对比 etc.),并据此构建一个简要的情景分析矩阵,以辅助量化评估与投资决策。