一句话主线
这几个月 AI 硬件最大的变化，是这台机器的「配比」被改了 —— 改它的是 Agent。
原来大约 1 颗 CPU 配 8 颗 GPU，现在收紧到 1:4；AMD 说 Agent 部署会走向 1:1。
原因是 Agent 要给每个用户一台一直在线的虚拟机（CPU、内存、存储都要），
任务调度和网页渲染全靠 CPU —— Muse 上一次行程比价就能触发 100 多次搜索。
所以被重估的不只是 GPU，还有 CPU、内存和互连 —— 而这三样现在全都缺货。
一、先说清楚：AI 服务器的"配比"原来是什么样
一台 AI 服务器里，GPU 是干重活的，CPU 是"喂数据"和管调度的。
所以传统上 CPU 配得很少 —— 这个配比不是设计偏好，是任务性质决定的。
一台标准双路 8 卡 AI 服务器
单路一般配：4 张 x16 GPU + 4/5 张 x16 网卡（可选 DPU）+ 8 张 x4 固态硬盘
→ 系统内的 PCIe 通道需求接近 400 条
→ CPU 与 PCIe 交换芯片的配比约 1:2
PCIe 是服务器内部连接各种卡的总线，可以理解成机箱里的高速公路
为什么 CPU 配得少？因为训练这件事的性质是"GPU 算、CPU 递"。
训练时数据是批量灌进去的，CPU 把活分好就没事了。
所以要看懂这一轮的变化，得先记住这个前提：配比是由"任务性质"决定的，不是由硬件性能决定的。
任务一变，配比就会跟着变 —— 而这一次，变的是任务本身。
二、Agent 把任务性质改了
事情的起点是一个很具体的产品：Meta 在 9 月 8 日发的个人 AI Agent Muse。
Muse 的技术形态
每位用户对应一台独立的隔离 Linux 虚拟机
——自带浏览器、CPU、内存和存储，任务在上面持续运行
任务调度、虚拟化管理、无头浏览器与网页渲染，都依赖 x86 或 Arm 的 CPU
一个具体例子：Muse 上单次行程比价，可以触发 100 多次搜索
配比因此被改
Intel：CPU/GPU 配比已从 1:8 收紧至约 1:4，未来或趋向 1:1 甚至向 CPU 倾斜
AMD：传统聊天式 AI 约 1 颗 CPU 服务 4-8 颗 GPU，Agent 部署向 1:1 演进
中信证券：AMD 在大会上表示 CPU/GPU 配比可达 2:1
Arm：传统 AI 数据中心每吉瓦约 3,000 万个 CPU 核心，
Agentic AI 时代增至 1.2 亿个
这个变化是可以算出来的，不是情绪。
按配比算：1:8 → 1:1
同样 8 张 GPU，CPU 从 1 颗变成 8 颗 → 单位 GPU 的 CPU 需求翻 8 倍
按 Arm 的口径算：每吉瓦 CPU 核心 3,000 万 → 1.2 亿
→ 翻 4 倍
两个口径不一样（一个是机内配比、一个是每吉瓦核心数），但方向完全一致。
而且这两个倍数都是"结构性"的，不是周期性的 ——
只要 Agent 是这么跑的，这个配比就回不去。
还有一层容易忽略的：Agent 消耗的不只是 CPU，还有内存和存储。
每台虚拟机上都要挂浏览器、要缓存网页、要保存上下文 —— 这些吃的都是内存和存储。
上一个月报里算过一笔：一个消费级 Agent 用户的人均配置，CPU 是国民级应用的约 20 倍、
内存约 80 倍、存储约 20 倍。而这一轮 Agent 从企业走进了个人（Muse 上线第 10 天
美区下载破 73 万、累计超 340 万，9 月 19-20 日先后登顶美国苹果和谷歌应用商店免费榜首），
意味着这个配比要从"少数企业用户"推向"几亿普通用户"。
三、于是目标市场被重估了 —— 但要注意重估的速度
AMD 的口径变化
2025 年 11 月：预计 2030 年服务器 CPU 市场约 600 亿美元
现在：上调至约 2,200 亿美元，并称 Agentic AI 相关部分占 50% 以上
（另有口径：国金计算机为 1,200 亿美元以上，中信证券为 2,000 亿美元以上）
供给与价格
Intel 2026Q2 业绩会：服务器 CPU 需求显著超供应，产能仅满足约 50% 的客户订单
价格：Intel 10 月 5 日起 PC CPU 或再上调约 10%；AMD 今年 4 月已涨约 10%-15%
这里最该注意的不是 2,200 亿这个数字，是它变化的速度。
2025 年 11 月预测 2030 年 600 亿，现在上调到 2,200 亿 ——
8 个月里，对一个五年后的市场预测上调了约 3.7 倍。
一个五年后的预测在 8 个月内翻近四倍，说明这个数字不是在跟着订单走，
是在跟着叙事走。材料里那句话说得其实很直白：
"当前 AI 硬科技板块估值端主要看老叙事加速或新叙事出现"。
（这不等于数字是错的 —— 需求确实在涨、供给确实不够。
但它提醒一件事：拿这个 TAM 去倒推空间时要小心，因为它自己还在被反复修正。）
四、但缺货是普遍的，而且不只是 CPU
整机侧
英伟达：当前是供给受限而非需求受限；自下而上的需求约为供应的 2 倍
戴尔：今年缺口约 30%，明年大概率扩大（DRAM、NAND、CPU、HDD 都缺）
Intel：服务器 CPU 产能仅满足约 50% 的客户订单；台积电把 2026 年增速指引上调至超 40%
关键零部件
HBM：美光月产能约 4-5 万片 → 2027 年末约 10 万片；
HBM4E 的工艺复杂度把产能加速推迟到 2027 下半年以后
价格：同期 NAND/DRAM 涨幅达 340%-550%
国产芯片在涨价
昇腾 950DT 意向报价上调 20%-50%；寒武纪 690、沐曦、天数智芯上调 20%-30%
设备与耗材
AI PCB 核心设备交期从约 10-12 个月延长到约两年
67GHz 以上矢量网络分析仪（测高频信号的仪器）交付周期已排到一年以上
把这些排在一起看，会发现"缺"的不是某一种芯片，是链条上的每一个环节。
而且它们缺的原因各不相同：内存是产能建设周期长、载板是良率、
设备是零部件供给、CPU 是产能排期。
但共同点是：这些都不是"设计"问题，是"制造"问题 ——
设计得出来，造不出来、或者造不快。
这跟上一个方向（液冷与散热）的结论是同一个形状：
这一轮 AI 硬件的瓶颈，正在从"谁能设计"变成"谁能造出来"。
五、利润池在从"算"往"连"和"电"移
单机柜与系统售价
GB300 单机柜约 400 万美元、功耗 145 千瓦；Vera Rubin 约 800 万美元、功耗 200 千瓦
Vera Rubin 整柜物料成本较 GB300 提升约 95%（其中 GPU 单柜价值 +57%、内存 +435%）
平均系统售价：Hopper 1.8 万 → Blackwell 2.5 万 → Vera Rubin 4 万美元
每吉瓦对应的收入：Hopper 180 亿 → Blackwell 250 亿 → Rubin 400 亿美元
往"连"上移
Marvell 把 2030 年市场规模上调至 4,000 亿美元（定制芯片 2,350 亿 + 互连 650 亿），
并明确提出「互连是 AI 算力的新瓶颈」
摩根大通：到本年代末，仅数据中心内部的互连机会就对应约 100 亿美元，总市场约 500 亿美元
每吉瓦收入从 180 亿涨到 400 亿 —— 涨的这部分，不全是 GPU。
GPU 单柜价值只涨了 57%，而整柜物料涨了 95%。多出来的那部分，是"把 GPU 连起来"的东西：
光模块、交换芯片、铜连接、PCB、电源。
逻辑也很直白：GPU 越多，连它们的东西就越贵，而且是超线性的 ——
因为连的复杂度是节点数的平方级。
所以华泰计算机把今年的主线概括成"结构主线从芯片切换到互连 + 电力"。
这也解释了为什么"光模块 / 电力"这两个词在这份材料里出现得那么频繁。
但有一件事得单独提一下：这些钱最终是谁在付？
材料里有一条很不一样的记录 —— 9 月下旬市场围绕"AI 基建到底谁来买单"展开了辩论。
几个数字值得记住：OpenAI 被曝一年的现金流缺口约 2,700 亿美元；
机构测算 2026-2028 年全球 AI 算力扩张的外部融资需求里，债务融资占 55%、约 1.75 万亿美元；
而英伟达与四大云厂商的非经营性利润占比接近一半，
另有合计约 3.18 万亿美元的表外隐性负债。
这些数字说明：这一轮建设的钱，很大一部分来自资本市场，而不是来自设备自己赚回来的现金。
这不代表它会出事，但它意味着这一轮景气度对"融资环境"的依赖，比对"技术进展"的依赖更高。
（这一段的数字来自单篇资料，未经交叉验证。）
六、国产算力：这一轮真正的变量在软件，不在参数
硬件在追
摩尔线程：上半年收入 17.36 亿元、同比 +147%；二季度存货 35.5 亿元、环比增加 13.5 亿元
壁仞科技：2027 年收入指引由 100 亿元上修至 200 亿元；
BR20X 已流片，配 144GB HBM3E，测试性能对标 H200
阿里平头哥真武 V900：算力约为上一代 M890 的 3 倍，216GB 显存，
单集群可扩展至约 50 万卡，计划 2027Q1 量产
机构的量：预计 2027 年国产芯片总需求突破 600 万颗
但软件这边有实质进展
摩尔线程 + 趋境：国产 P/D 异构推理方案已承载智谱 GLM-5.3 的【真实业务 Token 流量】，
平均生成速度超 50 TPS、缓存命中率超 90%、稳定性 99.9%；同等成本下支持用户量扩大 3 倍
10 月 8 日：DeepSeek 开源面向昇腾的全套基础组件（TileLang、计算库、分布式通信库），
与此前面向英伟达平台的开源组件一一对应 —— 用的每一个算子都有对应的高性能实现
这两条的性质是不一样的，而第二条更关键。
第一条（摩尔线程）是"从能跑到敢用" —— 关键词是"真实业务 Token 流量"，
意思是它不再只跑跑分，而是在承接真实用户请求。
第二条（DeepSeek 给昇腾写整套组件）是分水岭性质的：
以前是硬件去适配已有软件（改适配层、等框架支持），
现在是模型方主动为国产硬件写一套对等的东西。
为什么这件事重要？因为换芯片的切换成本主要在软件 ——
不是芯片插不上去，是模型代码里用的每一个算子，在国产芯片上得有对应的高性能实现。
材料有句话把这个说透了："DeepSeek 训练中用到的每一个 TileLang 算子，
在昇腾上都有对应的高性能实现。"
翻译过来就是：这条路以前走不通，不是因为芯片不行，是因为要重写一遍代码 ——
而现在有人愿意重写了。
政策这条线是在给这件事铺路：AI 训练推理芯片首次被纳入安全可靠测评体系，
9 款国产芯片获评 Ⅰ 级 —— 这解决的是"能不能进政务、金融、能源这些信创市场"的资格问题，
和技术能力是两件事，但缺一不可。
收尾：三句话
- 这一轮的起点是 Agent，不是芯片。
Agent 要给每个用户一台一直在线的虚拟机，任务调度和网页渲染全靠 CPU ——
于是机内配比从 1:8 往 1:1 走，每吉瓦 CPU 核心数从 3,000 万往 1.2 亿走。
两个口径都指向 4-8 倍的倍数，而且这个配比是结构性的、回不去。
所以被重估的不只是 GPU，还有 CPU、内存和存储。
- 瓶颈普遍是"造不出来"，而不是"设计不出来"。
CPU 产能只满足约 50% 订单、需求是供应的 2 倍、内存涨了 340%-550%、
AI PCB 设备交期从一年拉长到两年。
这些环节缺的原因各不相同（产能周期、良率、零部件），但性质一致 —— 都是制造问题。
这也意味着：谁能扩产、谁能保交付，谁就拿到这一轮的份额。
- 利润池在从"算"往"连"和"电"移，而国产算力的突破口在软件。
每吉瓦收入从 180 亿涨到 400 亿美元，而 GPU 单柜价值只涨 57% ——
多出来的是光模块、交换芯片、铜连接、电源。
国产那边，真正值得记的是 10 月 8 日那件事：DeepSeek 为昇腾开源了整套基础组件，
与英伟达版一一对应 —— 换芯片的成本主要在软件，而有人开始付这个成本了。
因数据粒度可能会有偏差：这个方向行业素材（77 条）远多于政策（14 条），
而行业侧几乎全是券商转述与公司交流，二手程度很高。
第三节那些 TAM 数字差异极大（同一件事有 600 亿、1,200 亿、2,000 亿、2,200 亿几个口径），
分别来自不同机构、不同时点，本文并列只为说明修正的幅度，不能当精确值。
第二节的配比倍数（8 倍 / 4 倍）是我按公开口径算的，两者口径不同，只能各自看方向。
"每吉瓦核心数"这类指标各家定义不一，Arm 的预测也包含商业推广成分。
第五节的"利润池往连和电移"是我的推断，材料给的是各家独立判断，没有做这样的汇总。
那一节关于融资与表外负债的数字来自单篇资料，未经交叉验证，引用它只是为了提示风险方向。
节日期间"FCC 拟限制 3.2T 光模块进口"在当时只是市场猜测，不等于限制已经落地。
文中涉及的公司均为公开资料整理，不构成任何投资建议。