摘要 : 摩根士丹利指出，agentic AI將在2030年前為資料中心CPU市場額外帶來325–600億美元，擴大至記憶體與製程設備支出。

新聞 : 引子與吸引力：摩根士丹利在最新報告中指出，隨著人工智慧從「生成功能」邁向能自主規劃與執行任務的agentic AI，企業在資料中心的支出重心可能從以GPU為主，逐步擴充套件至CPU與記憶體等通用運算與儲存資源，改變過去AI硬體投資的格局。

背景說明：agentic AI指的是能夠自動分派、多步驟協調並主動執行任務的系統，不再僅以單次prompt回應為主。摩根士丹利評估，當AI應用強化「協調」與流程控制功能時，系統瓶頸會從單純的加速器運算轉向CPU與記憶體的管理與頻寬，因而提升對通用運算與大型記憶體配置的需求。

重點事實與資料：報告估算，agentic AI到2030年可能為資料中心的CPU市場額外帶來約325–600億美元，而該市場本身已超過1000億美元（100 billion）規模；同時GPU需求仍然強勁，但未來AI支出將更廣泛分佈到晶片設計、記憶體供應與晶圓製造設備等環節。摩根士丹利也點名Nvidia、AMD、Intel與Arm（在CPU與加速器端）、Micron、Samsung與SK hynix（記憶體）以及臺積電與ASML（製程與設備）為潛在受益者。

分析與評論：從技術面看，agentic AI對多步驟任務的控制需要更強的「系統協調層」，CPU往往扮演此類控制與資源排程的角色，且伴隨更高的記憶體帶寬與容量需求。這意味著未來資料中心規劃可能偏好更均衡的CPU/GPU記憶體配置，而非單純追求更多浮點運算能力。供應面則帶來另一種影響：若某些環節如高密度記憶體或先進製程仍處於供應短缺廠商，這些公司可能獲得更強的定價權，進一步影響整體產業利潤分配。

替代觀點與駁斥：當然，也有觀點認為GPU及專用加速器（如定製AI晶片、張量處理器）仍將主導未來AI運算，因為許多模型主要受限於並行浮點運算能力與稀疏矩陣處理。對此，摩根士丹利指出兩點：一是agentic AI的核心瓶頸從單一推理速度轉向跨步驟協調與狀態管理；二是在系統設計上，CPU與加速器並非互相替代，而是分工—CPU負責控制與資料流管理、加速器負責大量並行計算，因此兩者需求會呈現互補而非完全替代的關係。

風險與不確定性：推論成立的前提包含agentic AI實際大規模部署、軟體架構採用更複雜的多步協調模型，以及記憶體與先進製程持續供不應求。若技術路徑偏向更高度專用硬體、或軟體最佳化極大減少CPU負擔，上述資本支出輪廓可能改變。此外，市場競爭、製程良率改善或供應鏈擴張也會影響廠商的利潤與定價權。

總結與未來展望／行動呼籲：摩根士丹利的觀點提示投資人與業界應關注AI演進帶來的不僅是GPU需求，而是整體資料中心架構與供應鏈的再分配——CPU、記憶體與晶圓製造設備等環節可能成為下一波資本支出焦點。對企業而言，評估資料中心升級時應同步考量通用運算與記憶體擴充套件；對投資人而言，可關注報告點名的核心供應鏈廠商與供應緊張部位的價格彈性，並追蹤agentic AI商業化進度以驗證上述需求預期。

點擊下方連結，開啟「美股K線APP」，獲得更多美股即時資訊喔！
https://www.cmoney.tw/r/56/9hlg37

免責宣言
本網站所提供資訊僅供參考，並無任何推介買賣之意，投資人應自行承擔交易風險。

CMoney 研究員

CMoney 團隊透過 AI 結合股市，每日提供重點股票的新聞事件，期望讓投資人更有效率找到各種投資標的的投資事實。