摩根士丹利重磅报告：AI价值链剧变，GPU不再独享预算，CPU与内存成新瓶颈

AI投资的核心叙事正在发生根本性转向。摩根士丹利最新研究报告揭示，随着AI从“生成内容”迈向“自动执行任务”的智能体时代，整个基础设施的投资逻辑正从“单芯片算力竞赛”扩展为“全栈系统工程”。这意味着，尽管GPU仍是核心，但它将不再独享资本开支的预算与市场溢价。分析师Shawn Kim在报告中明确指出：“智能体AI标志着从计算到编排的结构性转变。”这一转变正在重塑整个产业链的价值分配。

报告的核心发现在于，智能体工作流的复杂性将系统瓶颈从GPU算力转移至CPU编排与内存带宽。在典型的智能体任务中，CPU侧的规划、检索、工具调用与状态协调时间可占总时延的50%至90%。这直接催生了巨大的增量市场：预计到2030年，将新增325亿至600亿美元的CPU市场空间，并将服务器CPU的总潜在市场规模推高至825亿至1100亿美元量级。与此同时，DRAM、ABF载板、晶圆代工、连接器等环节，将从“配角”跃升为新的利润池与产能瓶颈。仅DRAM一项，到2030年就可能额外催生15至45EB的需求，规模相当于2027年全球行业年供给量的26%至77%。

这一结构性变化对市场意味着，AI资本开支的受益者将从少数芯片巨头扩散至全球供应链的众多“使能环节”。下一轮超额收益，可能更多来自那些在智能体工作流中最先成为瓶颈、且扩产周期最长的领域。一个关键信号是，数据中心内CPU与GPU的配比正在被系统性重估。过去“1颗CPU服务约12块GPU”的典型架构正在快速改变，比例可能收窄至“1:2”甚至发生反转。随着智能体应用的深入，数据中心的瓶颈将越来越多地出现在内存带宽、数据搬运和系统级协调上，而非单纯的GPU浮点运算能力。整个AI价值链的权重分布，正在因此发生深刻迁移。