摩根士丹利重磅研報：AI智能體的崛起：全球影響，瓶頸為什麼從GPU轉到了CPU？

今天要和大家拆解的，是摩根士丹利4月19日發佈的一篇重磅報告——《Rise of the AI Agent – Global Implications》，原文73頁。

這篇研報的核心結論只有一句話：AI基礎設施的下一階段，瓶頸不再是GPU，而是CPU、記憶體、基板和設備。

如果你覺得這句話聽起來有點反直覺，那就對了。過去兩年，整個市場的敘事都是「Nvidia、HBM、台積電」，GPU是絕對的主角。但摩根士丹利這次換了一個視角——當AI從「生成」走向「自主行動」（也就是Agentic AI，智能體AI），系統真正的瓶頸正從算力本身，轉移到「協調算力」這件事上。

而「協調」這件事，不歸GPU管，歸CPU管。

一、從「生成」到「行動」，工作量被重新分配

摩根士丹利把智能體AI拆成了三個支柱：大腦（LLM，跑在GPU上）、調度（Orchestration，跑在CPU上）、知識（Memory，跑在記憶體和儲存上）。

生成式AI時代，用戶問一個問題，GPU吐出一個答案，流程簡單，CPU只是「輔助」角色。但智能體AI不一樣——它要規劃任務、調用外部API、檢索數據、執行代碼、再反思結果、必要時循環迭代。Nvidia CEO黃仁勳在今年3月的GTC 2026上說了一句很精確的話：CPU不再只是支持模型，它在驅動模型。

摩根士丹利援引喬治亞理工和Intel的聯合研究指出：在智能體工作負載中，CPU端處理占端到端延遲的比例可以高達50%到90%。換句話說，GPU很多時候是「空等CPU把活幹完」。這個數字如果成立，意味過去幾年所有關於GPU利用率的假設都要重新計算。

二、CPU的增量市場有多大

摩根士丹利給出了一個全新的預估框架，把數據中心CPU分成三類：

第一類是頭節點CPU（Head Node），就是直接掛在GPU機架上的CPU，像是Nvidia Grace、Vera。假設到2030年全球部署500萬顆AI加速器，每個GPU板配兩顆高階CPU，單顆均價5000美元，這部分TAM約500億美元。

第二類是調度CPU（Orchestration），這是智能體AI全新新增的需求。摩根士丹利假設每個GPU需要2-3顆額外的CPU-heavy節點，核心數從現在的136核（Arm AGI CPU）漲到2030年的200-300核，單顆均價3000美元。這部分TAM在300-450億美元之間。

第三類是儲存節點和網路節點上的其他CPU，TAM約為25-150億美元。

三類加起來，2030年數據中心CPU總市場規模將達到825億到1100億美元，其中智能體AI直接貢獻的增量是325億到600億美元。

如果按Nvidia黃仁勳「2030年AI基礎設施投資3-5萬億美元」的更激進假設，CPU TAM甚至有可能衝到2000-4500億美元。

三、記憶體重估：DRAM從被動儲存變主動元件

這是整篇研報最讓我覺得有意思的部分。

Sam Altman說過一句話：「AI真正的突破不是更好的推理，而是持久的記憶。」摩根士丹利把這句話翻譯成了產業語言——智能體AI的競爭力，正從「模型效能」轉向「上下文記憶能力」。

因為智能體要連續運行、跨會話保留狀態、在多個agent之間共享記憶、從過去的互動中學習。這代表記憶體不再是GPU旁的被動快取，而是一個獨立的、持續活躍的系統層。

摩根士丹利估算，到2030年智能體AI將帶來15-45 EB（艾位元組）的增量DRAM需求，這個數字大約是2027年全年DRAM供應的26%到77%。注意，這是在HBM之外的純CPU端DRAM需求。

具體路徑是：Nvidia Vera CPU單顆支援1.5TB LPDDR5X記憶體，整機櫃可達400TB；AMD EPYC 9005單顆支援6TB DDR5，加上CXL擴充可到8TB。摩根士丹利假設到2030年，每顆調度CPU平均掛載1.5TB（基礎場景）到3TB（樂觀場景）DRAM，乘以1000-1500萬顆新增CPU，就是這個量級的需求。

四、ABF基板：一個被低估的結構性週期

ABF基板曾經是一個PC驅動的週期性產業——2015年PC占整個ABF需求的70%。但摩根士丹利認為，到2030年，伺服器CPU、GPU、ASIC、網路晶片加起來將占ABF終端需求的75%以上。

更關鍵的數字是成長速度。摩根士丹利把ABF基板市場2025-2030年的年複合增長率，從原來的16.1%上調到17.9%，對比2020-2025年的9.0%，這是一個決定性的提速。供需缺口方面，如果沒有新增產能，智能體AI帶來的增量CPU需求將把2030年的供需缺口從原來的7%擴大到15%。

這代表ABF供應商在未來幾年不只可以漲價，而且漲價不是靠博弈，而是靠「能生產多少賣多少」的結構性短缺。

五、具體標的：摩根士丹利的四個關鍵上調

摩根士丹利這次同時上調了四家公司的目標價：

SK海力士從130萬韓元上調到170萬韓元，2026-2028年EPS預測分別上調24%、37%、78%。

三星電子從25.1萬韓元上調到36.2萬韓元，2026-2028年EPS預測上調45%、74%、121%。

三星機電（SEMCO）從50萬韓元上調到71萬韓元，核心邏輯是MLCC和ABF雙AI敞口。

這裡面最有意思的其實是三星電子。摩根士丹利說，三星的HBM改善＋商品記憶體超級週期＋LTA長約鎖價，這三個因素疊加起來，讓市場對三星的獲利預期嚴重落後。2027年預測本益比只有5倍。

美股這邊，摩根士丹利明確表態：「我們偏好透過AI賦能者（Nvidia、Broadcom、美光、SanDisk）來布局智能體AI敞口，而不是直接買CPU的Intel和AMD。」理由很簡單——CPU股（Intel、AMD）的估值是23-64倍本益比，而Nvidia只有18倍FY27預估本益比，記憶體股只有5-9倍本益比。

CPU故事最純粹的受益者是AMD（雲CPU市占率已超越Intel達到53%），但摩根士丹利認為AMD的股價更多綁定GPU故事，而Intel更多綁定代工故事，所以兩家都給Equal-weight。真正純粹的AI賦能敞口反而是在記憶體和GPU龍頭身上。

我的理解：

這份研報最有價值的地方，不是那些具體的TAM數字，而是它換了一個分析AI產業鏈的座標系。

過去兩年市場的思維模式是「算力稀缺→買GPU→買HBM→買台積電」，這是一條單線邏輯。但當AI開始「自主行動」，問題就變成了：誰來協調這一切？誰來記住上下文？誰來在數千個agent之間傳遞狀態？

答案不再是一顆晶片，而是一整個系統。CPU、DRAM、ABF、基板、MLCC、BMC、CPU socket、電源管理、散熱——這些過去被認為是「配角」的環節，現在每一項都正被智能體AI重新定價。

對一般投資者來說，這意味著兩件事。

第一，Nvidia敘事之外，還有一大批「隱形受益者」值得研究。 摩根士丹利列出的清單很長：三星機電和Ibiden的ABF基板、Unimicron的CPU基板、Aspeed的BMC（全球CPU伺服器BMC市占率70%）、Montage的記憶體介面（全球市占率36.8%）、Yageo的MLCC、Lotes和FIT的CPU socket、ASML的EUV光刻、KLA的量測設備。這裡的每一個環節，都不是泡沫級估值，但成長曲線正被智能體AI重新定義。

第二，週期型品種的週期正被結構性拉長。 以ABF基板為例，歷史上這是一個典型的週期性行業，跟著PC和伺服器走，三至四年一循環。但如果摩根士丹利的判斷正確——AI驅動的ABF上行週期能持續到2030年——那麼市場對這類標的應該用「結構性成長股」的估值邏輯，而不是「週期股」的估值邏輯。這種邏輯切換本身，就是估值重估的驅動力。

當然，所有這些判斷都建立在一個前提之下：智能體AI真的會按照摩根士丹利描繪的路徑擴散開來。這條路徑的關鍵節點是2026-2027年企業端的Agent部署，以及長約（LTA）能否在2027年真正鎖住記憶體和基板的價格。如果這兩件事兌現了，這份研報就是一張不錯的路線圖。