加入星球，获取所有报告哦~
需要下载报告的朋友，可直接扫下方二维码入圈。
来源：东吴证券
扫码加入星球，可获取无限次下载机会！
从对话模型到行动智能体：Agent架构重塑CPU与GPU分工：市场认为AI算力=GPU，CPU只是负责调度。https://www.hibor.com.cn【慧博投研资讯】但AI落地方向来到Agent，由“纯对话”转向“执行任务”时，算力需求发生了结构性分化。https://www.hibor.com.cn（慧博投研资讯）1）执行控制流CPU化：Agent的行动阶段是大量if/else判断与系统调用。Manus等主流Agent架构为每个Agent/任务分配一个隔离的云端虚拟机，不同任务在逻辑上高度异构（如网页浏览、代码修改、环境部署等），任务之间可并行但控制流完全不同。分支类任务不适合由GPU执行，因控制流发散导致算力利用率急剧下降。而分支类任务却正是CPU微架构长期优化的主战场。2）记忆体系去GPU化：在Agent场景下，长上下文推理会产生巨大的KV cache，其占用随对话轮次与上下文长度线性增长，快速耗尽GPUHBM容量。而CPU搭配大容量DDR5 / LPDDR5（并通过CXL扩展）承载KVCache与部分参数，正在成为兼顾吞吐、扩展性与成本效率的主流架构选择。
Agent软件基础设施加速落地，CPU多核化与需求放量进入确定性通道：从实验数据复盘来看，CPU成为Agentic AI的真实瓶颈。研究显示，在完整的Agent执行链路中，工具处理相关环节（检索、Python/Bash执行、Web请求等）在CPU上消耗的时间占端到端延迟的比例最高可达90.6%。在高并发场景下（Batch Size提升至128），CPU端到端延迟从2.9秒跃升至6.3秒以上。我们认为研究结果揭示了在大量Agentic场景中，系统吞吐受限的并非GPU计算能力，而是CPU的核心数并发调度问题。我们由此判断，进入Agent时代后，CPU侧的工具执行与调度能力将从GPU的附属角色，演化为需要被单独规划与优化的核心资源池。
产业端推进方面，AWS和Google Cloud等头部CSP正在加速建设面向Agent的沙盒环境软硬件基础设施，率先在软件层面强化Agent Sandbox的隔离与编排能力，通过运行时与调度体系的完善，为后续CPU侧基础设施规模化部署奠定基础。与此同时，CPU龙头也在Agent驱动下向超多核架构演进：AMD推出的Turin最高可达192核；Intel的SierraForest采用纯能效核设计，核心数可达144甚至288核。我们认为，随着Agent商业化推进，厂商必须持续压低每次任务执行成本。在这一目标下，超多核CPU以更高的并行度、更低的单位功耗，支撑大规模、长期运行的Agent执行环境。英伟达亦在新架构中提升CPU配比，CPU的重要性抬升，挂钩Agentic的叙事。我们认为NVIDIA主动提升CPU权重，等同于在系统层面确认：在长上下文与高并发Agent场景中，大内存CPU是承载海量KVCache的最优容器。
报告获取方式：直接加入知识星球，下载上述所有报告
（每日只需3毛钱，可下载几万份行业报告，以及无限次代找服务）
点击文末阅读原文，获取下载地址
