计算机行业研究

买入（维持评级）

行业专题研究报告

证券研究报告

计算机组

分析师：刘高畅（执业S1130525120005）

分析师：陈芷婧（执业S1130525120008）

分析师：鲍淑娴（执业S1130526020002）

liugaochang@gjzq.com.cn

chenzhijing@gjzq.com.cn

baoshuxian@gjzq.com.cn

再谈CPU涨价能持续多久？

本周观点

1月我们发布行业点评报告《CPU涨价能持续多久？》，率先揭示Agent对CPU的刚性需求以及CPU供需失衡全面爆发。过去4个月，CPU逻辑持续得到强化：1）AMD、Arm等头部厂商大幅上修服务器CPU TAM，Meta、AWS等大厂加码CPU部署，需求侧持续验证；2）Intel、AMD库存趋紧、交期拉长并持续涨价，景气度不断提升；3）同时，NVIDIA新一代VeraRuBinAI系统中CPU/GPU配比持续抬升，CPU正从辅助角色重新回到AI系统核心。

Agent对CPU刚性需求，CPU重回核心地位。随着大模型从Chatbot向Agent演进，计算负载重心正发生偏移。 Agent不仅需要GPU进行模型推理，更依赖高性能CPU处理复杂逻辑编排、工具调用与内存管理。我们认为， Agent对CPU的刚性需求主要来自三方面：1）Multi-Agent架构带来的OS调度压力，以及沙盒环境创建、调度与销毁对CPU算力的持续消耗；2）长上下文场景下KV Cache卸载对CPU内存与带宽提出更高要求；3）高并发工具调用带来的大量CPU算力消耗。Intel论文显示，多数Agent工作负载中，CPU耗时占端到端延迟比例可达 40%-90%。伴随Agent数量、任务复杂度与Token消耗指数级增长，CPU产业已进入新一轮景气周期，Intel、AMD服务器CPU库存趋紧、交期延长，并于2026年以来持续推进涨价。

CPU TAM扩容，CPU/GPU部署比例抬升。1）TAM来看，AMD与Arm均大幅上修服务器CPU市场空间，预计2030年全球服务器CPU TAM将超过1000亿美元。根据AMD，CPU需求可分为通用计算CPU、AI头节点CPU以及Agentic AI CPU三部分，其中智能体AI相关需求是最大的增量来源。2）配比来看，AI数据中心CPU/GPU部署比例正从传统HGX时代的1:4、1:8，逐步向1:2、1:1甚至更高演进。以NVIDIA为例，GB300 NVL72已实现72颗GPU搭配36颗GraceCPU的1:2配比，Vera Rubin进一步通过外挂独立VeraCPU机柜，使整体CPU配比继续抬升。

所有CPU架构均受益，ARM中期变化更显著。1）ARM架构低功耗、高核心密度的特性更契合Agent工作负载。相比x86，ARM在高并发、低功耗场景下具备更优能效比与扩展能力，尤其适合海量API调用、KV Cache调度等轻计算、高并发任务。2）ARM开放授权生态亦高度契合云厂商自主构建AI基础设施的需求，当前AWS Graviton、NVIDIA Grace、微软Cobalt等方案均已加速落地。ARM在FY26Q4业绩会上预计，到2030年按CPU类型划分的最大市场份额将属于Arm架构。

Agentic AI驱动CPU重构，全球厂商开启新一轮架构升级。1）海外方面，Intel、AMD、Arm、NVIDIA等均围绕高核心密度、异构协同与能效优化展开新一轮产品迭代，CPU竞争正从单纯性能竞争迈向系统级算效竞争；2）国内方面，海光、飞腾、龙芯、华为海思、熠知电子等厂商在x86、ARM与自主指令集方向持续突破，核心数、线程数、内存带宽与生态能力快速提升。伴随AgenticAI带来的CPU需求爆发，以及自主可控趋势深化，国产CPU有望迎来规模化替代与产业地位重估。

相关标的

CPU：Intel、海光信息、禾盛新材、高通、AMD、澜起科技、中科曙光、中国长城、龙芯中科、广合科技、兴森科技、深南电路、宏和科技等。

海外算力：中际旭创、东山精密、胜宏科技、欧科亿、天孚通信、天岳先进、新易盛、工业富联、兆易创新、大普微、源杰科技、景旺电子、英维克、唯科科技、领益智造等；Lumentum、闪迪、铠侠、美光、SK海力士、中微公司、北方华创、拓荆科技、长川科技。

风险提示

行业竞争加剧的风险；技术研发进度不及预期的风险；特定行业下游资本开支周期性波动的风险。



内容目录

一、CPU何以重回核心地位？ 4

1.1 三大逻辑揭示 Agent 对 CPU 的刚性需求 4

1.2 Agent 生态扩张引爆 CPU 性能瓶颈，CPU 现涨价潮 4

二、CPU TAM 扩容，CPU/GPU 部署比例抬升 6

2.1 CPU TAM 翻倍上修，预计到 2030 年 TAM 超 1000 亿美元 6

2.2 CPU 与 GPU 配比有望提升至 1:1 甚至更多 7

三、所有 CPU 架构均受益，ARM 中期变化更显著 11

3.1 ARM 架构低功耗、高核心密度的特性更契合 Agent 工作负载 11

3.2 ARM 开放生态更契合大厂需求，NV Grace 率先跑通 12

四、Agentic AI 驱动 CPU 重构，全球厂商开启新一轮架构升级 14

4.1 海外：x86 与 ARM 路线竞逐，性能、能效与异构协同全面升级 14

4.2 国内：自主架构加速突破，国产 CPU 迈向规模化替代 17

五、相关标的 20

风险提示 21

图表目录

图表 1: KV Cache 卸载使得 KV Cache 能够从有限的 GPU 内存中传输到更大且性价比更高的存储... 4

图表 2: 未来 5 年全球活跃 Agent 数据将呈现爆发式增长... 5

图表 3: 大多数 Agentic 工作负载场景下，CPU 端到端延迟占比显著高于 GPU... 5

图表 4: 五大代表性 Agent 工作负载中的任务延迟分布... 5

图表 5: 五大代表性 Agent 工作负载中的任务延迟分布... 6

图表 6: Meta 宣布将部署 Graviton CPU 以满足 Agentic AI 需求... 6

图表 7: CPU 收入增长率将在 2028 年前超过 GPU 和 XPU 的增长... 7

图表 8: 大量的代理工作负载导致 CPU 过载... 7

图表 9: 对 CPU 承担编排、代理、调度的需求持续提升... 7

图表 10: 数据中心 CPU 核心数将持续攀升... 8

图表 11: NVIDIA DGX H100(640 GB)/H200(1,128 GB)系统组件描述... 9

图表 12: DGX H100/200 系统拓扑结构... 9

图表 13: GB200 NVL72 规格... 10

图表 14: 英伟达的 Grace CPU 连接... 10

图表 15: 通过 NVLink 连接的 Grace Hopper 超级芯片进行内存访问... 10

图表 16: 英伟达 Vera Rubin NVL72 机架系统 CPU 与 GPU 搭载比例为 1:2... 11



图表 17: Vera Rubin NVLink C2C 架构图 ... 11

图表 18: x86 及 ARM 架构特性对比 ... 11

图表 19: 2029 年基于 ARM 架构的 CPU 有望占据定制 AI ASIC 服务器主机 CPU 市场 90%的份额 ... 12

图表 20: 数据中心的电力消耗持续大幅增加 ... 12

图表 21: Grace CPU 在图形分析中能效提高 3 倍 ... 13

图表 22: Grace CPU 在数据分析中能效提高 2.1 倍 ... 13

图表 23: AWS Graviton CPU ... 13

图表 24: 微软 Cobalt 200 布局图 ... 14

图表 25: Xeon6+ E 能效核架构 ... 14

图表 26: Xeon6+为首款 18A 数据中心 CPU ... 14

图表 27: 同频率下 Intel 18A 较 Intel 3 功耗降低 36%-38% ... 15

图表 28: EPYC 9005 持续引领 x86 架构服务器 CPU 性能标准 ... 15

图表 29: 第六代 EPYC Venice 性能再度飞跃 ... 16

图表 30: Arm AGI CPU 规格情况 ... 16

图表 31: Arm 商业模式从 IP 授权拓展为 IP 授权+计算子系统（CSS）授权+自研芯片 ... 17

图表 32: 鲲鹏 920 核心参数 ... 17

图表 33: 海光 CPU 架构持续迭代升级，最新第五代处理器将通过 SMT-4 技术实现单核 4 线程并发 ... 18

图表 34: 熠知电子三代产品介绍 ... 18

图表 35: 熠知电子 TF7000 系列高性能核心处理器芯片参数展示 ... 18

图表 36: 飞腾腾云 S5000C 系列参数介绍 ... 19

图表 37: 飞腾腾云 S2500 参数介绍 ... 19

图表 38: 龙芯自主指令系统 LoongArch ... 19

图表 39: 龙芯 3C6000 包括 Q、S、D 三个版本 ... 19

图表 40: 海内外主流服务器 CPU 参数对比 ... 20



一、CPU何以重回核心地位？

1月我们发布行业点评报告《CPU涨价能持续多久？》，率先揭示 Agent对CPU的刚性需求以及CPU供需失衡全面爆发。过去4个月，CPU逻辑持续得到强化：1）AMD、Arm等头部厂商大幅上修服务器CPU TAM，Meta、AWS等大厂加码 CPU部署，需求侧持续验证；2）Intel、AMD库存趋紧、交期拉长并持续涨价，景气度不断提升；3）同时，NVIDIA新一代 Vera RuBin AI系统中CPU/GPU配比持续抬升，CPU正从辅助角色重新回到AI系统核心。

1.1 三大逻辑揭示 Agent 对 CPU 的刚性需求

随着大模型的应用从简单的Chatbot向能完成复杂任务的Agent演进，计算负载的重心正在发生微妙的偏移。Agent不仅需要GPU进行模型推理，更依赖高性能CPU来处理复杂的逻辑编排、工具调用和内存管理。我们认为，Agent对CPU的刚性需求基于以下三大逻辑：

Chatbot向Agent演进，Multi-Agent架构引发OS调度压力，计算负载重心正从GPU侧向CPU侧偏移。Agent工作流的“推理-执行-评估-反思”循环机制，在生成Token之外持续进行逻辑判断与状态管理，“思考”和“行动”的频繁切换显著加剧操作系统的上下文切换与进程调度压力。与此同时，Agent执行代码等操作须在隔离沙盒中运行，沙盒环境的创建、调度与销毁全程依赖CPU算力，进一步推高CPU侧的工作负载。

长上下文场景下KV Cache卸载对CPU构成挑战。KV Cache在加速Transformer推理的同时，带来了显著的显存消耗问题，以8万Token的上下文为例，KV Cache本身即可消耗数十GB显存，叠加模型权重与中间激活值后，HBM资源极易触及上限。对此，业界提出将不活跃的KV Cache卸载至CPU内存或SSD，以解决HBM瓶颈。但CPU与GPU之间的通信带宽远低于GPU内部的HBM带宽，数据搬运本身存在明显瓶颈；同时，在进行KV Cache传输和管理时，也需要CPU进行任务的调度，进一步加剧CPU的负载。

高并发工具调用带来巨大的CPU算力消耗。Agent的能力不仅在于对话，更在于使用工具，例如检索、写代码、浏览网，这类非推理任务的计算负担主要由CPU承担。在高并发场景下大量Agent同时工作，多线程/多进程调度需求集中爆发，对CPU的性能提出更高要求。

图表1：KV Cache卸载使得KV Cache能够从有限的GPU内存中传输到更大且性价比更高的存储


来源：Nvidia官网，国金证券研究所

1.2 Agent生态扩张引爆CPU性能瓶颈，CPU现涨价潮

Agent生态正发生指数级扩张。据IDC预计，活跃 Agent的数量将从2025年的约2860万，快速攀升至2030年的 22.16亿；同时，年执行任务数将从2025年的440亿次暴涨至2030年的415万亿次，Agent数量跃升、任务复杂度与推理深度的指数级提升情况下，年度Token消耗将从2025年的0.0005 PetaTokens暴增至2030年的152,667 PetaTokens，年复合增长率高达 3418%。


图表2：未来5年全球活跃Agent数据将呈现爆发式增长

2030年全球企业将拥有22亿个活跃Agent


来源：IDC咨询微信公众号，国金证券研究所

Agent工作负载驱动CPU从配角变为核心。Intel论文《ACPU-CENTRIC PERSPECTIVE ON AGENTIC AI》对五类主流 Agent负载时延情况进行测试，结果显示，执行流程中CPU耗时占端到端延迟的比例为 40%-90%，在 Haystack RAG任务中，GPU侧推理耗时仅0.8-1.1秒，CPU侧ENNS检索耗时高达6.0-8.0秒，CPU相关时延占比最高达到 90.6%。Agentic场景中的任务规划、工作流执行、工具调用、在子智能体之间传递数据等关键环节均依赖CPU进行调度，Agent数量暴增将急剧推高CPU侧工作负载，其累积时延将主导系统的整体耗时。

图表3：大多数Agentic工作负载场景下，CPU端到端延迟占比显著高于GPU


Figure 2. (a) Haystack with ENNS retrieval on QA benchmarks (b) Toolformer with WolframAlpha API on Math benchmarks (c) Chemcrow with literature (Arxiv/Pubmed) search tool on Chemistry benchmarks (d) Langchain with web search and LexRank summarization tools on QA benchmarks (e) Mini-SWE-Agent with bash/Python execution tools on coding benchmarks

来源：《A CPU-Centric Perspective on Agentic AI》，Ritik Raj, Hong Wang, Tushar Krishna，国金证券研究所

在GPT-OSS-20B模型的吞吐量测试中，随着BatchSize增加，不同Agentic工作负载的吞吐量增长逐渐放缓并趋于饱和。以Langchain为例，延迟情况从BatchSize为64时的2.9秒大幅上升至BatchSize为128时的6.3秒，LLM推理延迟同期从2.6秒上升至3.9秒，可见高并发条件下存在严重的CPU上下文切换瓶颈，成为系统延迟的重要因素。

图表4：五大代表性Agent工作负载中的任务延迟分布


Figure 4. (a) vLLM throughput saturation for GPT-OSS-20B model (b) Throughput saturation for various agentic workloads (c) Average time taken by different components in Langchain benchmark showing a critical CPU context switching bottleneck at batch size 128

来源：《A CPU-Centric Perspective on Agentic AI》，Ritik Raj, Hong Wang, Tushar Krishna，国金证券研究所



高并发 Agent负载下，CPU动态能耗占比加速攀升。LangChain工作负载下，当Batch Size从1增加到128，系统总动态能耗增长38.1倍，CPU动态能耗激增86.7倍；分Batch Size大小情况来看，在处理低Batch Size（1-4）时， GPU能耗显著高于CPU；随着Batch Size增加到128，CPU的能耗（1807Joules）已经接近GPU（2307Joules），占比高达 44%，可见在大批量处理场景下，CPU能耗占比格外显著，从辅助算力转变为核心算力单元。

图表5：五大代表性Agent工作负载中的任务延迟分布


Figure 5. CPU (AMD Threadripper) and GPU (Nvidia B200) dynamic energy consumption for Langchain workload

来源：《A CPU-Centric Perspective on Agentic AI》，Ritik Raj, Hong Wang, Tushar Krishna，国金证券研究所

大厂的AI基础设施布局开始向CPU侧倾斜。2026年2月17日，Meta宣布大规模部署英伟达GraceCPU，并计划于2027年推进VeraCPU规模化落地；4月24日，Meta进一步与AWS签署多年期协议，将部署数千万颗Graviton CPU核心，以应对AgenticAI工作负载中CPU密集型的任务调度、编排等需求。除此之外，谷歌于4月9日宣布与英特尔就至强XeonCPU展开多年期合作，共同推进下一代AI及云基础设施的建设。Meta成为首家在数据中心单独部署GraceCPU的公司、头部厂商通过长期协议锁定CPU供应，种种信号均印证CPU正重回AI算力主舞台。

图表6：Meta宣布将部署GravitonCPU以满足AgenticAI需求


来源：Meta官网，国金证券研究所

CPU短缺加剧，涨价周期来临。25年10月，据外媒TrendForce报道，英特尔公司正计划对其第13代Raptor Lake和第14代Raptor Lake Refresh处理器进行价格调整，涨幅最高可达 10%。26年1月，据外媒Wccftech报道，AMD和英特尔今年各自的服务器CPU库存均已售罄，大部分需求来自超大规模企业，他们希望将最新的服务器CPU集成到现有机架架构中，这也是过去几个季度需求显著增长的原因，因此，据称AMD和英特尔都计划将服务器CPU价格提高多达 15%，以确保供应保持稳定。据日经亚洲26年3月25日报道，英特尔与AMD已各自通知客户，将分别于3月和4月起上调全系列CPU价格，平均涨幅达 10-15%，部分产品涨幅更高；同时，交货周期将从之前的1-2周大幅延长至8-12周，个别情况下甚至将长达6个月。AI算力需求爆炸式增长，AI芯片巨头占用大量原材料与产能，英特尔与AMD面临产能扩张瓶颈，叠加原材料价格上涨，CPU供给端持续承压，供需错配加剧，CPU价格进入上行通道。

二、CPU TAM扩容，CPU/GPU部署比例抬升

2.1 CPU TAM翻倍上修，预计到2030年TAM超1000亿美元

CPU TAM有望翻倍提升：AMD/ARM指引2030年CPU TAM超1000亿美元。1）在AMD FY26Q1业绩会上，AMD CEO表示，受智能体AI需求拉动，预计服务器CPU的总潜在市场（TAM）将以每年超过 35%的速度增长，并将2030年服务器CPU TAM翻倍上调至1200亿美元，因需要大量CPU用于任务编排、数据移动和并行执行。2）根据ARM FY26Q4业绩会，公司首款AGI CPU发布仅六周，客户需求就从10亿美元激增翻番至20亿美元；随着AI Agent的扩展，数据中心将需要超过目前4倍的CPU容量，到2030年将创造一个超过1000亿美元的数据中心CPU市场机会；且芯片ASP会随核心数的增加显著提升。据Futurum预测，CPU收入增长率将在2028年前超过GPU和XPU的增长，CPU市场的潜在规模与增速巨大。



图表7：CPU收入增长率将在2028年前超过GPU和XPU的增长


Source: Futurum Research, November 2025

来源：Futurum，国金证券研究所

2.2 CPU 与 GPU 配比有望提升至1:1甚至更多

Agentic时代CPU的部署比例向1:2/1:1甚至更高演进。Intel、ADM、ARM等头部CPU厂商均对CPU的搭载配比进行乐观展望：1）FY26Q1财报业绩会上，ADMCEO表示过去以主机节点模式为主，CPU与GPU配比约为1:4或1:8，现在正在向接近1:1的方向转变，如果智能体数量大量增加，甚至可以想象CPU数量超过GPU的场景；2）FY26Q1财报业绩会上，IntelCEO表示数据中心CPU核心数量正在大幅增加，目前CPU与GPU的配比是1:4，未来将达到1:1均衡，甚至发生逆转。AI推理任务中对CPU编排、调度、内存管理等工作的需求显著加大，CPU与GPU配比的重构将直接拉高数据中心对CPU的需求规模。3）ARM在FY26Q4业绩会上表示，从芯片颗数来看，CPU数量超过GPU未必会发生，但从核心数来看，则很可能实现；传统数据中心每吉瓦仅需3000万颗CPU核心，AgenticAI时代CPU的需求将激增至1.2亿颗，增幅达4倍。4）同时，数据中心的对CPU的电力分配也将随之提升，Futurum基于ARM预测数据中心每吉瓦CPU核心数的4倍增幅，并结合ARMAGICPU服务器约36kW的功耗估算，CPU与GPU服务器的比例将接近7:1，数据中心的电力分配发生反转，大部分电力将重新分配至CPU。

图表8：大量的代理工作负载导致CPU过载


来源：ARM CEO keynote，国金证券研究所

图表9：对CPU承担编排、代理、调度的需求持续提升


来源：ARM CEO keynote，国金证券研究所



图表10：数据中心CPU核心数将持续攀升

SemiAnalysis Datacenter CPU Core Count Trend 1998-2028

AMD

Intel SP

Intel AP

Intel E

NVIDIA

Ampere

AWS Graviton

Google Axion C

Google Axion N

Microsoft Cobalt

ARM

Huawei Kunpeng

512

448

384

320

256

192

128

64

0

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

2016

2017

2018

2019

2020

2021

2022

2023

2024

2025

2026

2027

2028

来源：SemiAnalysis，国金证券研究所

根据 AMD，CPU需求可以分为三类：1）通用计算CPU TAM，增速相对较低，约为低两位数；2）与加速器连接的AI头节点CPU，增速也在增长但规模较小。头节点中CPU的作用是管理连接的GPU，并持续为其提供数据。为了尽可能降低尾部延迟，需要具备大容量缓存、高带宽内存和IO的高性能单核。NVIDIA Grace的设计便旨在实现GPU的一致性内存访问，以便将CPU内存用作模型上下文键值缓存（KV Cache）的扩展，这需要极高的CPU到GPU带宽。对于头节点，每个计算节点中通常由1颗CPU搭配2或4颗GPU，如NV Vera Rubin每个超级芯片包含1颗Vera CPU和2颗Rubin GPU。3）智能体AI的CPU需求，是增量最大的部分，如NVIDIA引入的Vera CPU专用机柜架构。

我们以NV机柜CPU：GPU配比的演进为例：1）HGX时代：标配多为单路/双路CPU带8卡（配比1:8或1:4）。2）GB300 NVL72集成72颗NVIDIA Blackwell Ultra GPU和36颗基于ARM架构的NVIDIA Grace CPU，配比为1:2。3）Vera Rubin NVL72集成72颗Rubin GPU和36颗Vera CPU，配比维持1:2，并通过在集群中外挂纯Vera CPU算力柜作为专属的Agent并发调度节点，整体计算集群的CPU：GPU配比向更高比例演进。

DGX H100/H200架构：在DGX H100/H200这一代架构中，CPU与GPU之间仍主要基于PCIe构建异构计算架构。1）系统逻辑拓扑：系统采用双路x86CPU架构，配置2颗Intel Xeon Platinum 8480C CPU（总核心数56/总线程数112），并连接8颗NVIDIA H100/H200 GPU，CPU与GPU数量配比约为1:4。2）连接中枢(PCIe Switches)：根据NVIDIA DGX H100官方架构图，系统采用PCIe Gen5 Switch构建CPU与GPU间的PCIe拓扑连接，多个GPU通过PCIe Switch接入双路CPU平台，CPU与GPU之间的数据交换主要依赖PCIe Gen5 x16互联。3）互联带宽：PCIe Gen5 x16的理论双向汇总带宽约为128GB/s，而GPU之间通过NVLink可实现最高900GB/s GPU-to-GPU带宽，GPU内部与GPU间的数据吞吐能力已显著高于传统CPU-GPU PCIe互联带宽。4）存储层次：系统配置2TB DDR5系统内存；GPU侧方面，H100配置80GB HBM3显存，H200进一步升级至141GB HBM3e显存，并将显存带宽提升至4.8TB/s。



图表11：NVIDIA DGX H100(640 GB)/H200(1,128 GB)系统组件描述


来源：NVIDIA官网，国金证券研究所

图表12：DGX H100/200系统拓扑结构


来源：NVIDIA官网，国金证券研究所

GB200/300 NVL72：NVLink-C2C推动CPU-GPU从PCIe异构互联向cache-coherent紧耦合架构演进，机柜级CPU/GPU配比提升至1:2。在传统HGX架构下，CPU与GPU之间主要通过PCIe Gen5进行互联，其带宽显著低于GPU内部及GPU之间的数据吞吐能力，因此CPU更多承担主机处理器、系统调度、IO管理及运行时调度等职责，GPU则负责主要AI计算任务。进入Blackwell时代后，NVIDIA在GB300 NVL72中进一步引入NVLink-C2C一致性互联架构，并在机柜级构建CPU-GPU紧耦合异构计算系统。1）系统架构：根据NVIDIA官方架构，GB300 NVL72采用全液冷整机柜设计，集成36颗基于ARM架构的Grace CPU（72核，基于Arm Neoverse V2架构）与72颗Blackwell Ultra GPU，实现机柜级1:2的CPU/GPU物理配比。2）在互联架构方面，CPU与GPU之间通过NVLink-C2C实现最高900GB/s的一致性互联带宽，比PCIe Gen5 x16通道高出7倍。3）存储层次：以GB200为例，GPU侧配置总计372GB HBM3e显存，CPU侧配置480GB LPDDR5X内存，得益于一致性内存架构，GPU能够以NVLink-C2C高效访问Grace CPU侧LPDDR5X内存，从而显著扩展统一内存容量，为长上下文、Agentic AI及测试时扩展（Test-Time Scaling）等大内存场景提供支持。



图表13：GB200 NVL72规格

GB200 NVL72

GB200 Grace Blackwell超级芯片

配置

36颗Grace CPU|72颗Blackwell GPU

1. Grace CPU|2. Blackwell GPU

NVFP4张量核心2

1,440|720PFLOPS

40|20PFLOPS

FP8/FP6张量核心2

720PFLOPS

20PFLOPS

INT8张量核心2

720POPS

20个流行音乐

FP16/BF16张量核心2

360PFLOPS

10PFLOPS

TF32TensorCore2

180PFLOPS

5PFLOPS

FP32

5,760TFLOPS

160TFLOPS

FP64/FP64张量核心

2,880TFLOPS

80TFLOPS

GPU显存|带宽

13.4TBHBM3E|576TB/s

372GBHBM3E|16TB/s

NVLink带宽

130TB/s

3.6TB/s

CPU核心数

2,592个Arm®NeoverseV2内核

72个ArmNeoverseV2核心

CPU内存|带宽

17TBLPDDR5X|14TB/s

最高支持480GBLPDDR5X|最高支持512GB/s

来源：NVIDIA官网，国金证券研究所

图表14：英伟达的Grace CPU连接


图表15：通过NVLink连接的Grace Hopper超级芯片进行内存访问

来源：Semianalysis，国金证券研究所


来源：NVDIA，国金证券研究所

Vera Rubin：进一步推进数据中心架构向 rack-scale AI factory演进，通过GPU计算机柜与CPU扩展机柜的分层设计，强化面向 Agentic AI与测试时计的系统吞吐能力。1）系统架构：在核心计算单元上，Vera Rubin NVL72机柜延续 Blackwell时代的机柜级超级计算架构，由72颗 Rubin GPU与36颗 Vera CPU（88核/176线程，基于定制的、兼容 ARM的 NVIDIA Olympus架构）构成标准配置，维持 CPU:GPU=1:2的物理配比，其中GPU承担大规模矩阵计算与模型推理任务，而CPU则从传统主机管理角色进一步扩展至更高频的调度、数据预处理与 Agent执行任务，从而提升系统整体并行效率；在系统扩展层面，NVIDIA引入 Vera CPU专用机柜（Vera CPU Rack），单机柜可集成多达256颗 Vera CPU，用于执行强化学习环境运行、Agent rollout、推理验证与非矩阵类计算任务，该设计使CPU资源从GPU计算柜中解耦出来，形成独立的CPU算力池，从而实现更灵活的工作负载分配与系统级扩展能力。2)在互联架构方面，NVLink-C2C带宽进一步提高至1.8 TB/s。3）存储层次：以 Vera Rubin超级芯片为例，GPU显存配置为576 GB HBM4，CPU内存配置为1.5 TB LPDDR5X。


图表16：英伟达Vera Rubin NVL72机架系统CPU与GPU搭载比例为1:2

NVIDIA Vera Rubin NVL72

NVIDIA Vera Rubin Superchip

NVIDIA Rubin GPU

Configuration

72 NVIDIA Rubin GPUs | 36 NVIDIA Vera CPUs

2 NVIDIA Rubin GPUs | 1 NVIDIA Vera CPU

1 NVIDIA Rubin GPU

NVFP4 Inference

3,600 PFLOPS

100 PFLOPS

50 PFLOPS

NVFP4 Training²

2,520 PFLOPS

70 PFLOPS

35 PFLOPS

FP8/FP6 Training²

1,260 PFLOPS

35 PFLOPS

17.5 PFLOPS

INT8²

18 POPS

0.5 POPS

0.25 POPS

FP16/BF16²

288 PFLOPS

8 PFLOPS

4 PFLOPS

来源：NVIDIA，国金证券研究所

图表17：Vera Rubin NVLink C2C架构图


来源：Semianalysis，国金证券研究所

三、所有CPU架构均受益，ARM中期变化更显著

3.1 ARM架构低功耗、高核心密度的特性更契合 Agent工作负载

对比x86及ARM架构特性，x86架构拥有极高的单线程性能，计算性能强，更擅长处理大规模复杂数据，但功耗偏高； ARM架构的核心优势在于极致的能耗比与高核心密度。Agent时代的工作负载（如海量API调用、Python脚本解释、 KV Cache调度）一般表现为轻计算、高并发。ARM架构能在极低的功耗下堆叠出海量的物理核心，非常适合高并发、低功耗场景。例如NVIDIA的Vera处理器，在极低功耗下实现了88核/176线程，这种特性使其在处理高并发场景时不仅吞吐量惊人，还能大幅降低服务器节点的散热压力与能耗。

图表18：x86及ARM架构特性对比

特性

x86架构

ARM架构

指令集类型

复杂指令集(CISC)

精简指令集(RISC)

解码复杂度

高,需要微码翻译

低,直接执行

性能表现

单线程性能方面表现出色,善于处理大规模的计算任务和数据处理需求,多用于高性能计算

单核性能相对较弱,密集型任务中表现稍差

功耗表现

功耗较高,部分服务器CPU功耗00W,需较强散热支持,产生高额的电费支出与运营成本

更低功耗、更高性能效率,能效比相比传统服务器提升50%以上,适合大规模部署的云计算、边缘计算等场景,适合高密度部署

核心扩展能力

多核扩展受功耗和散热限制,通常单路服务器CPU核心数较少,且高核数下功耗和成本显著增加

多核并行和扩展能力强,适用于核心密度较高的环境,通过横向扩展提升算力

生态兼容性

软件生态覆盖90%以上商用场景,主流数据库管理系统

主流Linux系统支持较好,部分传统闭源软件需重新编译或适配



MySQL、PostgreSQL、SQL Server都在x86架构上得到全面优化和支持

逐步适配Windows on ARM

定制化能力

定制化能力较弱，厂商难以根据自身特定需求进行深度定制化开发

厂商可根据自身需求定制，满足特定应用场景的优化需求

服务器领域

占据传统服务器主流，生态成熟

单核面积小，功耗比领先，可“堆核”提升性能

代表产品

英特尔至强(Xeon)系列、AMD霄龙(EPYC)系列

AWS Graviton系列、英伟达Grace、鲲鹏920

来源：CSDN，SEMICONDUCTOR ENGINEERING，国金证券研究所

ARM份额指引乐观。据ARM FY26Q4业绩会表述，Trainium、TPU、英伟达加速器中绝大部分市场份额将是Arm，到2030年按CPU类型划分的最大市场份额将属于Arm。Counterpoint预测，2029年基于ARM架构的CPU有望占据定制AI ASIC服务器主机CPU市场 90%的份额，而x86和RISC-V架构合计仅占约 10%。

图表19：2029年基于ARM架构的CPU有望占据定制AIASIC服务器主机CPU市场 90%的份额 ARM CPU Share in AI ASIC Servers,2025 vs.2029


来源：Counterpoint，国金证券研究所

Agent呈现能源密集型特征，CPU能效比成为关键。1）数据中心用电需求翻倍：据IEA，2025年全球数据中心电力需求增长 17%，其中AI驱动的数据中心电力消耗增长高达 50%，2030年全球数据中心用电量预计将从2025年的485TWh近乎翻倍至950TWh。2）多步骤执行、工具交互等推理过程对功耗密度的需求大幅增加：传统数据中心主要服务于企业IT、互联网服务、数据存储等基础业务，单机架功率密度仅为5-15kW；AI数据中心聚焦模型训练、深度学习推理、智能计算等任务，对功率密度的要求显著提升，据AFCOM，2025年数据中心平均机架功率密度达到27kW，同比大增 69%，高并发、长序列处理场景不断增加，未来或迎来百瓦、千瓦级的需求，并对电网、UPS、液冷系统等带来挑战。3）电力供应的增长速度低于算力需求的膨胀，功耗低的服务器占优：AgenticAI部署的Token消耗量是标准生成式AI的20-30倍，受限于因电网容量与成本等刚性因素，传统堆卡模式难以为继，CPU的能效比变得至关重要。

图表20：数据中心的电力消耗持续大幅增加


来源：IEA，国金证券研究所

3.2 ARM开放生态更契合大厂需求，NV Grace率先跑通

除了物理性能的契合，ARM架构份额提升的另一大核心驱动力在于其商业授权模式。传统x86生态处于授权封闭状态，客户高度依赖Intel/AMD少数巨头，不仅面临高昂的采购溢价，且定制化差，客户自主权小。而在当前的算力军备竞



赛中，各大头部云厂商（CSP）为了实现底层算力解绑并追求极致的TCO（总拥有成本），亟需打造差异化的算力底座。 ARM的开放IP授权模式完美迎合了这一战略诉求。通过获取ARM授权，亚马逊、谷歌、微软等CSP能够根据自身云原生需求自主定制专属CPU，降低TCO。

Grace CPU能效倍升，利于高密度部署。1）能效优势显著：据NVIDIA官网，Grace CPU可将数据中心的输出能力提高一倍、能耗降低一半，与x86CPU相比，图形分析中服务器性能提升2.4倍、能效提高3倍，数据分析中能效提高 2.1倍，天气模拟场景在相同功耗下可完成约2倍工作量，极大提高数据中心吞吐量。2）低功耗限制下仍保持高性能：Grace CPU在200W功耗限制下可保持超过 90%性能，150W下仍可保持 80%性能，进而在功率受限的环境中，保证不牺牲计算性能的同时，实现机架密度最大化。

图表21：Grace CPU在图形分析中能效提高3倍


来源：NVIDIA官网，国金证券研究所

图表22：Grace CPU在数据分析中能效提高2.1倍


来源：NVIDIA官网，国金证券研究所

AWS Graviton5：AWS是首家成功为云端开发并部署自研CPU的超大规模云服务商，Graviton5自2025年12月开始预览，拥有192个NeoverseV3核心，并在台积电3nm工艺上集成了1720亿个晶体管。在CPU使用方面，AWS已在内部 CI/CD设计集成流程中使用了数千颗Graviton CPU，其Trainium3加速器现在将使用Graviton CPU作为头节点，配比为1颗CPU对应4颗XPU，初始版本运行在Graviton4上，未来的Trainium3集群将由Graviton5提供动力。

图表23: AWS Graviton CPU


来源：Semianalysis，国金证券研究所

微软Cobalt200：Cobalt200于2025年底发布，核心数量从128个增加到132个，采用NeoverseV3设计，每个核心的性能都大幅提升。每个核心拥有极大的3MBL2缓存，并通过标准的ARM Neoverse CMNS3片上网络连接，跨越两个台积电3nm计算芯片(compute dies)，芯片间采用定制的高带宽互连。Cobalt200将仅用于Azure的通用CPU计算服务，而不会被用作AI头节点，微软的Maia200机架级系统转而采用了英特尔的Granite Rapids CPU。



图表24：微软Cobalt200布局图


来源：Semianalysis，国金证券研究所

四、Agentic AI驱动CPU重构，全球厂商开启新一轮架构升级

4.1 海外：x86与ARM路线竞逐，性能、能效与异构协同全面升级

Intel：x86架构传统龙头乘势再起，Xeon6+性能、能效、集成度、跨越式提升。Xeon6+采用Chiplets设计，封装中集成了12个Intel18A工艺的计算模块、3个Intel3工艺的有源基础模块、2个Intel7工艺的I/O模块、12个EMIB2.5D连接封装模块；计算模块内部分为6个模组，每个都包含4个Darkmont架构的E核，总计288个核心。英特尔技术专家指出，在整体负载占比不同的情况下，至强6+处理器较上一代SierraForest可以带来1.9倍以上的性能提升，同时在整体负载范围之内带来高达 23%的能效提升，达到8:1服务器整合的效果。

图表25：Xeon6+E能效核架构


来源：Intel，国金证券研究所

图表26：Xeon6+为首款18A数据中心CPU


来源：Intel，国金证券研究所

Xeon6+量产在即，Intel18A工艺重构能效表现。Xeon6+E能效核（ClearwaterForest）预计于2026H1量产发布， Xeon6+P性能核（DiamondRapids）有望于2027年量产，二者均基于Intel18A最先进制程，工艺的良率已达大规模量产标准，且仍在持续优化，目前已向首批客户交付量产晶圆。Intel18A通过多方面的技术提升显著弥补x86架构 CPU的能耗短板、并强化x86的单线程性能优势，相同频率下，较Intel3功耗降低 36%-38%，等效功率性能提升 15%。1）采用RibbonFET全环绕栅极晶体管架构，晶体管漏电率降低 50%，同功耗下开关频率提升 15%；2）通过 PowerVia背面供电技术，实现供电与信号线路的物理分离，将芯片电阻压降减少 40%、互连线性能提升 30%、同性能下功耗降低 15%，同时为正面晶体管布局释放了超 20%的空间。



图表27：同频率下Intel18A较Intel3功耗降低 36%-38%


来源：DonanimHaber，国金证券研究所

AMD：EPYC9005性能领先，AgenticAI全栈优化。AMD服务器CPU系列产品已迭代至第五代（EPYC9005）， Zen5架构相比上一代Zen4实现 16%的IPC提升。EPYC9965作为第五代系列中的高性能旗舰产品，采用Zen5c核心，相比Zen5核心物理布局更紧凑、每瓦性能更高，单颗集成192核384线程，支持12通道DDR5-6400内存与128条PCIe5.0通道。EPYC9965在主机CPU与CPU侧推理两类核心场景中具备全栈优势，据AMD官网， EPYC9965性能提升 29%、能效提升 66%、端到端AI性能提升 70%、机器学习性能提升高达 93%；在LLM推理场景中表现卓越，相较IntelXeon6980P，EPYC9965在Llama3.188模型中处理性能领先 33%、GPT-J6B中汇总场景的吞吐量性能提升 28%、Llama3.21B中应用场景转换性能提升 36%。

图表28：EPYC9005持续引领x86架构服务器CPU性能标准


来源：Tom's Hardware，国金证券研究所

第六代EPYC Venice综合性能再进阶，或成为驱动公司达成 50%+CPU市占的王牌。AMD计划于2026H2发布第六代服务器CPU（EPYC Venice），首次采用台积电2nm工艺及Zen6/Zen6c核心架构，集成256个核心和512个线程，相较第五代产品核心数增加 33%，线程密度提升 30%，整体性能与能效提升 70%。Venice在吞吐量、功耗、成本和AI基础设施等方面进行全方位优化，以极致产品力巩固服务器CPU领域领导地位，AMD CEO于26Q1财报会上表示，相较市场上其他x86产品，Venice每插槽及每瓦性能大幅提升；相较市场领先的Arm产品，Venice每插槽吞吐量提升逾2倍；客户对于Venice需求强劲，处于验证和爬坡平台阶段的客户数量超过了以往任何一代EPYC，对实现超过 50%的市场份额目标充满信心。



图表29：第六代EPYC Venice 性能再度飞跃


来源：Wccftech，国金证券研究所

Arm：AGI CPU面向Agentic AI，专为高密度机架部署设计。Arm AGI CPU单颗芯片最多集成136个Neoverse V3内核，每个内核可获得6 GB/s内存带宽，并支持DDR5-8800规格与低于100ns的访问延迟。参考服务器配置采用 1OU双节点设计，每块刀片板集成两颗芯片，并配备独立的内存与I/O，单刀片合计提供272个计算核心，这些刀片可完整填充标准风冷36kW机架，共30片刀片、总计8,160个核心，支撑高密度、低延迟的下一代AI计算系统；此外，Arm还与Supermicro联合推出液冷200kW机架方案，可容纳336颗ArmAGICPU，总核心数超过45,000个。

图表30：Arm AGI CPU 规格情况


来源：ARM官网，国金证券研究所

Arm AGI CPU的核心密度优势实质为结构性TCO优势。Arm AGI CPU在300W TDP下提供136个核心，每瓦约提供0.45个核心，相比之下AMD500W的192核EPYC每瓦约为0.38个核心，英特尔500W的144核Xeon每瓦约为0.29个核心，在电力和冷却占总运营成本 30-40%的数据中心中，高核心数密度可转化为更高的工作负载密度、更充分的加速器利用率，以及在既有功耗预算内更有效的计算能力释放，进而带来成本的极大节约；据Arm官网， Arm AGI CPU方案在单机架性能上可达到传统x86平台的两倍以上水平，每GW数据中心容量可节省100亿美元的资本支出。



图表31：Arm商业模式从IP授权拓展为IP授权+计算子系统（CSS）授权+自研芯片


来源：快科技，国金证券研究所

4.2国内：自主架构加速突破，国产CPU迈向规模化替代

华为海思：鲲鹏920是目前业界领先的ARM-based处理器。该处理器采用7nm制造工艺，基于ARM架构授权，由华为公司自主设计完成。通过优化分支预测算法、提升运算单元数量、改进内存子系统架构等一系列微架构设计，大幅提高处理器性能。典型主频下，SPECint Benchmark评分超过930，超出业界标杆 25%。同时，能效比优于业界标杆 30%。鲲鹏920以更低功耗为数据中心提供更强性能。

图表32：鲲鹏920核心参数

Architecture

ARM v8.2

Core

up to 64

Typical Frequency

2.6GHz/3.0GHz

Memory

8DDR4 Channels

Coherent Interconnect

2S&4S

I/O

PCIe4.0,CCIX,100G,SAS/SATA3.0

Max Power

180W

Process

7nm

来源：华为海思，国金证券研究所

海光信息：国产x86服务器CPU领军者，系统架构、可靠性、安全性优异。海光信息为国内少数实现成熟商用的x86通用处理器的公司，面向数据中心、行业客户、高性价比场景的实际需求，细分为海光7000系列产品、海光5000系列产品、海光3000系列产品，产品矩阵覆盖全面，具备高计算和扩展能力；依托先进的SoC架构和片上网络，集成更多处理器核心，性能优势显著，已广泛应用于电信、金融、互联网、教育、交通等重要行业或领域。其中，面向数据中心的旗舰级高性能处理器700系列，集成16-32核心，支持128路PCIe通道，8个DDR4内存通道，并针对数据中心云计算中心等进行了功耗优化。2016年公司基于AMD授权技术启动x86架构海光C86-1GCPU产品设计，目前海光C86-4GCPU已实现商业化应用，公司于2025年5月发布C86-5G技术路线图，最高128核、512线程，与前代相比核心数量增加1倍，线程数量增加4倍，每周期指令数（IPC）提升超过 17%，代际迭代升级显著。



图表33：海光CPU架构持续迭代升级，最新第五代处理器将通过SMT-4技术实现单核4线程并发


来源：半导纵横，国金证券研究所

禾盛新材：战略入股熠知电子押注国产ARMCPU先机，TF9000性能全面提升。2025年8月禾盛新材以自有资金或自筹资金2.5亿元向向熠知电子投资，2026年4月公司再次以自有资金或自筹资金2.33亿元增资熠知电子，持有熠知电子 17.05%股权。熠知电子已完成三代ARM处理器芯片迭代升级，原有产品线包括一代TF16000系列、二代 TF7000系列融合处理器及相应板卡。公司于2026年1月发布第三代TF9000系列融合处理器及板卡，采用Armv9架构，对标英伟达Grace系列CPU，相较第二代产品TF7000系列实现了核心性能 30%的提升、成本降低 30%，以及内存带宽、PCIe5.0带宽和内存总容量分别提升了 200%、100%和 300%，主力面向通用云计算、大模型一体化等AI智算领域，兼具高性能与高性价比。熠知电子商业与生态双重验证充分，TF7000系列、TF9000系列处理器及相关服务器产品，已成功支持国内互联网大厂、运营商、制造业、金融机构、政府、公安等核心客户，进入规模化商用阶段。在生态协同方面，熠知电子已与国内多家主流GPU厂商完成产品深度适配，广泛落地算力服务器、大模型一体机等多元场景。

图表34：熠知电子三代产品介绍

产品类型

CPU架构

NPU架构

产品特征

应用场景

9000系列融合处理器及板卡

ARMV9

TFMX

拟推出的第三代CPU+NPU混合算力芯片，主力优化于通用云计算，大模型一体化等AI智算领域。是一款具有高性能、超高性价比的算力芯片。

互联网，大模型一体机，工厂智能化等

7000系列融合处理器及板卡

ARMV8.2

TFACC2.0

内置多个处理器核心，集成通用的高性能外设接口，拥有完善的软硬件生态环境和完备的系统安全机制，适用于数据计算和事务处理等通用型应用。

AI、云计算、物联网、信息服务等

异构AI处理器及硬件

ARMV8

TFACC1.0

依托标的公司自研的高性能ManyCoreTM深度学习运算加速引擎和高性能CPU，能够以优异的功能表现从容应对复杂的运算任务。

视觉AI，边缘计算

来源：公司公告，国金证券研究所

图表35：熠知电子TF7000系列高性能核心处理器芯片参数展示


TF7000系列高性能核心处理器芯片

来源：公司官网，国金证券研究所

专为云/边计算场景设计，支持各种主流Linux操作系统及虚拟化方案。

• 40核 ARMv8.2 64bit CPU@2.5~3.0GHz

• 内置基于ManyCore计算架构的推理加速NPU

• 4路DDR4@3200 / DDR5@4800内存通道，支持1DCP/2DCP

• 64 Lane PCIe 4.0总线

• 64路1080P@30FPS H.264/H.265视频硬件解码

• 10路1080P@30FPS H.264/H.265视频硬件编码

• 支持多至4路NUMA互联

中国长城：飞腾信息第一大股东，腾云S5000C-E产品力升级。截至2025年12月，中国长城持有国产ARM服务器CPU龙头飞腾信息 $28.04\%$ 股权，为其第一大股东。飞腾信息面向高性能服务器领域打造飞腾腾云S系列服务器CPU，



已包括S2500、S5000C、S5000C-E系列产品，提供强算力、高并发的计算能力。飞腾腾云S5000C-E为最新服务器CPU旗舰产品，集成80个飞腾自研高性能处理器内核，计算性能相比S5000C-64提升 50%以上，可轻松应对金融交易、风控建模等复杂计算场景。2025年，公司基于腾云S5000C-E（80核）研制新一代服务器，性能实测比肩业内高端产品，实现DeepSeek大模型与国产算力深度耦合，成功交付多款AI训推一体机。

信创领域优势显著，连续斩获多个核心大单。飞腾服务器CPU产品基于ARMv8架构，深度适配麒麟、统信等主流信创操作系统，具备自主可控、高性能、高安全、生态兼容等优势。受益于国产化替代政策深化落地，飞腾信息近期连续中标金融、电信、政务等核心行业大规模集采订单，2025年11月，飞腾腾云双路服务器中标安平行业某省级客户项目，中标数量超百台；2025年12月，飞腾腾云S5000C-MCPU独家中标中国移动2025-2026年5G扩展型皮基站集采8000片，为国产CPU在5G基站核心计算单元的首次规模化商用；2026年4月基于飞腾腾云S5000C、 S5000C-E的双路高性能服务器中标政策性银行数百台采购项目，订单放量势头保持强劲。

图表36：飞腾腾云S5000C系列参数介绍


图表37：飞腾腾云S2500参数介绍

来源：公司官网，国金证券研究所

来源：公司官网，国金证券研究所

龙芯中科：3C6000对标市场主流，强势开拓智算市场。面向服务器市场，公司已有龙芯3C5000、龙芯3D5000、龙芯3C6000等系列产品，龙芯3C6000基于公司自研指令集系统LoongArch，最高支持128核256线程，性能相比上代3C5000系列成倍提升，对标英特尔第三代至强可扩展处理器，产品代差缩小至两代；对标NVLink通过龙链技术实现片间互连，大幅降低延迟，提高带宽效率。目前，龙芯服务器CPU已实现多个智算场景应用案例，如郑州港区新建的自主智算中心已有超过500台服务器全部采用龙芯3C6000/D服务器芯片。据龙芯中科董事长胡伟武在 25&26Q1业绩会上表示，随着服务器CPU的推出，公司与抖音、阿里、腾讯等互联网大厂的适配合作更加紧密，每个万卡集群项目可采用2000-3000片32核龙芯3C6000/DCPU，3C6000在2025年实现千片量级销售，2026年应有数量级的提高。

全栈自主可控，LoongArch生态持续开放扩圈。公司自研LoongArch指令集架构，为国内唯一独立于X86与ARM体系、构建完整自主指令系的CPU企业，该架构具备较好的自主性、先进性与兼容性，2020年起公司新研CPU产品均支持LoongArch，实现了从底层指令到硬件设计的全栈自主可控。为扩大龙架构生态覆盖，公司已于2023年11月将龙芯CPU核心IP开放授权给部分合作伙伴，支持其研制基于龙架构指令系统及龙芯CPU核心IP的芯片产品。 2026年4月，龙芯中科与海量数据联合调试再创佳绩，基于龙芯3C6000/D双路服务器（64核/512GB）与海量数据库的全国产化方案性能较常规方案提升 30%，在TPC-C标准测试下每分钟新订单事务处理量突破100万，刷新自主指令集架构芯片与国产数据库协同优化记录，标志着LoongArch与国产数据库的融合能力迈入实用化新阶段。

图表38：龙芯自主指令系统LoongArch


来源：公司官网，国金证券研究所

图表39：龙芯3C6000包括Q、S、D三个版本


来源：公司官网，国金证券研究所



全球服务器CPU正处于新一轮升级周期，海外巨头领衔多核高密度与异构迭代，国内厂商性能代差加速收窄。1）海外厂商方面，Intel Xeon7 Diamond Rapids最高512核心、AMD EPYC Venice迈入2nm节点、NVIDIA Vera CPU性能翻倍功耗减半、Arm AGI CPU多核支撑高密度机架部署，均展现极致的性能与能效，CPU与其他计算单元深度耦合，算力调度由分离转向融合，极大释放 Agentic AI场景的系统级算效。2）国内厂商方面，海光C86-5G核心数与线程数倍增、飞腾腾云S5000C-E计算性能较前代提升 50%以上、龙芯3C6000对标海外主流产品性能倍升，国产服务器CPU技术水平正快速成长，加速追赶海外顶尖产品标准，AI算力高需求高景气叠加自主可控政策催化，国产CPU迎来规模化放量窗口期。

图表40：海内外主流服务器CPU参数对比

架构

厂商

CPU型号

制程

核心数

线程数

内存

PCIe通道数

TDP

x86

Intel

Xeon6+Clearwater Forest

Intel 18A/1.8nm

最高288

288

12通道/DDR5-8000

96×PCIe 5.0

300-500W

Xeon7Diamond Rapids

Intel 18A/1.8nm

最高512

-

16通道/DDR5 MRDIMM

-

-

AMD

EPYC 9965

TSMC N3/3nm

192

384

12通道/DDR5-6400

128×PCIe 5.0

500W

EPYC Venice

TSMC N2P/2nm

最高256

-

12或16通道/DDR5 MRDIMM或DDR5MCRDIMM

PCIe 6.0

-

海光信息

海光500系列(5380/5390)

-

16

32

4通道/DDR4

64×PCIe 4.0

70/95W

海光700系列(7360/7375/7380/7390)

-

24/32/32/32

48/64/64/64

8通道/DDR4

128×PCIe 4.0

125/140/140/110W

ARM

NVIDIA

Grace CPU

TSMC 4N/4nm

72

144

LPDDR5X

68×PCIe 5.0

250W

Vera CPU

TSMC N3/3nm

88

176

LPDDR5X

PCIe 6.0+CXL 3.1

-

ARM

AGI CPU

TSMC N3/3nm

最高136

136

12通道/DDR5-8800

96×PCIe 6.0

最高300W

华为

鲲鹏920

7nm

最高64

-

8DDR4Channels

PCIe 4.0

最高180W

禾盛新材

熠知TF7000

-

40

-

4通道/DDR43200或DDR54800

64×PCIe 4.0

-

中国长城

飞腾腾云S5000C-64/32/16

-

64/32/16

-

8/4/2通道/DDR5

96/80/48×PCIe 5.0

-

LoongArch

龙芯中科

龙芯3C6000S/D/Q

-

16/32/64

32/64/128

4(S)或8(D/Q)通道/DDR43200

64(S)/128(D/Q)×PCIe 4.0

100-120W/180-200W/250-300W

来源：Intel，NVIDIA，ARM，AMD，华为海思官网，龙芯中科官网，海光信息官网，熠知电子官网，芯东西，硬件世界，半导体行业观察等，国金证券研究所

五、相关标的

CPU：Intel、海光信息、禾盛新材、高通、AMD、澜起科技、中科曙光、中国长城、龙芯中科、广合科技、兴森科技、深南电路、宏和科技等。



海外算力：中际旭创、东山精密、胜宏科技、欧科亿、天孚通信、天岳先进、新易盛、工业富联、兆易创新、大普微、源杰科技、景旺电子、英维克、唯科科技、领益智造等；Lumentum、闪迪、铠侠、美光、SK海力士、中微公司、北方华创、拓荆科技、长川科技。

风险提示

行业竞争加剧的风险：

在信创等政策持续加码支持计算机行业发展的背景下，众多新兴玩家参与到市场竞争之中，若市场竞争进一步加剧，竞争优势偏弱的企业或面临出清，某些中低端品类的毛利率或受到一定程度影响。

技术研发进度不及预期的风险：

计算机行业技术开发需投入大量资源，如果相关厂商新品研发进程不及预期，表观层面将呈现出投入在较长时期的滞后特征。

特定行业下游资本开支周期性波动的风险：

部分计算机公司系顺周期行业，下游资本开支波动与行业周期性相关性较强，或在个别年份对于上游软件厂商的营收表现产生扰动。



行业投资评级的说明：

买入：预期未来3-6个月内该行业上涨幅度超过大盘在 $15\%$ 以上；

增持：预期未来3-6个月内该行业上涨幅度超过大盘在 $5\% -15\%$

中性：预期未来3一6个月内该行业变动幅度相对大盘在 $ - 5\% - 5\% $；

减持：预期未来3一6个月内该行业下跌幅度超过大盘在 5%以上。



特别声明：

国金证券股份有限公司经中国证券监督管理委员会批准，已具备证券投资咨询业务资格。

本报告版权归“国金证券股份有限公司”（以下简称“国金证券”）所有，未经事先书面授权，任何机构和个人均不得以任何方式对本报告的任何部分制作任何形式的复制、转发、转载、引用、修改、仿制、刊发，或以任何侵犯本公司版权的其他方式使用。经过书面授权的引用、刊发，需注明出处为“国金证券股份有限公司”，且不得对本报告进行任何有悖原意的删节和修改。

本报告的产生基于国金证券及其研究人员认为可信的公开资料或实地调研资料，但国金证券及其研究人员对这些信息的准确性和完整性不作任何保证。本报告反映撰写研究人员的不同设想、见解及分析方法，故本报告所载观点可能与其他类似研究报告的观点及市场实际情况不一致，国金证券不对使用本报告所包含的材料产生的任何直接或间接损失或与此有关的其他任何损失承担任何责任。且本报告中的资料、意见、预测均反映报告初次公开发布时的判断，在不作事先通知的情况下，可能会随时调整，亦可因使用不同假设和标准、采用不同观点和分析方法而与国金证券其它业务部门、单位或附属机构在制作类似的其他材料时所给出的意见不同或者相反。

本报告仅为参考之用，在任何地区均不应被视为买卖任何证券、金融工具的要约或要约邀请。本报告提及的任何证券或金融工具均可能含有重大的风险，可能不易变卖以及不适合所有投资者。本报告所提及的证券或金融工具的价格、价值及收益可能会受汇率影响而波动。过往的业绩并不能代表未来的表现。

客户应当考虑到国金证券存在可能影响本报告客观性的利益冲突，而不应视本报告为作出投资决策的唯一因素。证券研究报告是用于服务具备专业知识的投资者和投资顾问的专业产品，使用时必须经专业人士进行解读。国金证券建议获取报告人员应考虑本报告的任何意见或建议是否符合其特定状况，以及（若有必要）咨询独立投资顾问。报告本身、报告中的信息或所表达意见也不构成投资、法律、会计或税务的最终操作建议，国金证券不就报告中的内容对最终操作建议做出任何担保，在任何时候均不构成对任何人的个人推荐。

在法律允许的情况下，国金证券的关联机构可能会持有报告中涉及的公司所发行的证券并进行交易，并可能为这些公司正在提供或争取提供多种金融服务。

本报告并非意图发送、发布给在当地法律或监管规则下不允许向其发送、发布该研究报告的人员。国金证券并不因收件人收到本报告而视其为国金证券的客户。本报告对于收件人而言属高度机密，只有符合条件的收件人才能使用。根据《证券期货投资者适当性管理办法》，本报告仅供国金证券股份有限公司客户中风险评级高于C3级（含C3级）的投资者使用；本报告所包含的观点及建议并未考虑个别客户的特殊状况、目标或需要，不应被视为对特定客户关于特定证券或金融工具的建议或策略。对于本报告中提及的任何证券或金融工具，本报告的收件人须保持自身的独立判断。使用国金证券研究报告进行投资，遭受任何损失，国金证券不承担相关法律责任。

若国金证券以外的任何机构或个人发送本报告，则由该机构或个人为此发送行为承担全部责任。本报告不构成国金证券向发送本报告机构或个人的收件人提供投资建议，国金证券不为此承担任何责任。

此报告仅限于中国境内使用。国金证券版权所有，保留一切权利。

上海

电话：021-80234211

邮箱：researchsh@gjzq.com.cn

邮编：201204

地址：上海浦东新区芳甸路1088号紫竹国际大厦5楼

北京

电话：010-85950438

邮箱：researchbj@gjzq.com.cn

邮编：100005

地址：北京市东城区建内大街26号新闻大厦8层南侧

电话：0755-86695353

深圳

邮箱：researchsz@gjzq.com.cn

邮编：518000

地址：深圳市福田区金田路2028号皇岗商务中心 18楼1806


【小程序】国金证券研究服务


【公众号】国金证券研究