##最初のボトムライン
誰もがGPUとHBMを見ている間、UBSは見過ごされているが非常に重要な分析を発表しました。エージェント型AIの台頭はデータセンターアーキテクチャを再形成し、「GPU中心のトレーニング」から「複雑なオーケストレーションの実行」に移行しており、この移行により、サーバーCPUの総アドレス指定可能市場（ TAM ）は2030年までに約5倍、300億$から1,700億$に成長します。
##何が起こったのかUBSリサーチチームは、最近の分析で、AIインフラ投資の焦点が構造的な変化を遂げていることを指摘しました。
###コアデータ
| メトリック | 2025年 | 2030年（予測） | 成長 |
|---|---|---|---|
| ** Server CPU TAM ** | 300億$ | 約1,700億$ | ~ 5倍 |
| エージェントごとのワークロードCPUコアの需要 | ベースライン | 3 -5 x | ** 3 -5回** |
| -エージェントAIは、LLM上で複雑なオーケストレーション、推論、ツールコール、および状態管理を実行する必要があります | |||
| -これらのオーケストレーションタスクはCPU依存性が高く、GPU依存性はありません | |||
| -各エージェントのワークロードには、従来のGPUトレーニングよりも3〜5倍多くのCPUコアが必要 |
###背景：ビッグテックAI設備投資狂乱
モルガン・スタンレーの5月の予測は、より大きなコンテキストを提供します。|会社| 2026年のAI設備投資| 2027年の予測| |------|---------------|------------| | Amazon |〜$ 1500億|成長中| | Google |〜$ 1500億|成長中| |メタ|〜$ 1500億|成長中| |マイクロソフト|〜$ 1500億|成長中| | Oracle |〜$ 200億|成長中| | 合計|**~ $ 805 B **|**~ $ 1.1T **|
世界のデータセンター建設総支出は、2027年までに** 2.9兆$ **に達すると予想されています。
##なぜCPU需要が急増するのか###エージェント型AIワークロードの特性
従来のAIトレーニング/推論ワークロード：
GPU集約型：行列計算、テンソル演算→GPU使用率80%以上
CPU - light ：データ前処理、結果後処理→CPU使用率20 -30%
```エージェントAIワークロード：
CPU集約型：タスクオーケストレーション、ツールコール、状態管理、マルチエージェント調整→CPU使用率60 ～ 80% GPU支援： LLM推論、埋め込み計算→GPU使用率40 -60%
1.タスク→CPU （自然言語処理）を理解する
2.ステップを計画する→CPU （推論と意思決定）
3.コールツール（検索、データベース、API ） → CPU （ネットワークI/O、データ処理）
4.結果の分析→CPU （結果の評価と決定）
5.上記の手順を5〜50回→繰り返す各ステップにはCPUの参加が必要ですが、GPUはステップ1とステップ4の一部でのみ役割を果たします。
###特定のシナリオでのCPU消費QUERY LENGTH LIMIT EXCEEDED. MAX ALLOWED QUERY : 500 CHARS##投資と市場への影響
###受益者QUERY LENGTH LIMIT EXCEEDED. MAX ALLOWED QUERY : 500 CHARS###見過ごされたリスク1. ** GPUへの投資ROIが予想よりも低い可能性がある**:ワークロードがCPUに移行すると、大規模なGPUへの投資が十分に活用されない可能性がある
2. **電力と冷却のボトルネックシフト**： CPUクラスタの電力と冷却のニーズはGPUクラスタとは異なり、既存のデータセンターの設計が適用されない場合があります
3. **ソフトウェアスタックミスマッチ**：現在のAIインフラストラクチャ（ Kubernetes、推論フレームワーク）は主にGPUを中心に最適化されており、CPUオーケストレーションツールエコシステムはまだ成熟していません##中国市場にとっての特別な意義
中国のAIインフラストラクチャはGPU供給の制約（米国の輸出規制）に直面しており、CPU需要の成長は実際には新しい機会をもたらす可能性があります。-エージェントオーケストレーションシナリオの**国内CPU **（ Hygon、Phytium、Loongson ）の需要が有効になる場合があります
- ** Huawei Ascend **「CPU + NPU」コラボレーションアーキテクチャは、エージェント型AIワークロードに適している可能性があります
- 2026年中国のAIチップ出荷台数は300万台と予想され、国内シェアは継続的に増加
##アクションの推奨事項**インフラ投資家の場合**：
- AIインフラ投資ポートフォリオの再評価- CPU関連のターゲットは過小評価される可能性がある
-サーバーCPUサプライチェーン（パッケージング、テスト、メモリアクセサリ）を監視する
-データセンターの設計トレンドの変更に注意する**クラウドユーザーの場合**:
-現在のAIワークロードのCPU/GPU比率を評価します- GPUが過剰にプロビジョニングされている可能性があります
- CPU負荷の高いインスタンスでエージェントオーケストレーションタスクを実行してみてください。コストが低くなる可能性があります
-クラウドプロバイダーの新しいCPU最適化インスタンスタイプに注意** AIアプリケーション開発者の場合**：
-エージェントのCPU使用効率の最適化：不要なツールコールの削減、中間結果のキャッシュ
-エージェントアーキテクチャの設計時にCPUリソースの制約を考慮する
- CPU対GPUの費用便益比を評価し、シナリオによって大きく異なります
##ランドスケープアセスメントAgentic AIは、「AIインフラストラクチャ」の定義を変更しています。 過去2年間、業界の物語はGPUとHBMによって支配されてきましたが、エージェントAIの実際のワークロード分散は、見過ごされている事実を明らかにしています。** AIは単なるGPUストーリーではなく、CPUの役割が復活しています**。これは、GPUがもはや重要ではないことを意味するものではありません。GPUはトレーニングと大規模な推論のコアであり続けます。 しかし、「モデルトレーニング」から「エージェント実行」へのAIの旅では、CPUの価値が深刻に過小評価されています。 UBSの5倍の成長予測は、エンドポイントではなく、出発点かもしれません。