#英特尔CEO陈立武： Agentic AI时代的到来，正在重新定义算力需求结构。推理阶段与训练阶段存在本质差异：推理更依赖CPU的串行处理能力、实时响应能力和能效表现。#CPU:GPU使用比例正在从过去的 #1:8→1:1→4:1。
英伟达VERA CPU亦是基于Armv9.2指令集构建的，市场对此寄予厚望。VERA CPU是英伟达首款专为智能体 AI (Agentic AI) 与强化学习 (RL) 设计的自研 CPU，于 26 年 3 月 16 日 GTC 大会正式发布，全球首款支持FP8 精度的 CPU。5 月 18 日向 Anthropic、OpenAI、SpaceX AI 和甲骨文交付首批产品，被黄仁勋称为公司 "下一个数十亿美元级业务"。
Agent时代，#ARM架构份额提升的逻辑正在被逐步定价。
Agent时代，相比x86架构，ARM架构有诸多优势：
功耗与能效比：ARM 的 RISC 精简指令集在执行 AI 推理任务时，每瓦性能通常比 x86 高出 2倍，当Agent高并发运行时，这个差距直接决定了电费和散热成本。
ARM的核心密度更高（核心面积小，同等芯片面积内可以集成更多核心），非常适合 Agent 框架中大量轻量级并发任务的调度模式，而 x86 的单核性能虽强，但并发密度受限。
在端侧/边缘侧部署Agent，ARM几乎垄断。
总拥有成本（TCO）：在大规模部署时，ARM 集群的电费和散热基础设施成本相比X86架构可以低 20–40%。
SoC异构集成：ARM 平台天然将 CPU、NPU、GPU 集成在单一芯片上（如高通 Snapdragon X Elite、Apple M4），Agent 的感知-推理-行动循环可以在极低延迟下完成，不需要跨总线搬运数据，而 x86 通常依赖外置 GPU，内存带宽是明显瓶颈。
x86 在软件生态成熟度、单线程高性能任务、高精度科学计算以及遗留企业系统兼容性上仍有优势。
当前趋势：大规模训练仍然依赖 x86+GPU 的组合，而#Agent推理/边缘AI/轻量化模型等需求则转向了ARM。
#标的： 禾盛新材（熠知电子CPU为ARM架构，已在互联网客户规模化出货，第三代芯片流片中，当前需求爆满）、海光信息、中国长城（飞腾CPU为ARM架构，党政信创市场PC CPU 占优，服务器CPU正全力突破更多场景）
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。