[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"content-doc-dcioc27b8828":3},{"user":4,"document":8,"mainDocument":27,"columnUrl":29,"subscription":30,"footer":42,"text":77},{"isAuthenticated":5,"isAdmin":5,"displayName":6,"avatarUrl":6,"nid":6,"groupLevel":7},false,"",-10,{"id":9,"fullTitle":10,"subTitle":6,"url":11,"columnId":12,"columnName":13,"columnUrl":14,"summary":6,"contentHtml":15,"mainContentHtml":6,"posterUrl":16,"createDate":17,"displayDate":18,"displayDateSlash":19,"pageviews":20,"tags":21,"hidden":5,"isSubContent":5,"replyDocOrTargetId":6,"contentType":23,"videoId":6,"liveVideoUrl":6,"duration":24,"price":24,"priceText":25,"priceBadgeText":25,"priceBadgeClass":26,"freeForMinGroupLevel":24,"redirectUrl":6,"readyToStream":5},"dcioc27b8828","【深度报告】人工智能正进入一个新阶段，AI Agent的崛起带动 CPU 的复苏！","\u002Fdoc\u002Fdcioc27b8828","col18178739ee","美股资讯","\u002Fcol\u002Fcol18178739ee","\u003Cp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">\u003Cspan style=\"font-family: DengXian;\">人工智能正进入一个新阶段。第一代生成式人工智能系统依赖于能够处理单一任务的强大芯片，比如用于回答查询或生成文本的芯片。而下一代人工智能系统则更进一步：它们能够进行规划、推理，记住之前的操作，并利用各种工具来完成多步骤任务。因此，人工智能的经济价值不再体现在单个芯片上，而是体现在支撑这些系统的整体架构中。值得注意的是，虽然下一代人工智能系统不会减少对\u003C\u002Fspan>GPU\u003Cspan style=\"font-family: DengXian;\">的需求，但它们会增加对\u003C\u002Fspan>CPU\u003Cspan style=\"font-family: DengXian;\">、内存、网络和存储设施的利用需求。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">\u003Cspan style=\"font-family: DengXian;\">因为任务的规划、协调、内存管理以及外部工具的调用等过程，都需要依赖这些硬件设施来完成。在智能代理系统中，\u003C\u002Fspan>CPU\u003Cspan style=\"font-family: DengXian;\">端的处理任务占总处理时间的\u003C\u002Fspan>50%\u003Cspan style=\"font-family: DengXian;\">到\u003C\u002Fspan>90%\u003Cspan style=\"font-family: DengXian;\">。随着系统规模的扩大，基础设施的构成也会发生变化，其中，集群层面上的\u003C\u002Fspan>CPU\u003Cspan style=\"font-family: DengXian;\">与\u003C\u002Fspan>GPU\u003Cspan style=\"font-family: DengXian;\">之间的使用比例会上升。这对市场需求有着重要影响。摩根斯坦利预计，到\u003C\u002Fspan>2030\u003Cspan style=\"font-family: DengXian;\">年，智能代理技术有望为调度用\u003C\u002Fspan>CPU\u003Cspan style=\"font-family: DengXian;\">创造\u003C\u002Fspan>325\u003Cspan style=\"font-family: DengXian;\">亿至\u003C\u002Fspan>600\u003Cspan style=\"font-family: DengXian;\">亿美元的新增市场机会，而整个数据中心的\u003C\u002Fspan>CPU\u003Cspan style=\"font-family: DengXian;\">市场总规模则为\u003C\u002Fspan>825\u003Cspan style=\"font-family: DengXian;\">亿至\u003C\u002Fspan>1100\u003Cspan style=\"font-family: DengXian;\">亿美元。此外，持久内存的需求也很重要：据我们的分析，到\u003C\u002Fspan>2030\u003Cspan style=\"font-family: DengXian;\">年，智能代理应用带来的\u003C\u002Fspan>DRAM\u003Cspan style=\"font-family: DengXian;\">需求量将达到\u003C\u002Fspan>15\u003Cspan style=\"font-family: DengXian;\">至\u003C\u002Fspan>45\u003Cspan style=\"font-family: DengXian;\">艾字节，这一数值相当于\u003C\u002Fspan>2027\u003Cspan style=\"font-family: DengXian;\">年全年\u003C\u002Fspan>DRAM\u003Cspan style=\"font-family: DengXian;\">供应量的\u003C\u002Fspan>26%\u003Cspan style=\"font-family: DengXian;\">至\u003C\u002Fspan>77%\u003Cspan style=\"font-family: DengXian;\">。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">\u003Cspan style=\"font-family: DengXian;\">这种以\u003C\u002Fspan>“\u003Cspan style=\"font-family: DengXian;\">智能体\u003C\u002Fspan>”\u003Cspan style=\"font-family: DengXian;\">为核心的\u003C\u002Fspan>AI\u003Cspan style=\"font-family: DengXian;\">发展趋势的影响范围远远超出了那些备受瞩目的\u003C\u002Fspan>AI\u003Cspan style=\"font-family: DengXian;\">芯片领域。下面我们列出了那些能从中受益最多的股票。这些公司包括\u003C\u002Fspan>CPU\u003Cspan style=\"font-family: DengXian;\">制造商、内存供应商、存储设备厂商，以及那些从事先进封装和基板制造的企業。此外，代工厂、设备制造商和服务器生产商也能从中获益。简而言之，以\u003C\u002Fspan>“\u003Cspan style=\"font-family: DengXian;\">智能体\u003C\u002Fspan>”\u003Cspan style=\"font-family: DengXian;\">为核心的\u003C\u002Fspan>AI\u003Cspan style=\"font-family: DengXian;\">发展趋势拓宽了\u003C\u002Fspan>AI\u003Cspan style=\"font-family: DengXian;\">领域的投资范围，人们不再只关注拥有最先进的加速器，而是更注重打造能够让智能体正常运行的完整系统。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">\u003Cspan style=\"font-family: DengXian;\">我们正在从那种只会回答问题的\u003C\u002Fspan>AI\u003Cspan style=\"font-family: DengXian;\">系统，转变为能够真正采取行动的\u003C\u002Fspan>AI\u003Cspan style=\"font-family: DengXian;\">系统。如今，\u003C\u002Fspan>AI\u003Cspan style=\"font-family: DengXian;\">的发展重点不再仅仅是提升模型的规模，而是构建能够持续运行、更加智能、更具自主性，并且能够大规模应用的\u003C\u002Fspan>AI\u003Cspan style=\"font-family: DengXian;\">系统。当前，人工智能计算所受的限制，与其说是来自硬件资源（如\u003C\u002Fspan>GPU\u003Cspan style=\"font-family: DengXian;\">），不如说源于内存带宽、数据传输速度、接口延迟以及系统协调方面的问题。现在的数据中心已经不再是单纯的单一芯片（\u003C\u002Fspan>GPU\u003Cspan style=\"font-family: DengXian;\">）结构，而是一种高度整合的系统架构。在这种架构中，每一层设计都是为了消除计算、存储和数据传输之间的瓶颈。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">\u003Cspan style=\"font-family: DengXian;\">美股投资网获悉，人工智能正在从静态模型演变为具备自主能力的系统\u003C\u002Fspan>——\u003Cspan style=\"font-family: DengXian;\">这些系统能够自行规划、推理并采取行动。在这种体系中，\u003C\u002Fspan>“\u003Cspan style=\"font-family: DengXian;\">协调机制\u003C\u002Fspan>”\u003Cspan style=\"font-family: DengXian;\">与\u003C\u002Fspan>“\u003Cspan style=\"font-family: DengXian;\">内存功能\u003C\u002Fspan>”\u003Cspan style=\"font-family: DengXian;\">成为实现智能的核心要素。如今，人工智能的发展趋势是实现对整个系统的控制，包括计算、网络、推理、协调以及软件等方面，而不仅仅是单纯的计算能力（如\u003C\u002Fspan>GPU\u003Cspan style=\"font-family: DengXian;\">的性能）。大型语言模型在语言生成方面表现出色，但它们属于被动型工具，需要人类的引导才能发挥作用；此外，它们无法持续记住之前的操作、用户的过往行为或对环境的理解。而具备自主能力的\u003C\u002Fspan>AI\u003Cspan style=\"font-family: DengXian;\">则打破了这种局限，实现了自主协调、多智能体协作以及基于上下文的智能处理。它还引入了能够跨越时间、不同情境和智能体进行存储的记忆系统，从而让系统具备连续性、学习能力和适应能力。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">\u003Cspan style=\"font-family: DengXian;\">构建智能体所需的内存和\u003C\u002Fspan>CPU\u003Cspan style=\"font-family: DengXian;\">资源呈逐渐增加的趋势。虽然目前，处理智能体相关任务的硬件仍以\u003C\u002Fspan>GPU\u003Cspan style=\"font-family: DengXian;\">为主，但在一个以推理、决策和自主性为核心的智能体世界中，让\u003C\u002Fspan>CPU\u003Cspan style=\"font-family: DengXian;\">与\u003C\u002Fspan>GPU\u003Cspan style=\"font-family: DengXian;\">协同工作就变得非常重要。智能体技术代表了企业自动化领域的下一个发展方向：它意味着从处理大规模静态数据的方式，转变为执行复杂的、多步骤的动态任务。这些日益增大的工作负载已经成了当前\u003C\u002Fspan>CPU\u003Cspan style=\"font-family: DengXian;\">架构的瓶颈，因此，我们需要重新思考企业级应用和云架构的设计方式，如何在投入\u003C\u002Fspan>GPU\u003Cspan style=\"font-family: DengXian;\">资源用于训练和推理的同时，充分利用专为推理任务而设计的\u003C\u002Fspan>CPU\u003Cspan style=\"font-family: DengXian;\">性能。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">\u003Cspan style=\"font-family: DengXian;\">理解代理\u003C\u002Fspan>Al\u003Cspan style=\"font-family: DengXian;\">技术栈\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">\u003Cspan style=\"font-family: DengXian;\">现代人工智能领域的突破，不仅仅体现在算法上，还体现在为训练这些模型而构建的强大计算基础设施上。理解这一整套技术架构，对于了解大规模人工智能系统的运作方式至关重要。所谓\u003C\u002Fspan>“\u003Cspan style=\"font-family: DengXian;\">智能体人工智能\u003C\u002Fspan>”\u003Cspan style=\"font-family: DengXian;\">，其实是由三个相互依存的组成部分构成的：\u003C\u002Fspan>1\u003Cspan style=\"font-family: DengXian;\">）\u003C\u002Fspan>“\u003Cspan style=\"font-family: DengXian;\">大脑\u003C\u002Fspan>”\u003Cspan style=\"font-family: DengXian;\">（大语言模型），\u003C\u002Fspan>2\u003Cspan style=\"font-family: DengXian;\">）\u003C\u002Fspan>“\u003Cspan style=\"font-family: DengXian;\">系统框架\u003C\u002Fspan>”\u003Cspan style=\"font-family: DengXian;\">（用于协调各部分的机制），\u003C\u002Fspan>3\u003Cspan style=\"font-family: DengXian;\">）\u003C\u002Fspan>“\u003Cspan style=\"font-family: DengXian;\">知识库\u003C\u002Fspan>”\u003Cspan style=\"font-family: DengXian;\">（存储信息的系统）。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">“\u003Cspan style=\"font-family: DengXian;\">大脑\u003C\u002Fspan>”\u003Cspan style=\"font-family: DengXian;\">（大语言模型）是一种专门负责处理语言理解、语言生成以及复杂推理任务的\u003C\u002Fspan>GPU\u003Cspan style=\"font-family: DengXian;\">。它能够对各种信息进行加工处理，并决定相应的行动方案。大语言模型利用内存层来存储相关的上下文信息，同时将新的观察结果和结论保存到内存层中，以便长期保存使用。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003Cp>\u003Cspan style=\"font-size: large;\">\u003Cspan style=\"font-family: DengXian;\">该系统相当于一个\u003C\u002Fspan>“\u003Cspan style=\"font-family: DengXian;\">控制中心\u003C\u002Fspan>”\u003Cspan style=\"font-family: DengXian;\">，由\u003C\u002Fspan>CPU\u003Cspan style=\"font-family: DengXian;\">负责协调各个组件的工作流程。它决定了各项操作的顺序（例如：规划\u003C\u002Fspan>→\u003Cspan style=\"font-family: DengXian;\">搜索\u003C\u002Fspan>→\u003Cspan style=\"font-family: DengXian;\">获取数据\u003C\u002Fspan>→\u003Cspan style=\"font-family: DengXian;\">分析推理\u003C\u002Fspan>→\u003Cspan style=\"font-family: DengXian;\">采取行动），同时还将大型语言模型与外部工具及应用程序连接起来。\u003C\u002Fspan>\u003C\u002Fspan>\u003C\u002Fp>\r\n\u003C\u002Fp>","https:\u002F\u002Fwww.tradesmax.com\u002Fimages\u002Fa_Stock\u002FI\u002FINTC\u002FINTC.jpg","2026-04-24T15:21:38","2026.04.24","2026\u002F04\u002F24",41033,[22],"INTC","Article",0,"免费","success",{"id":9,"fullTitle":10,"subTitle":6,"url":11,"columnId":12,"columnName":13,"columnUrl":14,"summary":6,"contentHtml":15,"mainContentHtml":6,"posterUrl":16,"createDate":17,"displayDate":18,"displayDateSlash":19,"pageviews":20,"tags":28,"hidden":5,"isSubContent":5,"replyDocOrTargetId":6,"contentType":23,"videoId":6,"liveVideoUrl":6,"duration":24,"price":24,"priceText":25,"priceBadgeText":25,"priceBadgeClass":26,"freeForMinGroupLevel":24,"redirectUrl":6,"readyToStream":5},[22],"\u002Fcol\u002Fstocknews",{"visible":5,"marketingHtml":31,"services":32,"recentDocuments":41},"\u003Cfigure class=\"image\">\u003Ca href=\"https:\u002F\u002Fstockwe.com\u002Fdoc\u002Fdcio537efad5\" target=\"_blank\" rel=\"noopener noreferrer\">\u003Cimg style=\"display:block;margin-left:auto;margin-right:auto;\" src=\"https:\u002F\u002Fstockwewebfiles.blob.core.windows.net\u002Fweb-202408-stk\u002F1586109431mceclip0.jpg\">\u003C\u002Fa>\u003C\u002Ffigure>\u003Cdiv class=\"text-center\">\u003Ch2 class=\"card-title mx-auto\">\u003Cbr>\u003Ca target=\"_blank\" rel=\"noopener noreferrer\" href=\"https:\u002F\u002Fstockwe.com\u002Fdoc\u002Fdcio537efad5\">案例介绍：英伟达深度研究报告\u003C\u002Fa>\u003C\u002Fh2>\u003C\u002Fdiv>",[33,37],{"productId":34,"serviceName":35,"priceText":36},"prod_PPxdDdK87QaiLv","月付","$12.95美元",{"productId":38,"serviceName":39,"priceText":40},"prod_PPxeMs3bix1da5","年付","$149.00美元",[],{"links":43,"images":68,"summaryHtml":73,"aboutTitle":74,"aboutHtml":75,"copyrightHtml":76},[44,47,50,53,56,59,62,65],{"label":45,"url":46},"深度报告","\u002Fcol\u002FdepthReport",{"label":48,"url":49},"VIP会员","\u002Fplan",{"label":51,"url":52},"期权推荐","\u002FOption",{"label":54,"url":55},"低价暴涨股","\u002FPenny",{"label":57,"url":58},"常见问题","https:\u002F\u002Fstockwe.com\u002FFAQ",{"label":60,"url":61},"美股课程","\u002Fcol\u002Fvideos",{"label":63,"url":64},"免责声明","\u002Fdisclaimer",{"label":66,"url":67},"联系我们","\u002FContactUs",[69,70,71,72],"https:\u002F\u002Fstockwebsiteblob.blob.core.windows.net\u002Fweb-202509-stk\u002FUploaderzic2tuwsol2_2025_09_11_18_21_07.gif","https:\u002F\u002Fstockwebsiteblob.blob.core.windows.net\u002Fweb-202509-stk\u002FUploadercakzdvydksw_2025_09_03_09_00_56.png","https:\u002F\u002Fstockwebsiteblob.blob.core.windows.net\u002Fweb-202509-stk\u002FUploadergtjyagwvoyk_2025_09_14_08_32_05.png","https:\u002F\u002Fstockwebsiteblob.blob.core.windows.net\u002Fweb-202509-stk\u002FUploader3u0tt4jhlqh_2025_09_23_22_30_48.png","邮箱: buy@TradesMax.com 美国电话 626-378-3637","公司介绍","\u003Cp class=\"MsoNormal\">美股大数据 StockWe.com 是一个美国领先的金融和美股信息大数据提供商，紧盯华尔街金融市场和行情，2008年成立于美国硅谷，创始人是前纽约证券交易所资深分析师Ken，联合多位摩根斯坦利分析师，谷歌 Meta工程师利用AI和大数据，配合十多年美股实战经验和业内量化交易模型，每天处理千万级股票数据：挖掘潜力大牛股，捕捉期权异动大单，实时主力资金流向、机构持仓变化、川普突发新闻，精准买卖信号第一时间发到您手机APP。\u003C\u002Fp>","专业美股投资者都在这里",{"loading":78,"search":79,"searchPlaceholder":79,"hotContent":80,"draft":81,"noData":82,"searchNoData":83,"edit":84,"editVideo":85,"courseContent":86,"more":87,"buyNow":88,"subscribeNow":89,"encoding":90,"paidContent":91},"Loading...","搜索","热门内容","草稿","目前没有任何内容公布","当前检索内容没有数据","编辑","编辑视频","课程内容","更多","立即购买后观看","- 立即订阅 -","视频编码中...","付费内容"]