AI 的下一个瓶颈不是 GPU：
大摩暑期学校三堂课，讲透智能体、存储与 MLCC
这份 39 页的 deck 不是一篇「个股推荐」，而是大摩亚太科技团队写给机构客户的年度教学讲义——Asia Summer School 系列的韩国科技分册，署名分析师覆盖三星电子、SK 海力士、三星电机等核心标的。它的价值恰恰在「框架」二字：把 AI 硬件下半场的三条主线——智能体抬升 CPU 与内存、存储周期与长约重估值、MLCC 拐点——用一套自洽的供需模型串起来。对读研报的人来说，这类框架篇比单点财报点评更值得精读：它是理解大摩后续所有韩国/亚太科技评级动作的底层地图。本篇解读按三堂课的顺序拆完，最后给出暴露清单与三条交易纪律。
第一堂课 · AI Agent 崛起：瓶颈从 GPU 挪向 CPU
从「生成」到「自主行动」，三大支柱重新分配算力账单
大摩给 Agentic AI 画了一张「三大支柱」图：大脑是 LLM（跑在 GPU 上），负责推理、理解、起草；编排层（Orchestration）跑在 CPU 上，负责在工具、工作流与护栏之间路由调度；知识层是内存与数据库，用企业私有数据给答案「接地」。聊天机器人时代只有第一根支柱在烧钱；而一个真正的智能体，要在三根支柱之间反复横跳——每一次工具调用、每一次检索、每一次多智能体分工，都是 CPU 与内存的活。
大脑 · LLM（GPU）
核心模型能力：推理、理解、分析、起草、总结。这是上半场的主战场，也是 GPU 军备竞赛的全部剧情。
编排 · Orchestration（CPU）
控制层：在工具、API、工作流、护栏与监控之间路由。智能体越复杂，这一层吃掉的时延越多——大摩称之为「新瓶颈」。
知识 · Memory（内存/数据库）
企业上下文：客户数据、组合数据、研究库、会话记忆。让答案「接地」在私有数据上，直接拉动 DRAM 与数据库需求。
关键一页是「CPU 是 Agentic AI 的新瓶颈」：大摩按工作负载拆了 GPU 与 CPU 各占总时延的比例——纯聊天机器人时代 GPU 占八成以上，可一路走到多工具智能体、研究型智能体、复杂多智能体编排，GPU 占比一路掉到一成以下，剩下的时延几乎全是 CPU 在处理（API 调用、网页抓取、代码执行与测试、多智能体分发）。对应的 CPU:GPU 配比，从 GPU 重载时代的约 1:12，走向复杂编排时代的 1:1 甚至更高。
把这个结构性转变翻译成钱：牛市情形下，Agentic AI 到 2030 年带来 $2,380 亿的新增 CPU 机会（编排 CPU 为主体，叠加主机与云 CPU），以及 221EB 的新增 DRAM 需求——相当于 2026 年全球 DRAM 供给的 4.9 倍；每颗编排 CPU 挂载的 DRAM 从约 1.5TB 一路升到 3TB。这条曲线不是线性的，是 2027 年起的陡峭放量：
过去三年 AI 交易的全部剧本是「买 GPU 链」。大摩这套框架的含义是：下半场的增量弹性在 GPU 之外——CPU（x86 与 Arm）、DRAM（尤其大容量服务器内存）、内存接口、BMC、MLCC、CPU 插座这些「编排层硬件」，才是从 0 到 1 的新叙事。这也与大摩 5 月那篇《CPU 文艺复兴》一脉相承（本站已解读，见文末延伸阅读）。
免费注册即可阅读最新 3 篇深度报告全文；
会员一码解锁全部档案 + 产业链大课 + 白毛速报实时推送。
已是会员？登录后本页自动显示全文 · 返回报告目录