Wer gewinnt, wenn Agentic AI den Server-CPU-Markt bis 2030 neu belebt?

Warum Agentic AI die CPU-Rechnung verändert

In den vergangenen Jahren klang die Rechenzentrumsstory oft sehr einfach: GPUs und Netzwerke waren der Engpass. SemiAnalysis beschreibt die Zeit seit 2023 als Phase, in der KI-Training und KI-Inferenz die Aufmerksamkeit von CPUs weglenkten. Server-CPU-Umsätze blieben vergleichsweise stagnierend, während Hyperscaler und spezialisierte KI-Clouds ihre Budgets auf GPUs und breitere KI-Infrastruktur konzentrierten .

Agentische KI könnte dieses Bild verändern. AMD argumentiert, dass CPUs wichtiger werden, weil agentische Workloads mehr Logik und mehr GPU-Management benötigen. Inferenz wird dabei nicht mehr nur als einzelner Modelldurchlauf verstanden, sondern als mehrstufiger Workflow . Laut AMD übernehmen CPUs in modernen KI-Clustern genau die Systemarbeit, die Beschleuniger produktiv hält: Scheduling, Datenvorbereitung, Speicher- und I/O-Aufgaben sowie Kontrollfluss .

Auch TrendForce ordnet die jüngsten CPU-Schritte von Nvidia und Arm in diesen Strukturwandel ein. Demnach stellte Nvidia am 16. März 2026 auf der GTC ein eigenständiges Vera-CPU-Rack zum Verkauf vor; Arm kündigte am 25. März 2026 eine Arm AGI CPU sowie zwei CPU-Rackvarianten an . TrendForce verbindet die Welle agentischer KI zudem mit veränderten CPU:GPU-Verhältnissen und knapper CPU-Versorgung .

Wichtig ist aber die Einordnung: Das ist keine These gegen GPUs. GPUs bleiben wegen ihrer Parallelverarbeitung und des reifen Software-Ökosystems die dominierende Prozessorarchitektur für KI-Workloads; Nvidia hält laut der zitierten Marktstudie in diesem Segment weiterhin eine überwältigende Position . Die Server-CPU-Chance entsteht daneben – in Host-Systemen, Orchestrierung, Plattformintegration und Managementschichten rund um die Beschleuniger.

Wie groß ist der Markt bis 2030 wirklich?

Der größte Unsicherheitsfaktor ist die Marktgröße. AMD erwartet inzwischen, dass der adressierbare Server-CPU-Markt um mehr als 35 % pro Jahr wächst und bis 2030 mehr als 120 Milliarden US-Dollar erreicht – deutlich mehr als die frühere Erwartung von 18 % jährlichem Wachstum . TradingKey berichtete außerdem über eine noch größere UBS-Prognose: Demnach könnte der Server-CPU-Markt bis 2030 auf 170 Milliarden US-Dollar steigen, weil Agentic-AI-Workloads mehr Rechenarbeit in Richtung CPUs verschieben .

Nicht jede Schätzung ist so optimistisch. Eine separate Marktbetrachtung aus dem Jahr 2025 erwartete für den breiteren Data-Center-Prozessormarkt 372 Milliarden US-Dollar bis 2030, setzte den Server-CPU-Markt für 2030 aber nur bei 35,6 Milliarden US-Dollar an . Solche Zahlen können auf unterschiedlichen Definitionen und Annahmen beruhen. Das Ranking sollte daher bedingt gelesen werden: Wenn agentische KI tatsächlich einen deutlich größeren Server-CPU-Zyklus auslöst, sind dies die am stärksten exponierten Gewinner.

1. AMD: der direkteste Server-CPU-Profiteur

AMD steht auf Platz eins, weil der Hebel am unmittelbarsten ist. Wenn Server-CPUs neu bewertet werden, verkauft AMD genau die Produktkategorie, die im Wert steigt. AMD-Chefin Lisa Su sagte, das Unternehmen erwarte nun, dass der adressierbare Server-CPU-Markt um mehr als 35 % jährlich wächst und bis 2030 mehr als 120 Milliarden US-Dollar erreicht .

Dazu passt AMDs eigene Agentic-AI-Erzählung. Das Unternehmen sagt, mehrstufige agentische Inferenz schaffe neue CPU-Nachfrage, weil solche Workflows mehr Logik, Scheduling, Datenbewegung und GPU-Management benötigen . AMD positioniert seine EPYC-Server-CPUs zudem als Teil einer breiteren KI-Infrastruktur mit AMD-Instinct-GPUs, Pensando-Netzwerktechnologien und dem ROCm-Softwarestack .

Kurzfristig stützt auch die Dynamik im Rechenzentrumsgeschäft den Fall, auch wenn diese Kennzahl nicht rein CPU-bezogen ist. AMDs Data-Center-Segment, in dem Serverchip-Verkäufe erfasst werden, stieg im ersten Quartal um 57 % auf 5,8 Milliarden US-Dollar und lag damit über den von LSEG erfassten Analystenerwartungen von 5,64 Milliarden US-Dollar .

Das Risiko: Ein größerer Server-CPU-TAM fließt nicht automatisch vollständig in klassische x86-CPUs von Drittanbietern. Zusätzliche Nachfrage kann auch bei kundenspezifischen Arm-CPUs, internen Hyperscaler-Designs oder KI-Systemen landen, in denen die CPU Teil einer größeren Nvidia-geführten Plattform ist .

2. Arm: der stärkste Architektur-Hebel

Arm liegt auf Platz zwei, weil das Unternehmen auch dann profitieren kann, wenn andere den fertigen Chip entwerfen. Wenn Hyperscaler, KI-Infrastruktur-Anbieter und Systemhersteller mehr Host-CPUs auf Arm-Basis einsetzen, kann Arm über seine Architektur in vielen unterschiedlichen Data-Center-Plattformen mitverdienen .

Die aggressivste zitierte Arm-These stammt aus TradingKeys Zusammenfassung von UBS. Dem Bericht zufolge erwartet UBS, dass Arm bis 2030 einen Server-CPU-Stückanteil von 40 % bis 45 % und einen Umsatzanteil von 50 % bis 55 % erreichen kann; im Head-Node-CPU-Markt könnten es sogar mehr als 75 % sein . Das ist eine Prognose, kein feststehendes Ergebnis. Sie erklärt aber, warum Arm in einem 2030-Ranking zur agentischen KI so weit oben steht.

TrendForce berichtete außerdem, dass Arm im März 2026 eine Arm AGI CPU und zwei CPU-Rackvarianten angekündigt habe – Teil eines breiteren Wandels, in dem CPUs in KI-Rechenzentren kritischer werden . Parallel dazu verweist SemiAnalysis darauf, dass Hyperscaler eigene Arm-basierte Data-Center-CPUs für Cloud-Dienste entwickeln .

Arms Chance hängt deshalb weniger an einem einzelnen Chip als an der Architekturadoption. Wenn Agentic AI mehr effiziente Host-CPUs rund um Beschleuniger verlangt, kann Arm über kundenspezifische Cloud-CPUs, KI-Systemdesigns und Plattformen verschiedener Anbieter profitieren .

3. Nvidia: der Plattformgewinner, wenn CPUs an KI-Systeme andocken

Nvidia ist kein reiner Server-CPU-Anbieter. Trotzdem könnte das Unternehmen zu den größten Gewinnern gehören, wenn zusätzliche CPU-Nachfrage in vollständige KI-Racks und Plattformen integriert wird. Der Kernvorteil bleibt die Beschleunigerseite: GPUs sind weiterhin die dominierende Architektur für KI-Workloads, und Nvidia hält laut der zitierten Data-Center-KI-Studie eine überwältigende Position in diesem Markt .

Der CPU-Aspekt wird wichtig, weil Nvidia mehr vom Gesamtwert eines KI-Racks erfassen kann, wenn CPUs nicht isoliert gekauft, sondern zusammen mit GPUs, Netzwerk, Speicher und Software optimiert werden. TrendForce berichtete, dass Nvidia am 16. März 2026 auf der GTC sein erstes eigenständiges Vera-CPU-Rack zum Verkauf vorgestellt habe . Eine weitere TrendForce-Analyse deutete Nvidias Vera-CPU-Schritt und Arms CPU-Vorstoß als Anzeichen dafür, dass Agentic AI die CPU:GPU-Anforderungen in KI-Rechenzentren verändert .

Damit ist Nvidia ein anderer Gewinner als AMD. AMD profitiert am stärksten, wenn der klassische Server-CPU-Markt wächst. Nvidia profitiert besonders dann, wenn Kunden komplette KI-Systeme kaufen, in denen CPUs, GPUs, Netzwerk, Speicher und Software als integrierte Plattform gedacht sind .

4. Intel: viel Bestand, aber höheres Ausführungsrisiko

Intel bleibt zu wichtig, um es auszulassen. SemiAnalysis beschreibt Intel als wichtigsten Server-CPU-Lieferanten in der Phase, in der GPUs und Netzwerke ins Zentrum der Rechenzentrumsausgaben rückten. Genau diese Verschiebung sorgte dafür, dass Intel den KI-Infrastrukturboom nicht im gleichen Maß mitnehmen konnte und Server-CPU-Umsätze relativ stagnierend blieben .

Ein neuer CPU-Zyklus könnte Intel helfen, falls agentische KI die Nachfrage im gesamten Server-CPU-Markt hebt. TrendForce berichtete über knappe CPU-Versorgung und darüber, dass der Markt Ende des ersten Quartals 2026 besonders auf Preiserhöhungen bei Intel und AMD achtete . SemiAnalysis nennt zudem Intels künftige Diamond-Rapids- und Coral-Rapids-Generationen in der Data-Center-CPU-Landschaft für 2026 .

Der Grund für Platz vier ist das Risiko. AMD hat die klarste direkte TAM-Erweiterungsthese, Arm die stärkere Architekturverschiebungsthese und Nvidia die dominante KI-Beschleunigerplattform . Intels Aufwärtspotenzial hängt stärker davon ab, ob künftige Xeon-Plattformen bei Leistung, Energieeffizienz und Systemrelevanz in CPU-intensiverer KI-Infrastruktur überzeugen können .

5. Hyperscaler: strategische Gewinner, aber anders als Chipverkäufer

Amazon, Google und andere Hyperscaler – also sehr große Cloud-Betreiber mit eigenen globalen Rechenzentrumsflotten – können ebenfalls gewinnen. Ihr Vorteil sieht jedoch anders aus als bei AMD oder Arm. SemiAnalysis weist darauf hin, dass Hyperscaler eigene Arm-basierte Data-Center-CPUs entwickeln; in der CPU-Landschaft für 2026 werden unter anderem Amazon Graviton und Google Axion als kundenspezifische CPU-Initiativen genannt .

Wenn agentische KI die CPU-Intensität erhöht, können eigene CPUs Cloud-Anbietern helfen, ihre Infrastrukturkosten und Workload-Steuerung besser zu optimieren. Der Vorteil erscheint dann eher als geringere Kosten, mehr Kontrolle und weniger Abhängigkeit von klassischen CPU-Zulieferern – nicht als externer Halbleiterumsatz .

In diesem Sinn sind Hyperscaler nicht nur Käufer im Server-CPU-Zyklus. Innerhalb ihrer eigenen Flotten können sie selbst Marktanteile von traditionellen Server-CPU-Anbietern abziehen, vor allem dort, wo Arm-basierte Eigenentwicklungen gut zu Cloud- und KI-Workloads passen .

Warum Auftragsfertiger hier nicht im Ranking stehen

Dieses Ranking konzentriert sich auf CPU-Designer, Plattformanbieter und Cloud-Betreiber, weil dafür die vorliegenden Quellen am stärksten sind. Ein Auftragsfertiger könnte indirekt von mehr Nachfrage nach fortschrittlichen Server-CPUs profitieren. Die bereitgestellten Belege liefern aber keine spezifische, sauber zitierbare 2030-These für einen bestimmten Hersteller. Für ein quellenbasiertes Ranking sind AMD, Arm, Nvidia, Intel und die Hyperscaler mit eigenen CPUs die belastbareren Namen.

Fazit

Wenn agentische KI den Server-CPU-Markt bis 2030 deutlich vergrößert, ist AMD der sauberste direkte Profiteur: Das Unternehmen verkauft Server-CPUs in einen Markt, den es inzwischen bei mehr als 120 Milliarden US-Dollar bis 2030 sieht . Arm könnte den größten Architekturhebel haben, falls Arm-basierte Eigenentwicklungen der Hyperscaler und KI-Infrastruktur-Anbieter stark skalieren . Nvidia bleibt der Plattformgewinner, wenn zusätzliche CPU-Werte an GPU-zentrierte KI-Systeme andocken . Intel ist der Comeback-Kandidat, aber mit höherem Ausführungsrisiko .

Praktisch hängt die Rangfolge also davon ab, welche Art von Exposure gesucht wird: AMD für direkten CPU-Umsatz, Arm für Architekturadoption, Nvidia für Full-Stack-KI-Infrastruktur, Intel für Erholungspotenzial im Bestandsgeschäft und Hyperscaler für interne Kosten- und Kontrollvorteile .