Der Markt für AI-Server-CPUs ist im Rahmen des jüngsten Rahmenwerks von Raymond James auf dem Weg, bis 2030 einen Wert von 201 Milliarden USD zu erreichen, was einer jährlichen Wachstumsrate von 44 % entspricht. Die Prognose teilt den Gesamtwert auf 33,5 Milliarden USD für konventionelle Rechenzentren-CPUs, 83 Milliarden USD für AI-Head-End-CPUs und 85 Milliarden USD für agentische CPUs auf, was die Nachfrage von persistenten AI-Agenten widerspiegelt, die Workloads für Toolsausführung und -abruf orchestrieren.
Raymond James‘ Basisprognose entspricht weitgehend Nvidias langfristigem Rahmen von 200 Milliarden US-Dollar, aber sie liegt unter der Prognose von AMD in Höhe von 220 Milliarden US-Dollar, die für Szenarien unterzeichnet ist, die eine höhere Adoptionsrate von Agenten und höhere Parallelität mit sich bringen. Die Firma hat Advanced Micro Devices von „Overweight“ auf „Strong Buy“ erhöht und argumentiert mit der direkten Steuerung des Gewinns des Unternehmens, der Erweiterung des Rechenzentrums und der beschleunigten Marktanteilssteigerung. Raymond James hat auch sein Finanzmodell für AMD bis 2028 erweitert. Dies folgt auf den Erfolgen von AMD, die das Umsatzwachstum im Rechenzentrum im zweiten Quartal 2026 um 107 % gegenüber dem Vorjahreszeitraum übertroffen hat – und damit den Erwartungen übertroffen.
BMO Capital initiierte die Berichterstattung über AMD mit einem Outperform-Rating, während Raymond James seine Schätzungen für Nvidia angepasst hat, um die verändernden Dynamiken der Server-CPUs berücksichtigen zu können. Das CPU-Geschäft von Nvidia bleibt relativ zu den Kernoperationsen mit Beschleunigern ein kleinerer Sektor, obwohl das Unternehmen eine wichtige Rolle bei der Koordination von KI-Workloads über Server spielt. BMO Capital erwartet, dass Nvidia im zweiten Quartal Einnahmen deutlich über dem Konsens melden wird, angetrieben durch die Stärke der Rechenzentren, während KeyBanc starke Ergebnisse von der Aufstockung der Lieferungen der Rubin R200-GPU erwartet. Die Rubin R200 wird als Hochleistungsbeschleuniger für dichte Modellberechnungen positioniert und ergänzt das von CPUs gesteuerte Orchestrierungs-und Tool-Workloads.
