随着 Meta Muse 等个人 AI 智能体的发布，AI 正从被动响应的聊天机器人向全天候自主运行的智能体演进，这或将推高对 CPU、GPU、内存及网络基础设施的消耗。

据花旗 10 月 6 日最新发布的研究报告，以 Meta Muse 为代表的智能体应用，正将计算硬件的市场预期推向新高度。该行预计，到 2030 年，全球 CPU 总潜在市场规模（TAM）将从 2025 年的 290 亿美元扩张至 3000 亿美元，年复合增长率高达 60%。

在 GPU 端，智能体同样带来了结构性的增量需求。该行测算，若 Meta Muse 达到 1 亿日活跃用户，将需要约 20 万至 39 万块 Blackwell 级别的 GPU，这可能为英伟达带来 70 亿至 190 亿美元的一次性收入。

这一趋势直接利好核心算力供应商。该行指出，由于 Meta 是 AMD 服务器业务的最大客户之一，AMD 将成为 CPU 复兴的主要受益者，其目标价被上调至 800 美元；同时，英伟达也将因 GPU 需求激增而持续获益。

智能体崛起，CPU 成为新瓶颈

在智能体 AI 爆发之前，CPU 主要局限于传统工作负载和作为 AI 应用的头节点（Head Node）。在头节点中，CPU 仅负责 " 管理 "，将用户请求发送给 GPU 并返回结果，繁重的矩阵乘法和推理工作由 GPU 承担。

然而，智能体改变了这一分工。花旗在报告中指出：" 相比传统的聊天机器人，我们认为智能体 AI 是计算需求潜在的呈数量级增长的驱动力。" 智能体需要处理编排、推理循环、数据处理和安全组件，这使得 CPU 成为了新的瓶颈。

随着 AI 从模型训练转向推理，再转向智能体自主工作流，CPU 与 GPU 的配比正在发生显著变化。在模型训练阶段，这一比例为 1:8；在推理阶段为 1:4；而在智能体 AI 中，这一比例正向 1:1 甚至更高水平演进。该行预计，到 2030 年，专用于智能体的 CPU 将以 247% 的年复合增长率增长，占据整个 CPU 市场 52% 的份额。

Meta Muse 的 GPU 算力账本

Meta Muse 是首个在真正社交网络规模上发布的消费者 AI 智能体，其计算足迹是目前 AI 基础设施中最重要的变量之一。与标准聊天机器人不同，Muse 作为自主智能体持续运行，其底层逻辑决定了它对 GPU 的消耗更为庞大。

花旗构建了自下而上的 GPU 需求模型。在基准情形下，假设典型用户每天进行 4 次简单请求和 12 次智能体任务（如寻找餐厅、核对日历并起草邀请函），每个智能体任务包含约 8 次模型调用。由于模型在调用之间没有记忆，它必须每次重新读取不断增长的对话上下文。

基于此，该行测算每位 Muse 用户大约需要 0.0020 块 GB200 级别的 GPU。简而言之，一块 GPU 大约只能服务 500 名用户。该行强调：" 智能体在结构上是比聊天机器人更繁重的推理工作负载。" 在相同的框架下，聊天式用户所需的 GPU 容量仅为智能体用户的 12.5% 至 25%。

内存与网络的连锁反应

智能体工作流不仅对逻辑芯片提出更高要求，其连锁反应也蔓延至内存和网络领域。在内存方面，CPU 对 LP、DDR 和 SSD 有很高的附加率。美光近期指出，以 Meta Muse 为代表的智能体工作流正在让消费者获取更多价值，而 CPU 正对 DRAM 造成更多限制。

在网络端，智能体 AI 实质性地增加了网络流量。英伟达管理层在与花旗的沟通中表示：" 智能体可以持续运行数小时或不间断运行……从而在消费者和企业工作负载中驱动多得多的 Token 生成。"

这种持续运行意味着，越来越多访问基础设施的是智能体而非人类。这推动了数据中心内部 " 南北向 " 流量（如存储访问、安全、配置等服务）的增长，从而为使用 DPU（如 BlueField 4）和 Spectrum-X 以太网创造了新的加速机会。