Meta Muse算力需求：CPU与GPU市场将迎多大增量？
与闲置率较高的聊天机器人不同，Meta Muse等智能体的“始终在线”特性使其对算力的消耗呈数量级增长。花旗预计，这一趋势将使CPU-GPU配比从训练期的1:8向1:1演进，推动2030年CPU市场规模达3000亿美元。同时，仅1亿Muse日活用户就可能为英伟达带来最高190亿美元的GPU收入。
伴随Meta Muse这类个人AI智能体的问世，AI正在从只能被动应答的聊天机器人，转向全天候自主运转的智能体，CPU、GPU、内存以及网络基础设施的消耗恐怕都会被抬高。花旗10月6日发布的研究报告提到，以Meta Muse为代表的智能体应用，正在把计算硬件的市场预期往上推。该行预计，到2030年，全球CPU总潜在市场规模（TAM）会从2025年的290亿美元扩大到3000亿美元，年复合增长率高达60%。
智能体在GPU这一侧同样制造了结构性增量。按该行测算，Meta 
Muse若达到1亿日活跃用户，需要约20万至39万块Blackwell级别的GPU，这可能给英伟达带来70亿至190亿美元的一次性收入。
趋势直接惠及核心算力供应商。该行指出，Meta是AMD服务器业务的最大客户之一，AMD会因此成为CPU复兴的主要受益者，目标价被上调至800美元；英伟达则会因GPU需求激增而继续获益。
智能体崛起，CPU成为新瓶颈
在智能体AI爆发之前，CPU的用武之地主要限于传统工作负载，以及充当AI应用的头节点（Head Node）。头节点里，CPU只管“管理”，把用户请求发给GPU再取回结果，繁重的矩阵乘法和推理交给GPU去做。
智能体把这种分工打破了。花旗在报告里写道：“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。”编排、推理循环、数据处理和安全组件都要智能体来处理，CPU于是成了新的瓶颈。
从模型训练到推理，再到智能体自主工作流，CPU与GPU的配比一直在明显变化。训练阶段是1:8，推理阶段是1:4，到了智能体AI，这一比例正朝1:1乃至更高演进。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，它的计算足迹是眼下AI基础设施中最重要的变量之一。Muse和标准聊天机器人不一样，它作为自主智能体持续运行，底层逻辑决定了它对GPU的消耗更大。
花旗搭建了自下而上的GPU需求模型。基准情形下，假设典型用户每天做4次简单请求、12次智能体任务（比如寻找餐厅、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。模型在调用之间没有记忆，所以每次都得重新读取不断变长的对话上下文。
据此，该行测算每位Muse用户大约需要0.0020块GB200级别的GPU。说白了，一块GPU大概只能服务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。”同样的框架下，聊天式用户需要的GPU容量只有智能体用户的12.5%至25%。
内存与网络的连锁反应
智能体工作流对逻辑芯片的要求更高，连锁反应还蔓延到了内存和网络领域。内存方面，CPU对LP、DDR和SSD的附加率很高。美光近期指出，以Meta Muse为代表的智能体工作流正让消费者获得更多价值，而CPU对DRAM造成了更多限制。
网络端，智能体AI实实在在增加了网络流量。英伟达管理层在与花旗沟通时表示：“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。”
持续运行意味着，访问基础设施的越来越多是智能体而不是人。这带动了数据中心内部“南北向”流量（如存储访问、安全、配置等服务）的增长，也为DPU（如BlueField 4）和Spectrum-X以太网创造了新的加速机会。
