CPU的风，真的来了。
智能体AI（Agentic AI）的大火，正把CPU从配角推回C位。 AI算力对CPU、GPU的需求，如今已经攻守易型。
和过去主要由GPU训练驱动的算力浪潮不同，智能体AI对多任务推理、编排的巨大需求，有望开启一轮CPU超级周期，让 AMD、Intel 和 Arm 受益。
而要说当下智能体AI的新晋当红炸子鸡，非 Meta 的 Muse 莫属。它能像人一样操作网页，点击、按应用，各种操作都更加拟人，代表着 AI 下一阶段的先进生产力。
Muse 是 Meta 推出的一款个人 AI 智能体，核心能力是替你把一件多步骤的事从头办到尾。它会打开一个云端浏览器，像真人一样访问网站、点击、填写。哪怕你关掉了应用，它依然能在后台继续处理手头的杂事，甚至还能帮你下单买东西。
而且它的能力还在不断扩张。Meta 正在持续补充所谓“连接器”（connectors），这些连接器能把 Muse 接入各类应用和服务，包括大量第三方服务，从而不断解锁新能力。
为打消用户的隐私顾虑，Meta 设了两道防护闸门。第一道，Muse 运行在一台专用、相互隔离的云端电脑里，也就是一台“机密虚拟机”（Confidential Virtual Machine），配有独立浏览器，用来安全存放你的数据和登录凭证。
第二道防护叫 Sentinel（哨兵），它能持续监控整个运行环境，任何一笔交易都必须同时满足两个条件才会成交——一是 Sentinel 的批准，二是你本人的明确确认。
Meta 目前每周发放 1 亿个免费 token，而面向重度用户的付费订阅起价约为每月 20 美元。
火到被亚马逊封杀
Muse 上线后很快火出了圈，甚至让亚马逊感到了威胁，干脆直接封杀，不让 Muse 在自家网站购物。尽管 Meta 反复澄清，Muse 根本看不到密码和支付信息。
在 AI 行业，判断一个产品成不成功，就是看潜在竞争对手多快封杀你的产品。按这个标准，Muse 已经赢了。
当然，眼下走红的智能体 AI 并不只有 Muse。Spear Street Technology 旗下的 Instinct 走了一条更激进的路：它没有传统的 App，也没有操作面板，用户只能通过 iMessage、WhatsApp 消息和电话与它沟通。
它能接入你的邮箱、即时通讯、日历、位置、屏幕、音频以及其他设备和账户，再借助一台常开的云端电脑（可调用浏览器、缓存登录凭证）替你处理现实事务，比如预订或改签机票、订餐厅、挂号就医、采购日用品、购买门票，诸如此类。
与此同时，还有最新消息显示，OpenAI 最快本周就会推出对标 Muse 的产品——一款名为“o”的 AI 智能体。萨姆・奥特曼上周也公开暗示，接下来将有一波产品密集发布。
OpenAI 已经在 ChatGPT Pro 相关页面中加入了“o”的品牌标识，外媒预计，它很可能会在周二（9月29日）年度开发者大会 DevDay 2026 上首次亮相。
为什么CPU成了最大受益者？
智能体AI之所以会改写 CPU 的需求，关键在于它的运行原理。
以 Muse 为例，它需要大量云端虚拟机（VM）。即使用户关掉应用，这些常驻环境依旧运行着，必须持续消耗 CPU 算力来维持操作系统、内存和后台进程。
另外，Muse 这类智能体 AI 需要高频跑复杂的自主流程任务，比如跨平台比价，单个行程就可能触发多达 146 次不同的搜索，再比如自动打电话谈判、处理海量邮件等等。要干这些活，智能体高度依赖浏览器自动化、调用 API 和数据搬运——全是典型的传统编排调度型任务，都需要 CPU 来完成，GPU 并不擅长。
Meta 承诺为每位 Muse 用户提供一台专属虚拟机，配备 2 个虚拟 CPU、8GB 内存和 100GB 固态硬盘。
有测算认为，假设它在一年内用户量达到 1 亿（考虑到它目前的火爆发展态势，这完全有可能），Meta 将至少需要 158 万颗 AMD EPYC CPU（每颗 126 个核心）、800PB 内存和 10000PB 固态硬盘。
当然，Meta 可以通过在活跃用户之间大量共享 CPU 来降低这个数字。
从1:4到1:1再到40:1，CPU与GPU需求攻守易型
事实上，2026 年年中，智能体 AI 浪潮正在从根本上改变数据中心的计算架构，CPU 的战略地位随之大幅跃升。高盛指出，在近期的资本开支中，CPU 占据的份额已经超过 GPU。
Intel CEO 陈立武此前坦言：“CPU 需求正快速增长，导致出现供需吃紧，且随着 AI 应用发展，短缺问题可能将持续存在。”目前该公司供货量仅能满足客户需求的 50%，多位大公司 CEO 打来电话，他只能和他们道歉。
美国银行证券在最新研究报告中将 2030 年服务器 CPU 总潜在市场规模（TAM）上调至逾 2100 亿美元，较此前约 1700 亿美元的预测提升逾两成，并将年复合增长率预期从 30% 上调至 36%。
这一调整的核心逻辑在于，随着 AI 工作负载从训练转向推理、再向智能体 AI 演进，CPU 在数据中心系统中的角色正从 GPU 的配角升级为智能体编排的中枢。
美银预计，CPU 与 GPU 的配比将从训练时代的约 1:4，逐步收窄至 AI 推理阶段的约 1:2，并最终在智能体 AI 时代趋近 1:1。
这意味着到 2030 年，CPU 将占整体约 2.2 万亿美元数据中心系统 TAM 的约 10%，高于 2024 至 2025 年训练时代的不足 7%。
今年 5 月在上海举办的 AMD AI 开发者日 2026（AMD AI DevDay 2026）上，AMD 董事会主席及 CEO 苏姿丰博士强调，智能体时代，未来的系统不再以一个大语言模型为唯一核心，而是必须同时具备强大的推理能力、学习能力和数据流能力。
她表示，未来会有远比现在更多的 GPU，而且它们将无处不在，不再局限于云端，而是遍布从终端设备到边缘节点的整个生态系统。但苏姿丰紧接着抛出了一个容易被忽略的关键点：除了 GPU，还需要大量的 CPU 处理能力，才能真正让一个智能体完整地运转起来。
苏姿丰说，这正是 AMD 的聚焦所在，即提供贯穿整个 AI 工作负载的完整计算能力。在她看来，传统数据中心里 CPU 与 GPU 比例是 1:4，到 2026 年 CPU 与 GPU 比例将变成 1:1。
最近，海外社交平台上，一位业内人士的总结被广泛转发：
“在某些极端情况下，CPU 与 GPU 的配比可以高达 40:1。”他还提到，CPU 生产所消耗的台积电晶圆已经超过了 GPU。随着智能体 AI 继续扩张，CPU 的分量只会更重。
过去几年，GPU 是 AI 产业里当之无愧的主角；而当 AI 从“训练大模型”走向“替人办事”，无数个常驻的虚拟桌面、浏览器和后台流程，正把 CPU 重新推到聚光灯下。
属于 CPU 的第二次巅峰时刻，或许才刚刚开始——云栈社区也会持续关注这一波由智能体 AI 驱动的算力格局重塑。
发表于 4 小时前
|
查看: 6|
回复: 0
