Meta一款AI产品，逆转CPU和GPU需求比例？

电子发烧友网报道（文/梁浩斌）又一款AI Agent产品爆了，这次终于是来自AI领域沉寂已久的Meta。Meta旗下面向个人的AI智能体应用Muse在9月上线不到两周，北美下载量和日活就超越了ChatGPT同期的表现。

AI Agent并不新鲜，此前大多数AI Agent产品的场景都是面向专业应用，上手门槛高。但Muse完全面向普通个人消费者，核心功能包括跨网站执行任务，比如写电子表单、在线购物、预定票务等，而这些只需要下达一个目标指令，Muse就可以自行拆解任务并调用外部应用逐步完成。

而相比Muse的爆火，CPU双雄英特尔和AMD近期的股价上涨更让人惊叹，背后其实反映出，对于产业而言，Muse爆火的意义在于——Agentic AI对于CPU的需求，随着个人AI Agent应用的广泛使用，会发展到怎样的程度？

Muse带来的新需求？

Meta Muse跟包括豆包、chatGPT等这类传统聊天机器人产品的区别，主要在于是否拥有执行权，从这个角度看，Muse其实跟豆包手机所实现的功能是类似的。

传统聊天机器人通常停留在回答问题、生成文本或提供建议，用户仍需要自己打开网页、填写表单、发送邮件和完成支付。Muse则被定义为个人AI Agent，用户只需提出目标，它可以自行拆解任务、制定计划，并通过应用连接器、API或浏览器执行具体操作。

例如，Muse可以帮助用户预订旅行、发送邮件、处理账单、搜索和比较商品、生成购物清单，甚至在用户关闭应用后继续推进任务。当任务涉及长期目标时，它还能够记住用户的偏好、日程和生活习惯，在合适的时间主动提出建议，而不是每次都等待新的指令。

Muse的另一项新增能力是跨应用协作。它并不局限于一个聊天窗口，而是可以连接邮箱、日历、购物及其他服务，把分散在不同应用中的信息串联起来。支付环节中，Muse还可通过一次性卡号完成购买，并在发送邮件、付款等敏感操作前请求用户确认。

为了支撑这些能力，Meta为Muse设计了Secure VM和Sentinel安全机制，将用户数据、登录凭据与AI执行环境隔离，并记录操作过程。

最重要的一点是，Muse具备以上能力的基础，是每个用户实际都拥有一台位于Meta云端的Secure VM独立虚拟机，所有操作都在这台虚拟机上运行，无论是手机App还是网页端都只作为一个交互入口，不占用端侧的算力。

这样的模式优势是，任务可以长时间在云端后台执行，只需要出现用户接管或授权的敏感操作，才通过推送向用户确认。

根据Meta的官方技术说明，Muse Secure VM主要负责运行Agent、浏览器、文件、凭据和工具；模型推理通常可以由后端共享GPU集群完成。

Muse的云端虚拟机模式，如果未来能够成为个人AI Agent的统一范式，那么数据中心的资源需求，将会从过去聊天机器人时代的GPU推理为核心，重构成GPU推理＋通用计算＋持久化存储＋高安全网络＋虚拟化隔离的新形态。

数据中心需要增加CPU资源，支持AI Agent运行浏览器、连接器、代码和任务调度；同时需要更多的内存资源，维持浏览器进程、长上下文、多任务和多 Agent 状态；Secure VM需要数据中心增加虚拟化能力。

从数据中心的硬件结构看，Muse这类个人AI Agent产生的新需求，未来CPU、内存和服务器密度的重要性会明显上升。

另外，当更多个人信息传向云端，尤其是AI Agent需要管理你的网购平台账号、支付权限等，安全硬件就将会成为数据中心的一部分。比如前面提到硬件和底层系统需要支持虚拟化，除此之外，硬件级可信启动、TPM/HSM和密钥管理、凭据隔离、更严格的网络出口控制等，都会是未来数据中心需要额外关注的部分。

在传统的AI推理应用中，GPU和CPU的使用比例大概是7比1；但在基于智能体的Agentic AI中，由于设计代码编译和测试的任务更多，GPU和CPU的比例将转变成1比1.3。

英特尔CFO David Zinsner在今年一季度财报会议上就表示，随着工作负载向推理和Agentic AI迁移，CPU和GPU比例可能收敛至1:1，甚至CPU需求超过GPU。

本质上，Muse这类产品就相当于一个“项目经理”，需要自主规划、工具调用、反思迭代和多智能体协同，而这种运行模式，意味着系统可能会同时启动多个并发进程，比如多个智能体协同完成复杂任务。

这个时候，CPU的多任务处理能力就显得尤为重要，如果并发的智能体进程数远超CPU物理核心数时，CPU必须频繁进行上下文切换。频繁的切换会导致现有CPU资源被迅速耗尽，系统的吞吐量瓶颈往往卡在CPU的调度能力上，而不是GPU的算力上。

另外GPU擅长处理大规模、高密度的并行矩阵计算，但对条件分支（If-Else）、循环、树状搜索以及复杂的逻辑极不擅长。这些GPU不擅长的领域正是CPU的优势，Agentic AI依赖于CPU提供的低延迟逻辑计算、分支预测、缓存一致性能力。

尤其是当未来物理AI在现实世界执行动作时，低延迟会变得更加重要。GPU 虽然吞吐高，但上下文切换和指令分支延迟大，不适合处理低延迟控制逻辑。

所以，随着Muse这类个人AI Agent的爆火，CPU的需求水涨船高，AMD和英特尔也获得更高的需求预期。

今年以来，英伟达、Arm、AMD、英特尔都推出了针对高并发Agent负载的CPU产品，一个显著特征是不强调单核，而是更关注核心数量，高并发调度优先。

近日阿里平头哥发布训推一体AI芯片真武V900的同时，也首次透露了倚天服务器CPU产品规划，2027年将推出倚天720和倚天730两代服务器CPU，并表示将持续升级自研CPU微架构，进一步提升CPU与AI芯片的协同效率，满足Agentic时代的算力需求。

Muse的出现，其实也是近一年Agentic AI发展的一个真实写照，Meta今年以来陆续迭代Muse Spark、Muse Image等基模，将模型能力、社交分发、图像创作、个人记忆和自动执行等串成了一个完整产品闭环。

但昙花一现的AI产品也已经见怪不怪了，Muse的热度能否持续，其他业界厂商是否跟进，才是个人AI Agent改变数据中心硬件需求的关键因素。