作者：龙玥，华尔街见闻
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。花旗10月6日发布的研究报告认为，这一趋势或将推高CPU、GPU、内存及网络基础设施的消耗，并将计算硬件的市场预期推向新高度。
智能体崛起，CPU成为新瓶颈
花旗指出，相比传统聊天机器人，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成为新的瓶颈。
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%。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的配比正发生显著变化：训练阶段为1:8，推理阶段为1:4，智能体AI中正向1:1甚至更高水平演进。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
在GPU端，智能体带来结构性增量需求。花旗测算，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。
花旗构建了自下而上的GPU需求模型。基准情形下，假设典型用户每天进行4次简单请求和12次智能体任务，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，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。
该行指出，这一趋势直接利好核心算力供应商。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。