近期，Meta的个人智能体AI（AI 代理）产品 Muse 登顶美国 App Store 免费榜，上线 6 天下载量超过 90.2 万次，引发外界关注，多家投行分析师均认为，随着Muse这类智能体AI的普及，将会大幅推高AI基础设施的工作负载，特别是会推升对于CPU的需求，而英特尔和AMD则将是核心受益标的。受该消息影响，美股9月21日，AMD股价大涨9.95%，市值突破1万亿美元；英特尔股价大涨12.14%，市值升至6437.42亿美元。

每位用户一台云端PC的设计逻辑

今年9月，Meta正式发布了其首款个人 智能体AI产品 Muse（基于Muse Spark 1.3 模型），核心能力包括代用户收发邮件、预订旅行、在线购物、填写表单，甚至参与账单谈判和协助出售汽车。

与传统的“一问一答”、关闭应用后就停止工的作聊天机器人不同，Muse 被设计为持续运行的个人智能体AI：即使用户关闭应用，它仍能在云端虚拟机中24小时持续执行任务，直到需要用户批准敏感操作时才发出提醒。Meta工程副总裁David Singleton曾解释，这种架构是为了让智能体AI能够在用户关闭手机后继续工作，并在需要审批时通过应用界面通知用户。

Muse的核心架构是为每位用户分配一个专用的云端虚拟机，配置为2颗vCPU、8GB内存与100GB存储空间。虚拟机内运行着完整的环境——包括代理程序、文件、内置Chromium浏览器，以及所有已连接服务的凭证。

安全层面，Muse 内置名为 Sentinel 的独立监督代理，作为所有出站网络流量的“守门人”——未经 Sentinel 批准，任何数据都无法离开虚拟机；涉及支付、发送信息等敏感操作，都需要Sentinel的批准，且最终必须获得用户明确授权。Meta 还计划在 2026 年晚些时候推出基于 可信执行环境（TEE） 的 Muse Confidential VM，届时虚拟机将由用户持有的密钥加密，Meta 本身无法访问用户数据。

1亿用户规模下的硬件缺口

过去十多年，云计算服务几乎百分之百基于CPU运行。但随着以ChatGPT为代表的生成式AI时代的到来，数据中心开始进入以GPU和AI加速器为主导的加速计算时代：大量模型训练和推理任务转移至GPU及专用AI加速器，CPU仅承担通用计算、数据处理和系统调度等任务，CPU与GPU在AI服务器中的配比普遍遵循1:4或1:8的模式，CPU在整个AI算力体系中的地位被大幅弱化。但是，随着智能体AI的兴起，这一格局正在被逆转，CPU正重新回到AI算力架构的核心位置。

相对于传统的“问一次答一次”的生成式AI，智能体AI能够持续自主完成多步骤任务的规划与执行，并可无缝对接外部系统、API接口与用户进行复杂交互。每一次智能体交互，都将经过感知（语音/文字输入）、记忆（检索本地信息）、推理（生成结构化指令）、执行（调用工具或应用）等环节。而在这一工作流中，CPU成为了连接模型、数据、应用与外部工具的系统级调度中枢，负责任务编排、资源协调和执行控制等关键工作。

在此背景下，英特尔、AMD等服务器CPU大厂均预测，未来数据中心的CPU与GPU配比将由当前的1:8或1:4将转向1:1。这也意味着，随着智能体AI的，服务器CPU市场将迎来爆发式增长。Arm预测，在当前传统数据中心架构下，每1吉瓦的数据中心算力，对CPU的需求的是3000万个CPU核。而在智能体AI时代，每1吉瓦的数据中心算力，对CPU的需求将会增长到1.2亿个，达到目前的约4倍。

Barron‘s 分析师指出，Muse 这类代理的普及，会大幅推高推理和基础设施负载，而这需要 CPU 。Jefferies 分析师 Jacky He 则在研报中写道：“随着 AI 代理获得更广泛的消费者采用，更高的推理、编排和基础设施负载将利好服务器 CPU 需求。”

Muse目前的默认配置是，每个用户2颗vCPU核心、8GB内存与100GB存储空间，如果未来其用户数量达到1亿，这意味着可能将会需要2亿颗vCPU核心、8亿GB内存和100亿GB存储。外媒Wccftech的分析指出，以每颗AMD EPYC CPU拥有126核心计算，理想条件下需要至少158万颗EPYC CPU。

不过，业界普遍认为实际部署不会完全采取一对一、全天候开机模式。若能在闲置时暂停虚拟机、按需启动，或在多名活跃用户之间共享CPU核心，整体成本与硬件压力都可能明显下降。按10%用户同时活跃计算，CPU需求可降至约15.8万颗；若按50%负载率，则约需79万颗。

因此，真正的瓶颈可能在内存与存储。即便不考虑CPU共享，持久化内存和存储的“常驻”需求更难压缩——虚拟机的状态必须随时可恢复，这意味着存储层无法像CPU那样灵活共享。