Ano ang ibig sabihin ng Meta Muse para sa GPU at CPU?

Kasunod ng pagpapalabas ng mga personal na AI intelligent agent gaya ng Meta Muse, ang AI ay umuunlad mula sa passive na chatbot papunta sa mga autonomous na agent na gumagana ng 24/7, na posibleng magtulak pataas ng pag-konsumo para sa CPU, GPU, memorya, at network na imprastraktura.

Ayon sa pinakabagong ulat sa pananaliksik ng Citi noong Oktubre 6, ang mga application ng agent gaya ng Meta Muse ay nagtataas ng mga inaasahan sa merkado ng hardware para sa computing sa bagong antas. Inaasahan ng bangko na sa taong 2030, ang kabuuang global CPU Total Addressable Market (TAM) ay lalago mula $29 bilyon noong 2025 hanggang $300 bilyon, na may annual compound growth rate na 60%.

Sa panig ng GPU, nagdadala rin ang mga agent ng structural na karagdagang demand. Pinagtuunan ng bangko na kung aabot sa 100 milyong daily active users ang Meta Muse, kailangan nito ng humigit-kumulang 200,000 hanggang 390,000 na yunit ng Blackwell-level GPU, na maaaring magdala sa Nvidia ng $7 bilyon hanggang $19 bilyon ng one-time na kita.

Ang trend na ito ay direktang kapaki-pakinabang sa mga pangunahing supplier ng computational power. Tinukoy ng bangko na dahil ang Meta ay isa sa pinakamalaking kliyente ng AMD server business, magiging pangunahing benepisyaryo ang AMD ng muling pagsigla ng CPU, na ang target price ay tinaas sa $800; habang ang Nvidia ay patuloy ding makikinabang mula sa tumataas na demand sa GPU.

Ang pag-usbong ng mga Agent, CPU bilang bagong bottleneck

Bago sumabog ang agent AI, pangunahing limitado ang CPU sa tradisyonal na mga workloads at bilang head node ng mga AI application. Sa head node, ang CPU ay gumaganap lamang bilang tagapangasiwa—ipinapasa ang mga user request sa GPU at nagbabalik ng resulta, habang ang mabigat na matrix multiplication at inference na trabaho ay tinutugunan ng GPU.

Gayunman, binago ng mga intelligent agent ang ganitong gawain. Tinukoy ng Citi sa ulat na “Kung ikukumpara sa tradisyonal na chatbots, naniniwala kami na ang agent AI ay potensyal na nagdadala ng magnitude-level na paglago sa demand sa computing.” Kailangan ng agent na magsagawa ng orchestration, reasoning loop, data processing at security components, dahilan para maging bagong bottleneck ang CPU.

Habang ang AI ay gumagalaw mula model training patungo sa inference, at saka sa autonomous agent workflows, ang ratio ng CPU at GPU ay makabuluhang nagbabago. Sa model training stage, ang ratio ay 1:8; sa inference stage ay 1:4; habang sa agent AI, ang ratio ay umuusbong papuntang 1:1 o mas mataas pa. Inaasahan ng bangko na sa 2030, ang CPU na dedikado sa agent ay lalaki ng 247% annual compound growth rate, at uukupa ng 52% ng buong merkado ng CPU.

Ang Ledger ng GPU Computing Power ng Meta Muse

Ang Meta Muse ay ang unang consumer AI intelligent agent na inilunsad sa tunay na lawak ng social network, at ang computational footprint nito ay isa sa pinakamahalagang variable sa kasalukuyang AI infrastructure. Kumpara sa standard chatbots, tumatakbo ang Muse bilang autonomous agent, kaya ang logic nito sa likod ay sa natural na paraan ay may mas malaking konsumo sa GPU.

Binuo ng Citi ang bottom-up na model ng GPU demand. Sa base case, ipinapalagay na ang tipikal na user ay may 4 na simpleng request kada-araw at 12 agent tasks (gaya ng paghahanap ng restaurant, pagche-check ng schedule at paggawa ng imbitasyon), bawat agent task ay may humigit-kumulang 8 beses ng model invocation. Dahil walang memory ang modelo sa pagitan ng bawat pag-tawag, kailangan nitong basahing muli bawat pagkakataon ang lumalaking “context” ng usapan.

Dahil dito, tinatayang ng bangko na bawat user ng Muse ay nangangailangan ng humigit-kumulang 0.0020 na piraso ng GB200-level GPU. Sa madaling salita, ang isang GPU ay makakapagsilbi lang ng humigit-kumulang 500 na user. Binilinan ng bangko: “Sa estruktura, mas mabigat ang inference workload ng agent kumpara sa chatbot.” Sa parehong framework, ang GPU capacity na kailangan ng chatbot user ay 12.5% hanggang 25% lamang kumpara sa agent user.

Domino Effect ng Memorya at Network

Ang agent workflow ay hindi lang nagtataas ng demand sa logical chips, kundi kumakalat din ang domino effect nito sa larangan ng memorya at network. Sa memory side, mataas ang attach rate ng CPU sa LP, DDR, at SSD. Kamakailan ay tinukoy ng Micron na ang agent workflow na kinakatawan ng Meta Muse ay tumutulong sa consumers na mag-extract ng mas maraming value, habang ang CPU ay nagiging bottleneck na para sa DRAM.

Sa network side, substansyal na pinapataas ng agent AI ang network traffic. Sinabi ng Nvidia management sa pag-uusap nila sa Citi: “Ang intelligent agents ay maaaring magpatakbo ng maraming oras o tuloy-tuloy... kaya nagdudulot ng mas maraming Token generation sa consumer at enterprise workloads.”

Ang ganitong tuloy-tuloy na pagpapatakbo ay nangangahulugan na lalo nang agents, hindi tao, ang bumibisita sa mga infrastructure. Ito ay nagtutulak sa paglago ng "north-south" traffic sa loob ng data center (gaya ng storage access, security, configuration at iba pang serbisyo), na lumilikha ng bagong oportunidad para sa acceleration gamit ang DPU (gaya ng BlueField 4) at Spectrum-X Ethernet.