Что означает Meta Muse для GPU и CPU?

С выходом персональных AI-агентов, таких как Meta Muse, искусственный интеллект эволюционирует от пассивных чат-ботов к автономно работающим агентам, действующим круглосуточно. Это, вероятно, приведет к росту потребления CPU, GPU, оперативной памяти и сетевой инфраструктуры.

Согласно последнему исследовательскому отчету Citi от 6 октября, приложения-агенты, такие как Meta Muse, поднимают рыночные ожидания относительно вычислительного оборудования на новый уровень. Банк прогнозирует, что к 2030 году потенциальный общий мировой рынок CPU (TAM) вырастет с 29 млрд долларов в 2025 году до 300 млрд долларов, при среднегодовом темпе роста 60%.

На стороне GPU агенты также формируют структурный рост спроса. Банк оценивает, что если Meta Muse достигнет 100 миллионов ежедневных активных пользователей, потребуется примерно от 200 000 до 390 000 GPU уровня Blackwell, что может принести Nvidia разовый доход в размере от 7 до 19 миллиардов долларов.

Эта тенденция напрямую благоприятна для ключевых поставщиков вычислительной мощности. По мнению банка, поскольку Meta является одним из крупнейших клиентов серверного бизнеса AMD, именно AMD станет основным бенефициаром возрождения CPU, и целевая цена акций компании повышена до 800 долларов. Одновременно Nvidia продолжит получать выгоду от всплеска спроса на GPU.

Рост агента: CPU становится новым узким местом

До взлета AI-агентов CPU в основном ограничивался традиционными рабочими нагрузками и ролью головного узла (Head Node) в AI-приложениях. В головном узле CPU выполняет лишь функцию «управления»: передает пользовательский запрос на GPU и возвращает результат, а тяжелые вычисления, такие как матричное умножение и вывод, выполняются на GPU.

Однако агенты изменили это распределение задач. Как отмечает Citi в своем отчете, «по сравнению с традиционными чат-ботами, мы считаем, что AI-агенты являются драйвером потенциального кратного роста вычислительных потребностей». Агенты должны обрабатывать оркестровку, циклы вывода, обработку данных и компоненты безопасности, что превращает CPU в новое узкое место.

По мере того как AI переходит от обучения моделей к выводу, а затем и к автономным рабочим процессам агентов, соотношение CPU и GPU меняется на глазах. На этапе обучения моделей оно составляет 1:8, на этапе вывода — 1:4, а в эпоху AI-агентов движется к 1:1 и даже выше. Банк ожидает, что к 2030 году CPU, использующиеся исключительно для агентов, будут расти с темпом 247% в год и займут 52% всего рынка CPU.

Граф вычислительной мощности GPU для Meta Muse

Meta Muse — это первый потребительский AI-агент, развернутый в реальном масштабе социальной сети. Его вычислительный след — одна из важнейших переменных в современной AI-инфраструктуре. В отличие от стандартных чат-ботов, Muse как автономный агент работает непрерывно, что по своей логике приводит к значительно большему потреблению GPU.

Citi построил модель оценки спроса на GPU снизу вверх. В базовом сценарии предполагается, что типичный пользователь выполняет 4 простых запроса и 12 задач агентов в день (например, поиск ресторана, сверка календаря, составление приглашения), каждая из которых включает примерно 8 вызовов модели. Поскольку модель не запоминает состояние между вызовами, ей каждый раз приходится прочитывать все растущий контекст диалога.

Исходя из этого, банк оценивает, что на каждого пользователя Muse необходимо приблизительно 0,0020 GPU уровня GB200. Проще говоря, один GPU может обслуживать лишь около 500 пользователей. Банк подчеркивает: «Агенты структурно создают более тяжелую нагрузку на вывод, чем чат-боты». В той же архитектуре емкость GPU, необходимая для чат-бота, составляет лишь 12,5%-25% объема, требующегося агенту.

Цепная реакция памяти и сетей

Рабочие процессы агентов предъявляют более высокие требования не только к логическим чипам, но и вызывают цепную реакцию в области памяти и сети. В части памяти CPU сопровождаются высоким дополнительным спросом на LP, DDR и SSD. Micron недавно отметил, что рабочие процессы агентов, представленных Meta Muse, приносят потребителям больше пользы, а сами CPU становятся драйвером дополнительных ограничений по DRAM.

На стороне сетей AI-агенты существенно увеличивают сетевой трафик. Руководство Nvidia в беседе с Citi заявило: «Агенты могут работать в течение нескольких часов или даже непрерывно... что приводит к гораздо большему числу сгенерированных токенов в пользовательских и корпоративных нагрузках».

Такой непрерывный режим работы означает, что инфраструктуру все чаще используют агенты, а не люди. Это стимулирует рост внутреннего «север-юг» трафика внутри дата-центров (например, доступ к хранилищам, безопасность, конфигурационные сервисы), создавая новые возможности для ускорения с помощью DPU (например, BlueField 4) и Ethernet Spectrum-X.