前言：

Meta的个人智能体Muse上线，两周内登顶美国App Store免费榜。你关掉App，它还在云端替你填表、砍价、订酒店，因为它不住在手机里，它住在一台独立的云端虚拟机上。

这台昼夜开工的机器，点亮的主要是CPU。算力世界的领奖台上，GPU站了三年，获奖感言都快背熟了。而智能体时代的算力剧本，正在悄悄换角。

作者 | 方文三

图片来源 | 网络

智能体长出了身体，给它交房租的是CPU

9月，Meta正式推出个人AI智能体Muse。用户只需提出目标，它便可以自行制定计划、操作浏览器、填写表单、调用应用，甚至在用户关闭程序后继续执行任务。

Meta给这套系统配置了一项颇有意味的基础设施：Muse Secure VM。

每位用户拥有相互隔离的云端虚拟机，里面有操作系统、文件空间、浏览器和运行环境。智能体可以在其中编写代码、处理文件、执行命令，也能够长期保存工作状态。

这意味着，Muse背后的计算资源已经超出了大模型推理所需的GPU。

9月下旬，部分技术研究者通过Muse执行系统命令，观察到了它所使用的服务器配置。《Tom's Hardware》据此报道，相关虚拟机运行于AMD EPYC Turin处理器平台，单个实例显示约2个虚拟CPU、8GB内存，虚拟机本身没有GPU，模型推理则交由独立的GPU基础设施承担。

大模型负责分析、推理和生成，虚拟机承担任务执行。两套计算资源可以分别扩展，通过网络连接共同完成一次用户请求。

Meta也有自己的商业算盘，9月，公司进一步推出Muse for Small Business，接入Shopify、Slack、Stripe、QuickBooks、Canva等商业工具。

Meta显然希望让智能体进入用户日常工作和企业经营流程，占据更多软件操作入口。

这套架构里还站着更多吃CPU的角色，Meta给Muse配了独立的监控智能体Sentinel，审查每一条发往外部网络的动作，登录凭证存在连智能体自己都读不到的加密库里。

编程智能体Muse Code则靠一套本地事件日志记录每一次模型调用、工具运行和代码编辑，智能体崩溃之后能从中断位置精确恢复。

英特尔与佐治亚理工学院2025年11月发表的论文《以CPU为中心的智能体AI视角》，实测了五类典型智能体负载，CPU端工具处理占总延迟的43.8%至90.6%。一个智能体办事的时间，最高超过九成花在GPU之外的杂务上。

我们习惯用token成本衡量AI的开销，可智能体的成本结构更像一家公司，GPU是负责思考的明星员工，CPU是处理报销、会议室和快递的行政系统。

Muse上线后下载量迅速超过250万，移动端日活达到64.2万，接近ChatGPT上线同期23.1万的3倍，而它背后还站着日活36亿的Meta社交平台。当这种常驻智能体走向亿级用户，行政系统的规模才是那张最大的账单。

从1：8到1：1，GPU第一次要等CPU

数据中心内部的配比变化，把这种转移翻译成了硬件语言。传统AI训练和推理集群里，CPU与GPU的配置比例大约是1：8。

英特尔市场营销集团副总裁郭威今年6月透露，这个比例已经从1：8、1：4回升到1：2，未来可能达到1：1，部分复杂智能体场景甚至需要更高的CPU密度。

英特尔数据中心负责人陈葆立干脆提出了AI工厂架构，把未来数据中心拆成CPU服务器集群、GPU智算集群和高性能存储集群3个部分，CPU负责智能体的执行与编排，GPU负责token生产，而3个集群的数据调度都绕不开CPU。

AI应用从开发者破圈到律师、农民和10岁的小朋友之后，大量原本算不过账的琐碎业务被自动化，这些海量高并发的小脚本吃不下多少GPU，却极度依赖CPU的调度能力。

最戏剧性的表态来自最大的GPU公司自己，今年6月，英伟达在GTC Taipei 2026上发布独立CPU产品线Vera，这是它20多年来第一次单独卖CPU。

黄仁勋给出的理由很直白，智能体时代CPU已经成为数据中心性能的瓶颈，不能让CPU拖慢AI工厂生产token的速度。

在Vera Rubin超算集群里，一个40机架的POD装着1152颗Rubin GPU和最多1088颗Vera CPU，几乎1：1并肩站立。

全球最大的GPU公司亲自下场做CPU，首批客户锁定OpenAI和Anthropic，这个信号比任何研报都响亮。GPU依旧是算力之王，可它第一次发现，开工之前要等CPU把活儿派到手边。

抢在机房建成之前，华尔街先折现了未来

资本市场的反应比数据中心建设快得多，Muse发布后Meta股价单日大涨超过11%，市值一夜增加约1900亿美元，而华尔街很快意识到，智能体故事里最确定的硬件增量，藏在CPU里。

5月，AMD CEO苏姿丰在财报电话会上把服务器CPU的市场规模预测从600亿美元翻倍上调到1200亿美元以上，2025至2030年的复合年增长率从18%提高到35%。作为参照，过去三四年全球CPU市场的年增长率只有3%至4%。

美银证券6月的研报《智能体崛起》更激进，预计全球服务器CPU市场从2025年的352亿美元增至2030年的1701亿美元，复合增速37.1%，出货量从2920万颗增至7470万颗，平均售价从1204美元涨到2277美元。

这份研报首次把市场拆成三块，传统云计算CPU约300亿美元，AI集群头节点CPU约700亿美元，AI智能体独立节点CPU约700亿美元，此板块是2026年才凭空长出来的新品类。

出货量曲线更有冲击力，美银的历史对比显示，2022年AI CPU的出货量相当于AI加速器的19%，2025年升至51%，预计2030年达到127%。

按这个剧本，5年后AI服务器里的CPU数量将超过GPU。摩根士丹利给出的增量判断是，智能体AI将在2030年前为服务器CPU带来325亿至600亿美元的新增需求。

供需紧张已经传导到柜台，KeyBanc调研显示，2026年全球服务器芯片需求年增长30%至40%，英特尔和AMD的服务器CPU产能几乎被抢购一空，价格上调10%至15%，部分产品交期拉长到约6个月。

份额格局也在改写，Mercury Research的数据显示，2026年一季度AMD在服务器CPU市场的收入份额达到46.2%，创下历史新高，Arm架构的出货量份额悄悄爬到了17.7%。

CPU拿回了主角剧本，只是剧本被改写了

智能体时代拼的是系统效率，一个任务从拆解、检索、调用工具到落盘审计，任何一环掉链子，用户体验就当场塌方。

金山云的杨峰有个精准的说法，在Agent架构里，CPU要思考任务怎么编排、知识库怎么检索、工具怎么调用，它是所有GPU请求的驾驭者。主角的位置，从算力的顶点挪到了系统的中枢。

模型厂商也在配合这次搬家，Muse Spark 1.3完成相同任务的工具调用次数比上一代减少约20%，token消耗减少约25%，翻译过来，模型变得更聪明的方式之一是少折腾CPU。

Meta还开源了30B参数的Muse Glimmer，采用宽松的Apache 2.0协议，可以在高端Mac和PC上直接运行智能体，等于给用户留了一条把虚拟机房租搬回自己设备的退路。

云端CPU的爆发与端侧CPU的回归，是同一场复兴的两条支流。

Arm阵营的崛起还意味着，这轮红利不会只流向x86双雄，英伟达、亚马逊、谷歌的自研CPU都在分食这张新餐桌。

结尾：

GPU教会机器做梦，CPU负责把梦落实成日程表。Muse们每替人类办成一件小事，数据中心里就有一颗CPU彻夜不眠。

舞台中央的位置，终究会留给离「完成」二字最近的那颗芯片，这一次，聚光灯照到了那个默默干了40年杂活的老演员身上。

部分资料参考：Meta：《Introducing Muse: The World’s First Personal AI Agent Built for Everyone》，Meta AI Research：《How We Built Safety Into Muse》，The Hacker News：《One Hidden Meta Muse Setting Could Let Attackers Turn the AI Assistant Into a Backdoor》