Що означає Meta Muse для GPU та CPU?

З появою особистих AI-агентів, таких як Meta Muse, AI еволюціонує від пасивних чат-ботів до автономних агентів, які працюють цілодобово, що може суттєво підвищити споживання CPU, GPU, пам’яті та мережевої інфраструктури.

За даними останнього дослідження Citi від 6 жовтня, такі агентські застосунки, як Meta Muse, встановлюють нові очікування щодо ринку обчислювального обладнання. Банк прогнозує, що до 2030 року глобальний споживчий потенціал ринку CPU (TAM) зросте з 29 млрд доларів у 2025 році до 300 млрд доларів, із річною складною ставкою зростання до 60%.

На стороні GPU агентські застосунки також формують структурний додатковий попит. За підрахунками банку, якщо Meta Muse матиме 100 мільйонів активних користувачів на добу, то знадобиться приблизно від 200 до 390 тисяч GPU рівня Blackwell, що може принести Nvidia одноразовий дохід у 7–19 млрд доларів.

Ця тенденція напряму сприятлива для основних постачальників обчислювальної потужності. Банк відзначає, що оскільки Meta є одним із найбільших клієнтів серверного бізнесу AMD, AMD стане головним бенефіціаром відновлення CPU, її цільова ціна підвищена до 800 доларів; водночас Nvidia також отримуватиме переваги через зростання попиту на GPU.

Бурхливий розвиток агентів: CPU стає новим вузьким місцем

До появи AI-агентів CPU головним чином використовувалися для традиційних завдань та як Head Node AI-застосунків. У Head Node CPU виконувала лише “керування” — передавала запити користувачів на GPU і повертавала результати, а важкі операції множення матриць і інференції здійснювали GPU.

Агенти змінюють цей розподіл. У звіті Citi зазначено: “Порівняно з традиційними чат-ботами, ми вважаємо, що AI-агенти є драйвером потенційного експоненційного зростання потреб в обчисленнях.” Агентам потрібно виконувати оркестрування, цикли інференції, обробку даних і роботу з безпековими компонентами, що робить CPU новим вузьким місцем.

Із переходом AI від навчання моделей до інференції та автономних робочих потоків агентів співвідношення CPU та GPU помітно змінюється: під час тренування моделей це співвідношення становить 1:8, при інференції — 1:4, а для агентських AI — рухається до 1:1 або ще вище. За прогнозом банку, до 2030 року CPU, призначені спеціально для агентів, зростуть із річною складною ставкою 247% та займуть 52% всього ринку CPU.

GPU-бухгалтерія Meta Muse

Meta Muse — перший споживацький AI-агент, запущений у масштабах реальної соцмережі, і його обчислювальний слід — один з найважливіших наразі для AI-інфраструктури. На відміну від стандартних чат-ботів, Muse — автономний агент із постійною роботою, і це зумовлює значно більший попит на GPU.

Citi розробила модель попиту на GPU знизу вверх. У базовому сценарії типовий користувач щодня виконує 4 простих запити й 12 агентських задач (наприклад, пошук ресторану, перевірка календаря, складання запрошення), причому кожна задача містить близько 8 звернень до моделі. Оскільки модель не має пам’яті між зверненнями, їй щоразу потрібно знову зчитувати дедалі більше контексту діалогу.

На цій основі банк обрахував, що кожен користувач Muse потребує приблизно 0,0020 GPU рівня GB200. Тобто один GPU може обслуговувати близько 500 користувачів. Банк підкреслює: “Агенти структурно мають важче навантаження з інференції, ніж чат-боти.” За тими ж розрахунками, для чат-ботів потрібно лише 12,5%–25% GPU потужності порівняно з агентськими користувачами.

Ланцюговий ефект для пам’яті та мережі

Робочі процеси агентів підвищують не лише вимоги до логічних чіпів, але й викликають ланцюгові реакції у сфері пам’яті й мереж. Для пам’яті CPU має високий додатковий коефіцієнт для LP, DDR та SSD. Підприємство Micron нещодавно зазначило, що агентські робочі потоки, такі як Meta Muse, підвищують споживацьку цінність, а CPU створює більше обмежень для DRAM.

На мережевій стороні агентський AI суттєво збільшує мережевий трафік. Керівництво Nvidia у спілкуванні із Citi зазначило: “Агенти можуть працювати кілька годин або безперервно… що призводить до значно більшого генерування Token у споживацьких та корпоративних робочих навантаженнях.”

Така неперервна робота означає, що все більше інфраструктуру використовують агенти, а не люди. Це стимулює зростання внутрішнього “північ-південь” трафіку в дата-центрах (наприклад, доступ до сховищ, безпека, налаштування тощо), створюючи нові можливості для прискорення з використанням DPU (на кшталт BlueField 4) та Spectrum-X Ethernet.