Co Meta Muse oznacza dla GPU i CPU?
W przeciwieństwie do chatbotów o wysokim współczynniku bezczynności, inteligentne agenty takie jak Meta Muse, dzięki swojej „zawsze aktywnej” funkcjonalności, generują wykładniczy wzrost zużycia mocy obliczeniowej. Citi przewiduje, że ta tendencja doprowadzi do zmiany proporcji CPU-GPU z 1:8 podczas fazy szkolenia do 1:1, co sprawi, że do 2030 roku rynek CPU osiągnie wartość 300 miliardów dolarów. Jednocześnie tylko 100 milionów codziennych użytkowników Muse może przynieść firmie Nvidia nawet 19 miliardów dolarów przychodów z GPU.
Wraz z publikacją takich indywidualnych inteligentnych agentów AI jak Meta Muse, AI ewoluuje z pasywnego chatbota w autonomiczne, całodobowo działające agentów, co może zwiększyć zapotrzebowanie na CPU, GPU, pamięć oraz infrastrukturę sieciową.
Według najnowszego raportu badawczego Citi z 6 października, aplikacje agentów, reprezentowane przez Meta Muse, podnoszą oczekiwania rynkowe wobec sprzętu obliczeniowego na nowy poziom. Bank prognozuje, że do 2030 roku globalny potencjalny rynek (TAM) CPU wzrośnie z 29 miliardów dolarów w 2025 roku do 300 miliardów dolarów, z roczną złożoną stopą wzrostu na poziomie 60%.
Po stronie GPU agentów również powodują strukturalny wzrost zapotrzebowania. Według szacunków banku, jeśli Meta Muse osiągnie 100 milionów aktywnych użytkowników dziennie, będzie potrzebować od 200 000 do 390 000 GPU klasy Blackwell, co może przynieść Nvidia jednorazowy przychód w wysokości 7 do 19 miliardów dolarów.
Ten trend bezpośrednio sprzyja kluczowym dostawcom mocy obliczeniowej. Bank wskazuje, że Meta jest jednym z największych klientów serwerowych AMD, przez co AMD stanie się głównym beneficjentem odrodzenia CPU, a docelowa cena została podniesiona do 800 dolarów; jednocześnie Nvidia będzie nadal korzystać ze wzrostu zapotrzebowania na GPU.
Wzrost agentów, CPU staje się nowym wąskim gardłem
Przed eksplozją AI agentów, CPU ograniczały się do tradycyjnych obciążeń roboczych i działały jako head node w aplikacjach AI. W tych head nodach CPU odpowiadały jedynie za „zarządzanie”: przesyłały żądania użytkownika do GPU i zwracały wynik, a ciężka praca w zakresie mnożenia macierzy i inferencji spoczywała na GPU.
Jednak agenci zmieniają ten podział pracy. Citi w raporcie podkreśla: „W porównaniu z tradycyjnymi chatbotami, uważamy, że AI agentów jest czynnikiem napędzającym ilościowy wzrost zapotrzebowania na obliczenia.” Agent musi obsługiwać orkiestrację, pętle wnioskowania, przetwarzanie danych oraz komponenty bezpieczeństwa, przez co CPU staje się nowym wąskim gardłem.
Wraz z przejściem AI od treningu modelu do wnioskowania, a następnie do autonomicznych workflow agentów, stosunek CPU do GPU zmienia się znacząco. W fazie treningu modelu stosunek ten wynosi 1:8, w fazie wnioskowania 1:4, natomiast w AI agentów ewoluuje w stronę 1:1 lub nawet wyższych poziomów. Bank prognozuje, że do 2030 roku CPU dedykowane agentom będą rosły z roczną złożoną stopą wzrostu 247%, obejmując 52% całego rynku CPU.
Księga GPU obliczeniowej agentów Meta Muse
Meta Muse to pierwszy konsumencki AI agent opublikowany na rzeczywistą skalę sieci społecznościowej, a jego ślad obliczeniowy jest jednym z najważniejszych czynników w obecnej infrastrukturze AI. W przeciwieństwie do standardowych chatbotów, Muse jako autonomiczny agent działa nieprzerwanie, a jego logika bazowa sprawia, że jego zużycie GPU jest znacznie większe.
Citi zbudowało model zapotrzebowania na GPU od podstaw. W scenariuszu bazowym przyjęto, że typowy użytkownik każdego dnia wykonuje 4 proste zapytania oraz 12 zadań agentów (takich jak znalezienie restauracji, sprawdzenie kalendarza i sporządzenie zaproszenia), z każdym zadaniem agentów składającym się z około 8 wywołań modelu. Ponieważ model nie zapamiętuje kontekstu między wywołaniami, musi za każdym razem ponownie odczytać rosnącą historię rozmów.
Na tej podstawie bank szacuje, że każdy użytkownik Muse potrzebuje około 0,0020 GPU klasy GB200. Mówiąc prościej, jedna GPU może obsłużyć około 500 użytkowników. Bank podkreśla: „Zadania agentów są strukturalnie bardziej wymagające obliczeniowo niż chatboty.” W tym samym układzie, użytkownicy czatowi potrzebują jedynie 12,5% - 25% mocy GPU w porównaniu do użytkowników agentów.
Efekt domino w pamięci i sieciach
Workflow agentów nie tylko stawiają wyższe wymagania wobec chipów logicznych, ale też efekt domino rozprzestrzenia się na pamięć i sieci. W zakresie pamięci, CPU wykazują wysoką dodatkową zależność od LP, DDR i SSD. Micron ostatnio wskazał, że workflow agentów reprezentowane przez Meta Muse dostarczają konsumentom większą wartość, a CPU generują większe ograniczenia dla DRAM.
Po stronie sieci, AI agentów znacząco zwiększa ruch sieciowy. Zarząd Nvidia w rozmowie z Citi powiedział: „Agent może być uruchamiany godzinami lub bez przerwy… napędzając generowanie znacznie większej liczby Tokenów w obciążeniach konsumentów i przedsiębiorstw.”
Taka nieprzerwana praca oznacza, że coraz częściej infrastrukturę odwiedzają agenci, a nie ludzie. To napędza wzrost „południkowych” i „północnych” przepływów w data center (takich jak dostęp do pamięci, bezpieczeństwo, konfiguracja usług), tworząc nowe możliwości przyspieszenia dzięki użyciu DPU (np. BlueField 4) i Spectrum-X Ethernet.
Zastrzeżenie: Treść tego artykułu odzwierciedla wyłącznie opinię autora i nie reprezentuje platformy w żadnym charakterze. Niniejszy artykuł nie ma służyć jako punkt odniesienia przy podejmowaniu decyzji inwestycyjnych.
Może Ci się również spodobać
Nie patrz już na Micron (MU.US) przez pryzmat cyklu konsumenckiego! AI zmienia logikę NAND, a korporacyjne SSD przejmują kontrolę nad kształtowaniem cen
Eudaemon Research wcześniej oceniało, że w strukturze biznesowej Micron DRAM jest bardziej odporny niż NAND, a ceny i popyt na NAND szybko powrócą do normy. Jednak najnowsze dane za IV kwartał fiskalny Micron skłoniły ich do zmiany tego poglądu: NAND nie jest już jednorodnym rynkiem, a logika podaży, popytu i cen dla konsumenckiego NAND oraz SSD dla centrów danych przedsiębiorstw wyraźnie się różnicuje.
Cena docelowa Micron została znacznie podniesiona przez banki inwestycyjne, maksymalnie do 3000 dolarów.
DA Davidson podniósł cenę docelową dla Micron do 3000 dolarów, co oznacza potencjalny wzrost o 176% względem obecnego kursu akcji. Kluczowym argumentem jest to, że napędzany przez AI supercykl pamięci potrwa do 2028 roku, a luka między podażą a popytem będzie się stale powiększać. Istotnym czynnikiem jest tu „wymiana” po stronie popytu — kupujący zmieniają się z bardziej ryzykownych, mniejszych klientów na gigantów technologicznych takich jak Amazon, Microsoft i Google. Micron zabezpieczył już zobowiązania wykonania kontraktów o wartości 150 miliardów dolarów.
Ceny ropy naftowej nadal rosną, powodując obawy dotyczące inflacji; globalne rynki akcji są pod presją i spadają, koreańskie akcje zakończyły dzień ze spadkiem 2,6%, a rentowności amerykańskich obligacji rośnie
W czwartek ropa Brent wzrosła o około 2,5%, przekraczając poziom 102 dolarów za baryłkę. W związku z tym rentowność 10-letnich obligacji skarbowych Stanów Zjednoczonych wzrosła o 3 punkty bazowe do 5,31%, zbliżając się do najwyższego poziomu od 2002 roku. Rynki akcji w Azji podążały za środową przeceną na giełdach amerykańskich, spadając ogółem o 1,2%. Indeks Nikkei 225 w Japonii zakończył dzień spadkiem o 1,4%, a główny indeks giełdowy w Seulu w Korei Południowej stracił aż 2,6%.
Dyrektor generalny JPMorgan ponownie ostrzega rynek obligacji: przedsiębiorstwa pożyczające pieniądze zaczną odczuwać presję.
Globalna rywalizacja o kapitał może zacząć wywierać presję na pożyczkobiorców korporacyjnych.
Ceny krypto
Więcej
