核心观点
观点一：Muse让AI从“对话”走向“办事”，C端智能体成为CPU需求新引擎，随着日活跃用户扩大，或将催生数百万级新增CPU需求。
观点二：智能体工作负载高度依赖CPU，算力架构与市场空间同步重构，英特尔、AMD等巨头直接受益。
观点三：供应紧张加速国产替代。 国际CPU供应紧张、价格上涨，国产替代紧迫性提升，但仍需正视技术差距、生态建设与供应链安全三重挑战。
一、Meta Muse横空出世：C端个人通用AI智能体时代来临
Meta今年9月正式推出的个人AI智能体应用Muse，率先面向美国用户上线，支持iOS、Android、网页端及WhatsApp多平台使用。Muse定位为能够理解用户目标、全天候替用户执行任务的数字助理，标志着C端AI应用从对话交互迈向自主执行的全新阶段。
（一）Muse的核心能力：从“聊天”到“办事”的跨越
与传统的AI聊天机器人不同，Muse具备多步骤任务执行能力，能够根据用户需求自主拆解任务、打开网页、填写表单并调用外部应用，完成收发邮件、预订旅程、整理信息等复杂操作。这一产品形态的跃迁，意味着AI不再仅仅是回答问题的工具，而是能够主动规划并执行任务的数字员工。
Meta为Muse配备了强大的技术底座。Muse Spark 1.1作为其核心模型，拥有100万Token上下文窗口，具备主动上下文管理能力，并能将工作分派给平行运行的子代理。在电脑操作能力方面，Muse可以操作桌面、浏览器与移动装置，能够判断何时采用自动化、何时直接操作界面，当撰写脚本效率较高时自动生成脚本，若直接点击界面更快则直接操作，并尽可能将多项操作整合为同一步骤完成。
（二）用户增长远超预期：十天突破70万大关
Muse一经推出便在市场上引发强烈反响。据公开数据显示，Muse上线仅十天用户规模便达到70万人，增长速度远超市场预期。这一数字背后，反映出C端用户对“能办事的AI”的强烈需求被快速激活。
更值得关注的是Meta的算力承诺。Meta承诺为每位Muse用户提供一台专属虚拟机，配备2个虚拟CPU、8GB内存和100GB固态硬盘。这一配置标准意味着，每新增一个活跃用户，就会直接对应到后端计算资源的消耗。初步测算表明，随着Muse的日活跃用户规模持续扩大，其可能会刺激对数百万额外CPU的需求。
（三）AI智能体浪潮：从B端走向C端的范式转移
Muse的爆火并非孤立事件，而是AI智能体从B端向C端渗透的标志性事件。自2025年以来，智能体技术快速演进，正在从被动响应需求向自主规划、自主执行转化。2026年初，OpenClaw在技能体系、任务规划执行、记忆系统等方面的创新，再次推动智能体技术革新，并形成ClawHub技能开放生态。同期，中国厂商也推出了如CoPaw、QClaw等新型智能体产品。
AI应用正迎来重大变化，由简单对话助手升级为可自主拆解任务、联动多工具、完成长周期作业的智能执行主体。产品聚焦办公、浏览器、代码、内容生产等场景落地，MCP交互协议加速普及，多智能体协同方案逐步商用。行业竞争重心已从基础交互体验，转向可闭环创造业务价值的完整智能工作流。
二、智能体AI重塑算力格局：CPU重返舞台中央
长期以来，GPU被视为AI算力的代名词，但随着智能体时代的到来，CPU的战略地位正在快速提升。
（一）CPU交货周期大幅拉长：供需失衡信号显现
集邦咨询最新报告指出，在AI智能体浪潮下，全球服务器CPU交付周期已拉长至25至30周，而常规平衡市场情况下仅为16至20周，交付周期近乎翻倍。这一数据直观地反映了当前CPU市场供需关系的紧张程度。
据路透社此前报道，AMD和英特尔已向中国客户发出预警：CPU将面临供应紧张，交付周期拉长至六个月，价格上涨超过10%。自2025年以来，主流CPU价格涨幅已超过10%，DDR5内存价格涨幅约为4倍。因GPU升级涨价和相关硬件涨价，AI算力服务器的整体成本也同步快速增加。
【图表：CPU交货周期对比图】
（二）智能体工作负载：CPU密集型的新范式
为什么AI智能体会带来如此巨大的CPU需求？核心原因在于，智能体AI的执行模式与以往截然不同。传统的大模型推理主要依赖GPU进行矩阵运算，而智能体工作负载则大量涉及CPU密集型任务：
规划与编排：智能体需要将一个复杂任务分解为多个子任务，这需要CPU进行大量的逻辑判断和流程控制。
工具调用：智能体需要调用外部API、数据库、代码解释器等工具，每个调用都涉及网络I/O和数据搬运。
多轮推理：智能体可能需要与环境交互数十轮才能完成任务，每一轮都需要CPU处理上下文和状态。
多智能体协作：多个AI智能体可能同时运行，相互通信和协调。
研究数据也支持这一判断。佐治亚理工与英特尔的研究指出，在智能体工作负载中，CPU上的工具处理环节占总延迟的50%到90%。也就是说，很多时候真正让用户等待的不是GPU本身，而是GPU在等待CPU完成工具调用、数据处理和任务安排，再把下一批输入送过来。
汇丰证券研究报告则给出另一个角度：在现代智能体工作流中，约44%的底层计算任务高度依赖CPU，是传统文本生成模型的三到四倍。
（三）算力架构变革：CPU与GPU配比从1：8走向1：1
过去，AI服务器通常采用“一两颗CPU搭配八颗顶级GPU”的配置，CPU与GPU配比约为1：8。但随着AI工作负载从训练转向推理，再进一步走向智能体，这一配比正在发生根本性变化。
AMD董事长兼CEO苏姿丰多次强调，业界此前低估了CPU在AI时代的价值。随着智能体AI的发展，AI基础设施的架构将由之前以GPU为主，转向CPU与GPU并重。AI服务器内的CPU与GPU的配比，将由原来的1：8转向1：1，这在当前庞大的GPU需求基础上，进一步带来巨大的CPU需求。
英伟达自己也承认，“在扩展AI和智能体工作流程方面，CPU正成为瓶颈”。英伟达早在2021年就推出了数据中心芯片Grace CPU，如今第二代Vera已进入投产阶段，并与Meta签下多年协议，首次大规模独立部署Grace CPU。
（四）市场空间广阔：数据中心CPU市场加速扩容
智能体AI的兴起为CPU市场打开了全新的增长空间。根据AMD公布的预测数据显示，AI需求正在推动数据中心AI加速器和数据中心CPU的TAM加速增长，预计到2030年将分别达到1.4万亿美元和2200亿美元，5年间的年复合增长率分别为45%和50%。
美国银行预测，CPU市场规模有望从2025年的270亿美元增长至2030年的600亿美元。苏姿丰也表示，未来五年，数据中心CPU市场的年复合增长率将超过35%，远高于过去几年个位数的增速。
Arm同样看好这一市场，预计未来五年数据中心CPU的潜在市场总额将增长到每年约1000亿美元。Arm首席执行官哈斯表示：“当你进入一个智能体化的世界，人类在一两分钟内可以生成100个token，而一个AI智能体能生成的数量是这个数字的15倍。这些全都是CPU的工作。”
【图表：数据中心CPU市场规模预测图】
（五）国际巨头受益：英特尔、AMD迎来战略机遇
CPU需求的爆发式增长，直接利好英特尔、AMD等传统CPU巨头。对于AMD而言，智能体AI已成为其CPU战略的第一优先级。AMD推出的第六代EPYC CPU Venice，号称是全球最好面向云端、企业与AI的服务器CPU，这也是AMD首次在CPU发布当中将AI与云、企业并列。
财报数据显示，2025年第四季度，AMD数据中心业务营收达到创纪录的54亿美元，同比增长39%。这一增长背后，AI智能体带来的CPU需求功不可没。
英特尔同样在积极布局智能体AI时代的CPU市场。英特尔一位副总裁曾用一个比喻解释：智能体工作流本质上是一组独立智能体的协作。几十上百个智能体要互相通信，就需要不同的“位置”来运行，而这些位置指的就是CPU。
Meta的基础设施主管桑托什·贾纳丹表示，公司的目标是“为数十亿人提供个人超级智能”，这是一项艰巨的任务，需要巨大的电力、土地和硬件，但“最重要的是，这需要硅。大量的硅。目前绝对没有放缓的迹象。”
三、对中国CPU企业的影响与机遇
智能体AI带来的CPU需求爆发，对中国CPU产业而言既是挑战也是机遇。一方面，国际CPU供应紧张、价格上涨，可能加剧国内算力供给压力；另一方面，国产替代的紧迫性进一步提升，为国内CPU企业创造了更大的市场空间。
（一）国产CPU产业格局：多点开花，生态渐成
经过多年发展，中国CPU产业已形成多技术路线并行发展的格局。其中，海光信息凭借x86指令集兼容性和生态优势，在国产高端CPU市场占据重要地位；飞腾、鲲鹏基于Arm架构，在政务、电信等领域广泛应用；龙芯则坚持自主指令集路线，构建完全自主的技术体系。
海光信息作为国产CPU的代表企业之一，其CPU产品兼容x86指令集，处理器性能参数优异，支持国内外主流操作系统、数据库、虚拟化平台或云计算平台，能够有效兼容目前存在的数百万款基于x86指令集的系统软件和应用软件，具有优异的生态系统优势。海光DCU则兼容主流商业计算软件和人工智能软件，软硬件生态丰富，主要面向大数据处理、商业计算等计算密集型应用领域。
目前，海光CPU系列产品已在电信、金融、互联网、教育、交通等重要行业中实现规模化部署。海光构建了CPU+DCU双芯协同模式，以CPU作为通用算力底座、DCU作为AI加速引擎，形成系统级解决方案；同时，依托x86架构的生态兼容性，显著降低用户的迁移与运维成本。
（二）智能体AI带来的新机遇
智能体AI浪潮为国产CPU企业带来了新的发展机遇：
第一，市场需求扩容。智能体AI催生的新增CPU需求，为国产CPU企业提供了更大的市场空间。随着AI智能体应用从互联网向政务、制造、金融、教育、医疗、机器人及智能终端等领域拓展，对国产CPU的需求也将持续增长。
第二，国产替代加速。国际CPU供应紧张、价格上涨，使得更多企业和机构开始考虑国产替代方案。海光等国产CPU凭借性能提升和生态完善，正在加速进入更多关键行业。在信息技术应用创新持续深化的背景下，国内众多龙头企业基于国产高端处理器加速开展生态建设。
第三，技术路线契合。智能体工作负载对CPU的单线程性能、内存带宽、I/O能力等提出了新的要求，这为国产CPU企业提供了弯道超车的机会。国产CPU企业可以针对智能体工作负载进行定向优化，打造更适合AI智能体场景的产品。
（三）挑战与展望
尽管面临重大机遇，中国CPU企业也需清醒认识到挑战：
技术差距仍然存在。与英特尔、AMD等国际巨头相比，国产CPU在先进制程、单线程性能、生态完善度等方面仍有差距。智能体AI对CPU性能提出了更高要求，国产企业需要持续加大研发投入。
生态建设任重道远。CPU的竞争力不仅取决于硬件性能，更取决于软件生态。国产CPU需要持续完善操作系统、数据库、中间件、AI框架等全栈生态适配，降低用户迁移成本。
供应链安全需关注。当前全球半导体产业链面临地缘政治博弈带来的不确定性，国产CPU企业需要加强供应链自主可控能力，确保产能稳定供应。
总体而言，Meta Muse引爆的C端AI智能体浪潮，正在深刻改变全球算力产业格局。CPU从AI时代的"配角"重新走向"主角"，市场需求迎来新一轮爆发。对于中国CPU企业而言，这既是严峻的挑战，也是历史性的机遇。唯有持续加大研发投入、完善生态建设、提升产品竞争力，才能在这场智能体AI的算力革命中抓住机遇，实现跨越式发展。
