Muse登上App Store免费榜第一，CPU板块为何突然大涨？
Muse重新引发市场对CPU的关注，但 Agent 商业化的长期前景仍取决于用户留存、安全隐私及平台生态开放等因素。
Meta推出的AI智能体Muse快速走红，正在让市场重新关注AI基础设施中长期被GPU光环掩盖的另一部分：CPU。9月22日，A股CPU概念走强，截至当天收盘，海光信息、龙芯中科涨幅分别达到3.88%、2.41%。
隔夜美股市场，AI和芯片股同样明显上涨，AMD上涨9.9%，市值首次突破1万亿美元，英特尔上涨约12%，Arm上涨17%，费城半导体指数上涨4.3%。与以往围绕GPU、模型训练和数据中心的讨论不同，Muse所代表的并不是传统聊天机器人，而是能够代表用户执行任务的个人AI智能体。
随着Agent需要拆解任务、调用工具、访问数据库、执行应用并进行多轮推理，市场开始重新评估一个此前相对容易被忽视的问题：Agent规模化之后，到底需要多少CPU？不过，Muse的早期爆发还不能直接等同于Agent已经形成稳定的商业需求。
用户是否会长期使用，AI智能体能否持续调用更多第三方服务，以及隐私、安全和平台开放程度等问题，都将决定这一模式最终能够走多远。Muse为什么突然火了？9月8日，Meta正式推出Muse，并将其定义为面向普通用户的个人AI智能体。与传统聊天机器人主要提供问答不同，Meta希望Muse直接替用户完成任务，例如发送邮件、预订旅行和购物等。
从技术架构看，Muse并不只是一个模型。Meta为其配备了独立的“Secure VM”，其中包含浏览器以及与用户相关的数据；底层由Meta的Muse Spark模型提供能力。对于涉及敏感操作的任务，Meta还设置了权限确认和安全控制机制。
Muse上线后的用户增长速度成为市场关注的关键。Sensor Tower数据显示，Muse上线后在美国iOS平台的下载量快速增长。9月18日，Muse登顶美国App Store免费应用榜，此前其在美国iOS上的累计下载量已达到约73万。
Muse的走红，也成为市场重新关注CPU需求的一个触发因素。过去一轮生成式AI基础设施投资，最直观的受益者是GPU。大模型训练和推理中的矩阵计算需要大量并行算力，GPU因此成为AI服务器的核心部件之一。
但Agent的工作方式有所不同。一个Agent接到任务之后，需要进行任务拆解、调用工具、访问数据库、执行应用、进行多轮推理并协调不同模型。这意味着除了GPU承担模型计算外，CPU需要承担更多任务调度、数据处理和系统控制工作。
9月22日的英特尔技术创新与产业生态大会上，英特尔中国区总经理郭威在谈及CPU市场时表示，机构对2030年CPU市场规模的预测正在明显上调。同时，随着AI负载占比提升，CPU在服务器中的作用也将发生变化。
郭威表示，在大模型训练阶段，CPU与加速器配比为1:8，GPU承担核心计算；进入智能体时代，大量任务编排、逻辑调度、多步骤推理工作交由CPU完成，二者配比逐步趋近1:1。他认为，智能体场景需要CPU、GPU、IPU协同工作，依靠全栈异构算力支撑复杂Agent工作流。这意味着，AI算力需求并不一定只是GPU需求的简单延伸。
随着Agent承担更多实际任务，CPU所承担的工作负载也可能随之增加。CPU需求涨了，但挑战也来了 Muse的走红，进一步推高市场对全球CPU公司的关注度。当地时间9月21日，AMD上涨9.9%，市值首次突破1万亿美元，英特尔上涨约12%，Arm上涨17%。
市场开始重新关注Agentic AI对服务器CPU需求的潜在拉动。AMD此前已经上调了对服务器CPU市场的预期。AMD表示，受Agentic AI带动，预计服务器CPU的整体可服务市场到2030年将超过1200亿美元，年均增速超过35%。
Arm也给出了类似方向的判断。随着Agent持续运行，Arm认为，数据中心每吉瓦所需要的CPU容量可能超过目前水平的4倍，到2030年相关CPU市场机会可能超过1000亿美元。从产业逻辑看，Agent与传统聊天机器人的一个重要区别，在于它不只是产生一次回答，而是需要持续调用模型、工具和软件。
任务越复杂，背后的计算、数据移动、内存访问以及系统调度就越多。因此，Agent规模化可能改变AI服务器内部CPU与加速器之间的工作分工。但一个爆款应用的出现，并不代表Agent需求已经完成商业闭环。
首先，Muse目前仍处于早期阶段，下载量不等于长期活跃用户，更不意味着每个用户都会持续运行高强度Agent任务。其次，Agent要真正进入大规模应用，还要解决权限、安全、隐私、可靠性以及第三方平台开放等问题。更值得关注的是，Agent能否进入真实消费场景，并不完全取决于模型本身。
亚马逊近期开始阻止Muse在Amazon上代用户购物，并称未经授权的AI Agent访问违反其网站使用条款。亚马逊还表示，Muse在浏览网站时没有表明自身为AI Agent，并对用户凭证和账户安全提出担忧。Meta此前则称，Muse无法看到用户的密码和支付信息。
这一事件暴露出Agent商业化面临的另一层约束：即便AI具备完成任务的技术能力，第三方平台是否允许Agent进入自己的生态，仍是另一回事。对于需要跨网站执行任务的Agent而言，平台的API开放、身份识别、权限管理和交易规则，都可能成为规模化应用的限制因素。
如果未来越来越多消费者把真实任务交给AI，AI基础设施的增长确实可能从过去以GPU为核心，进一步扩展到CPU、内存、存储和网络。但对于产业链而言，接下来真正需要观察的，不只是Muse等产品的下载量，而是Agent用户规模能否持续增长、实际使用频率是否提升，以及AI服务器中的CPU配置比例变化能否最终转化为真实需求。