2026-10-25 01:49:16 | 显示全部楼层 | 阅读模式
  2026.10.23 18:18
  硅谷大厂在 AI 应用层的新一轮抢位,已经把战火烧到了云端机房。
  10 月 22 日凌晨,正处于 IPO 冲刺期的 Anthropic 发布了全新的个人与工作智能体应用 Claude Duet。
  在此之前的一个多月里,Meta 旗下的 Muse、OpenAI 的 Dots、xAI 的 Grok Bot 以及华人创业团队打造的 Manus Cue 相继上线,几乎在同一时间交出了答卷:给 AI 在云端配一台独立的虚拟电脑。
  在 Anthropic 公开的演示中,放出了一个有趣的场景:
  每天早上 5 点 30 分,在一家咖啡连锁店的经营者起床前,Duet 已经自动从收银系统、Shopify 网店、客服邮箱、Gusto 薪资系统和银行账户中拉取完最新数据,生成了一份早间经营简报,并指出东湾地区因运费调整导致退订率从 2.6% 升至 3.4%。
  Claude Duet 的亮相,迅速在科技圈引发了新一轮讨论:为什么国内没能跑出一款能够跨平台的“中国版 Duet”?
  倘若把视线从应用层的入口之争移开,落到更底层的产业链上,会看到另一番图景——最先感受到常驻型 Agent 浪潮冲击、最先兑现商业价值的,不是台前的 AI 企业,而是水面下的基础设施层。
  一位国内头部云厂商的架构师坦言,当 AI 的产品形态从“一问一答的聊天框”变成“24 小时在线的云端虚拟机”,数据中心里的计算、存储与网络配比,都要推倒重算。
  把过去四年的 AI 应用演进放在一条时间线上观察,产品形态已经走过了四个阶段。
  2023 年是 Chatbot 阶段:ChatGPT 定义了问答交互,模型负责生成文字或代码,具体的执行动作仍由人来完成。
  2024 年至 2025 年进入任务型 Agent 阶段:初代 Manus 与 Claude Code 证明了 AI 可以拆解多步骤任务并交付结果,但交互仍是单次触发,任务结束会话随之清零。
  转折发生在 2026 年初。
  开源框架 OpenClaw(因图标与名字谐音,在国内开发者圈被称为“小龙虾”)在三个月内拿下 GitHub 24 万星标,腾讯、字节、阿里等国内大厂迅速跟进,打造了一个个“活”在用户电脑里的 AI 助手。
  时间来到 2026 年秋,Meta Muse、Grok Bot 连同刚发布的 Claude Duet,将协作逻辑推向了云端:
  智能体不再占用用户的本地电脑,而是在云端拥有独立的运行环境(Meta 甚至为每位 Muse 用户分配了一台专属虚拟机),并普遍引入了“主动巡检”机制——不等用户下达指令,系统每隔几个小时就会在后台自动唤醒,检查邮件、日历和业务系统。
  对用户来说,是从“被动工具”到“主动管家”的体验升维;对底层的算力基础设施,则意味着负载发生了根本改变。
  传统的 Chatbot 是无状态的,用户提问时调用一次 GPU,回答结束连接即断开,夜间流量自然回落。而常驻型 Agent 是有状态的,以 Meta Muse 为例,底层由多个“工作子代理”平行运作,同时配有一个独立的“Sentinel 审查代理”在后台监控权限与安全。
  这种变化将直接推高单个用户的服务成本。
  9 月 30 日,摩根士丹利互联网首席分析师 Brian Nowak 团队发布了一份针对 Muse 的单位经济模型测算:在仅使用每周免费 Token 配额 25% 的基准情景下,单个活跃用户每月大约消耗 1.08 亿个 Token,对应每月 37.12 美元的直接服务硬支出——其中 24.30 美元为 GPU 推理成本,12.82 美元为 CPU 沙箱环境与存储开销。
  在重度开发者群体中,数字更加惊人。
  OpenAI CEO 萨姆·奥特曼曾在 6 月份公开透露,OpenAI 内部使用量排名第一的工程师单月消耗达 1000 亿 Token。当常驻型 Agent 可以在云端 7×24 小时工作,1000 亿绝不是月 Token 消耗量的上限。
  把这条时间线拉长,会发现一个容易被忽略的细节:每一次产品形态的跃迁,都伴随着算力账单的转手。
  Chatbot 时代,账单按次结算;“小龙虾”时代,智能体跑在用户自己的电脑上,电费与硬件折旧由用户默默承担;到了云端常驻阶段,账单又被整体搬回了 AI 厂商与云厂商的资产负债表。
  常驻型 Agent 的竞争变量正在从“模型有多聪明”,转向“养一个活跃用户每月要花多少钱”。所谓“主动巡检”,本质上是一个成本旋钮:巡检越频繁,体验越像管家,单用户成本也越高。谁能在体验与成本之间找到可持续的平衡点,谁才可能把这门生意做下去。
  而在这个问题被回答之前,最先确定拿到钱的,是卖铲子的人。
  当海量智能体在云端持续运转,数据中心里最先告急的,并非过去三年备受追捧的 GPU。
  过去三年,AI 算力市场的主角一直是 GPU。
  在传统的大模型训练和单次推理服务器中,CPU 与 GPU 的配比通常在 1:4 到 1:8 之间。GPU 负责高密度并行矩阵运算,CPU 仅承担数据搬运、基础调度等任务。
  以 Meta Muse 为代表的常驻型 Agent,正在打破既有配比。
  一个 Agent 接到任务后,需要经历意图理解、任务拆解、拉起安全沙箱、执行代码、操作浏览器、调用外部 API、验证结果及反思重试等多个步骤。除了“模型推理”的一小段由 GPU 完成,绝大部分流程控制、工具调用与环境隔离,都属于典型的串行逻辑运算,由 CPU 承担。
  云端虚拟机的普及,将进一步推高 CPU 核心的需求。
  比如 Meta Muse 在云端为每位用户配置了一台标配 2 个 vCPU、8GB 内存和 100GB SSD 的 Linux 虚拟机。
  海外硬件媒体 Wccftech 曾按静态峰值做过一次推算:若 Muse 扩展至 1 亿用户且每人独占物理核心不共享,按单颗 126 核 AMD EPYC 处理器计算,仅此一款应用就需要 158 万颗服务器 CPU。
  当然,在实际工程中,云厂商并不会让虚拟机 24 小时空转。
  可即便计入休眠机制与多倍超售比,当数千万活跃用户在高峰期并发拉起多个子 Agent 临时沙箱时,数据中心对独立“Agent CPU 机架”的需求依然显著增长。
  伯恩斯坦(Bernstein)在研报中判断,智能体负载中 CPU 的计算占比将从传统大模型的 14% 升至 50%,CPU 与 GPU 配比正从 1:8 向 1:1 收敛,并将 2030 年全球服务器 CPU 市场规模预期上调至 2230 亿美元。
  需求的变化已经传导至供应链。
  KeyBanc 的数据显示,受大型云服务商集中采购影响,英特尔与 AMD 在 2026 全年的服务器 CPU 产能已基本售罄,两家公司均计划将服务器 CPU 价格上调 10% 至 15%,交付周期已从常规的 1~2 周拉长至 8~12 周,部分型号自年初以来涨幅超过 40%。
  面对高昂的 CPU 成本与高并发沙箱需求,国内云与服务器厂商纷纷在 2026 年加快了底层架构改造:
  阿里云上线了基于微型虚

来源:www.tmtpost.com | 引用时间:2026-10-25 01:49
原文链接:https://www.tmtpost.com/8179336.html
道具 举报 回复
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

© 2001-2026 零售百科网