Was bedeutet Meta Muse für GPU und CPU?
Im Gegensatz zu Chatbots mit hoher Inaktivitätsrate führt die „Always-on“-Eigenschaft von intelligenten Agents wie Meta Muse zu einem exponentiellen Anstieg des Rechenleistungsverbrauchs. Citi schätzt, dass sich dadurch das CPU-GPU-Verhältnis von 1:8 in der Trainingsphase auf 1:1 entwickeln wird, was den CPU-Markt bis 2030 auf ein Volumen von 300 Milliarden US-Dollar ansteigen lässt. Gleichzeitig könnten allein 100 Millionen täglich aktive Muse-Nutzer Nvidia bis zu 19 Milliarden US-Dollar an GPU-Umsätzen einbringen.
Mit der Veröffentlichung von Meta Muse und anderen persönlichen AI-Agenten entwickelt sich AI von reaktiven Chatbots zu rund um die Uhr autonom arbeitenden Agenten, was den Verbrauch von CPU, GPU, Speicher und Netzwerkinfrastruktur erheblich steigern dürfte.
Laut dem neuesten Forschungsbericht von Citi vom 6. Oktober treibt die Anwendung von Agenten wie Meta Muse die Markterwartungen für Rechenhardware auf neue Höhen. Das Institut prognostiziert, dass der globale Gesamtadressierbare Markt (TAM) für CPUs bis 2030 von 29 Milliarden US-Dollar im Jahr 2025 auf 300 Milliarden US-Dollar expandieren wird, mit einer jährlichen Wachstumsrate von beeindruckenden 60%.
Auch auf der GPU-Seite erzeugen Agenten eine strukturell steigende Nachfrage. Laut Berechnungen der Bank wären für 100 Millionen tägliche Nutzer von Meta Muse etwa 200.000 bis 390.000 GPUs der Blackwell-Klasse erforderlich, was Nvidia einmalige Einnahmen von 7 bis 19 Milliarden US-Dollar bescheren könnte.
Dieser Trend kommt direkt den Kernleistungslieferanten zugute. Die Bank hebt hervor, dass Meta einer der wichtigsten Kunden für AMDs Servergeschäft ist und AMD somit Hauptprofiteur des CPU-Booms wird; das Kursziel für AMD wurde auf 800 US-Dollar erhöht. Gleichzeitig profitiert Nvidia weiterhin vom steigenden GPU-Bedarf.
Der Aufstieg der Agenten: CPU wird zum neuen Flaschenhals
Vor dem Durchbruch von Agenten-AI war die CPU hauptsächlich auf traditionelle Workloads und als Head Node für AI-Anwendungen beschränkt. Im Head Node übernimmt die CPU nur „Management“-Aufgaben: Sie leitet Nutzeranfragen an die GPU weiter und gibt Ergebnisse zurück, während die aufwendigen Matrixoperationen und Inferenzarbeiten von der GPU erledigt werden.
Agenten verändern diese Arbeitsteilung jedoch. Citi stellt im Bericht fest: „Im Vergleich zu traditionellen Chatbots sehen wir Agenten-AI als potenziellen Treiber für den quantitativen Anstieg des Rechenbedarfs.“ Agenten übernehmen Orchestrierung, Inferenzschleifen, Datenverarbeitung und Sicherheitskomponenten, sodass die CPU zum neuen Flaschenhals wird.
Mit der Verlagerung von AI von Modelltraining zur Inferenz und weiter zu autonomen Agenten-Workflows ändert sich das Verhältnis von CPU zu GPU deutlich. Im Training liegt das Verhältnis bei 1:8, in der Inferenzphase bei 1:4 und bei Agenten-AI entwickelt es sich zu 1:1 oder sogar darüber hinaus. Das Institut erwartet, dass CPUs, die speziell für Agenten eingesetzt werden, bis 2030 mit einer jährlichen Wachstumsrate von 247% wachsen und 52% des gesamten CPU-Marktes ausmachen.
Meta Muse‘s GPU-Leistungskalkulation
Meta Muse ist der erste Konsumenten-AI-Agent, der auf echter sozialer Netzwerkgröße live geschaltet wurde. Sein Rechenbedarf ist aktuell die entscheidende Variable der AI-Infrastruktur. Im Unterschied zu Standard-Chatbots läuft Muse als autonomer Agent kontinuierlich weiter, was zu deutlich größeren GPU-Anforderungen führt.
Citi hat ein Bottom-up-Modell für die GPU-Nachfrage entwickelt. Im Basisszenario wird angenommen, dass der typische Nutzer vier einfache Anfragen und zwölf Agentenaufgaben pro Tag (wie Restaurantsuche, Kalenderprüfung und Einladungserstellung) stellt; jede Agentenaufgabe umfasst rund acht Modellaufrufe. Da das Modell zwischen den Aufrufen keinen Speicher hat, muss es jedes Mal den stetig wachsenden Kontext neu einlesen.
Auf dieser Basis berechnet die Bank, dass jeder Muse-Nutzer etwa 0,0020 GPU der GB200-Klasse benötigt. Kurz gesagt, eine GPU kann etwa 500 Nutzer bedienen. Die Bank betont: „Agenten sind strukturell deutlich aufwendiger in der Inferenz als Chatbots.” Im gleichen Rahmen benötigen Chatbot-Nutzer nur 12,5% bis 25% der GPU-Kapazität eines Agenten-Nutzers.
Kettenreaktionen für Speicher und Netzwerk
Agenten-Workflows stellen nicht nur höhere Anforderungen an Logik-Chips, sondern lösen auch in Speicher und Netzwerken Kettenreaktionen aus. Beim Speicher haben CPUs eine hohe Attach-Rate von LP-, DDR- und SSD-Produkten. Micron bemerkte kürzlich, dass Agenten-Workflows wie Meta Muse den Kunden mehr Wert generieren und die CPU einen größeren Flaschenhals für DRAM bedeutet.
Auf der Netzwerkseite erhöht Agenten-AI den Netzwerkverkehr signifikant. Das Management von Nvidia erklärte im Gespräch mit Citi: „Agenten können mehrere Stunden oder ununterbrochen arbeiten ... und dadurch weitaus mehr Token-Generierung in Verbraucher- und Unternehmensworkloads antreiben.“
So bedeutet das kontinuierliche Arbeiten, dass immer häufiger Agenten – nicht Menschen – die Infrastruktur nutzen. Dies treibt das interne „Nord-Süd“-Traffic in Rechenzentren (wie Speicherzugriffe, Sicherheit und Konfigurationsdienste) in die Höhe und schafft neue Beschleunigungsmöglichkeiten für den Einsatz von DPUs (wie BlueField 4) und Spectrum-X Ethernet.
Haftungsausschluss: Der Inhalt dieses Artikels gibt ausschließlich die Meinung des Autors wieder und repräsentiert nicht die Plattform in irgendeiner Form. Dieser Artikel ist nicht dazu gedacht, als Referenz für Investitionsentscheidungen zu dienen.
Das könnte Ihnen auch gefallen
CDS steigen kollektiv rasant, „SpaceX & Co.“ leihen weiterhin verrückt Geld! Wie lange kann der KI-Schuldentrend noch anhalten?
Eine Welle von Schulden im Bereich der KI-Infrastruktur verändert mit beispielloser Geschwindigkeit das globale Kreditgefüge. Im Technologiesektor haben die Schulden in den ersten neun Monaten dieses Jahres bereits 500 Milliarden US-Dollar erreicht. Gleichzeitig schlagen die Alarmglocken am CDS-Markt, die Renditen US-amerikanischer Staatsanleihen steigen auf 5,3 % und erreichen damit ein über zwanzig Jahre altes Rekordhoch. Dalio bezeichnet dies als eine "klassische Blase, die durch Zinssätze platzen wird."
Steht eine große Umkehr bei Aktien- und Anleihenallokation bevor? Bank of America sendet seltenes Signal: Anleihen konkurrieren erstmals seit Jahrzehnten mit Aktien um Kapital, S&P-Rendite könnte in den nächsten zehn Jahren unter 5% liegen.
Savita Subramanian, die Leiterin für US-Aktien und quantitative Strategien bei Bank of America, äußerte am Mittwoch in einem Interview, dass der Anleihemarkt wieder attraktiv wird und zum ersten Mal seit Jahrzehnten ein echter Konkurrent für den Aktienmarkt ist.
Verwenden Sie nicht mehr den Verbraucherzyklus, um Micron (MU.US) zu betrachten! KI verändert die NAND-Logik, Enterprise-SSD hat die Preisgestaltung übernommen.
Eudaemon Research hatte zuvor eingeschätzt, dass im Geschäftsmodell von Micron DRAM widerstandsfähiger ist als NAND und dass sich die Preise und die Nachfrage nach NAND schnell normalisieren würden. Doch die neuesten Q4-Daten von Micron veranlassen sie zu einer Korrektur dieser Einschätzung: NAND ist kein homogener Markt mehr, da sich Angebot, Nachfrage und Preisbildung von Consumer-NAND und Enterprise-SSD für Rechenzentren deutlich auseinander entwickeln.
Krypto-Preise
Mehr
