上线不久，Muse就冲到了美国iPhone免费应用榜第一。9月19日的报道显示，Meta这款智能体应用在美国区App Store的排名已经超过ChatGPT。
Muse主打的，不只是把问题答好，还要把任务做完。打开浏览器、运行代码、处理文件，这些原本需要用户动手的步骤，也交给AI去执行。
这就带出了一个硬件问题：模型决定下一步做什么，程序在哪里跑，文件存在哪里？任务多了，CPU、内存、SSD都要跟着接活；机柜功率上去了，供电那一串器件也得重新配。
从Muse这样的智能体往下看，AI需要的芯片，已经不只是负责模型推理的那一部分。
01 AI领了任务，CPU就得干活
Muse给用户提供独立的Linux虚拟机，里面有CPU、内存、存储和浏览器，可以跑代码、调用工具，也可以处理并行子任务。模型推理则通过接口连接外部基础设施。
换句话说，模型想好了怎么办，执行环境要把这些步骤真正跑完。打开网页、解析文件、运行程序，都要占用通用计算资源。
这里的“独立”，说的是虚拟机之间的逻辑隔离。底层物理服务器仍然可以共享，空闲资源也可以回收。新增多少用户，并不能直接换算成新增多少台服务器。
真正影响扩容的是：同一时间有多少任务在跑，每个任务跑多久，现有机器还能不能接得住。
基础设施厂商已经在为这类需求做准备。今年4月，Meta与AWS签订的协议，部署规模从数千万个Graviton处理器核心起步，服务包括智能体在内的多类工作负载。这个数字对应后续部署安排，覆盖的也远不止Muse。
对CPU来说，值得看的因此不只是智能体有多少用户，而是这些用户能带来多少持续运行的任务。平台把机器用得更满，可以先消化一部分增长；任务量继续上来，才会进一步推动采购。
02 任务跑起来，内存和SSD也要接着配
CPU忙起来，旁边的内存和存储不会闲着。
浏览器、程序、并行任务占用运行内存；文件、数据库和任务进度，需要存下来。智能体执行的步骤越多、留下的内容越多，对这两类资源的需求就越具体。
企业级SSD还有一项新增用途：承接部分模型推理缓存，也就是KV Cache。这和用户保存的文档不是一回事。能重复利用的推理缓存，可以按访问速度等要求分层存放，部分由SSD承接，减少重复计算。
不过，这要靠软件配合，还得算访问延迟和数据搬运的成本。SSD能接多少，取决于实际架构，不能拿容量便宜就把高速内存全部换掉。
需求变化已经反映在四季度的价格预期里。9月更新的市场预测给出的环比涨幅是：
|
|
|
|---|---|
|
|
|
|
|
|
其中，用于KV Cache的QLC企业级SSD订单，正在给企业级市场增加需求。DRAM这边，云服务商也在为智能体增加服务器内存模组订单。
企业级需求强，影响的不只是企业级产品本身。在DRAM和NAND各自的供应体系里，原厂把更多资源投向服务器应用，其他产品拿到的供给和成本条件也可能变化。
这就解释了一个容易让人困惑的情况：终端卖得未必更快，上游拿货成本却可能先动。企业客户要考虑平台验证和可靠性，短期换供应商不容易；消费端还得看售价涨上去以后，用户买不买账。两边的价格节奏，自然不会完全一致。
03 机柜更能吃电，供电器件也得升级
AI机柜功率往上走，电怎么送进去，会越来越影响整套系统的设计。
电压不变，功率越大，电流就越大，导线损耗和散热压力也跟着增加。提高供电电压能缓解一部分传输问题，但功率开关、驱动、绝缘和保护，都要一起跟上。
所以，供电升级不是简单地多装几个电源。器件要承受什么电压、如何开关、怎么监测和保护，都得重新匹配。
onsemi对未来供电架构做过一个测算：从电网到芯片核心供电，按每个AI机柜折算，其可参与的半导体价值空间，可能从当前约1.5万美元增至11.5万美元以上。
这个跨度来自机柜功率和供电架构一起变化，算的是机柜内外相关供电环节的未来器件机会。把它理解成某颗功率芯片要涨几倍，就看错了这笔账。
涉及的也不只有SiC、GaN和硅功率器件。栅极驱动、电源控制、电流与电压检测，都需要匹配新的系统要求。
甚至，转换级数减少，半导体价值仍可能提高：中间环节少了，留下的器件却要承担更高的性能要求，以及更多监测、保护功能。数量和价值，未必往同一个方向走。
04 另一边，精密模拟还在等交期
新平台在增加配置，已有的工业设备和仪器平台，则有另一件事要操心：某些小器件迟迟等不到。
近期局部渠道反馈，AD5545BRUZ、AD8672ARMZ、ADR435ARMZ所在的部分产品系列，交期已到60—70周。具体到客户、型号和批次，供货情况仍有差别。
这几类器件在整机里未必贵，却直接影响测量和控制。缺了以后，难点往往落在换料上。
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
目录里找得到相近型号，和产线上能直接用，是两回事。封装相同、主要参数接近，换上去以后，外围电路可能要改，整机要重新校准，可靠性验证也要重做。
因此，一颗占成本不高的芯片，也可能拖住整机交付。短期能用的替代料有多少，不能只看目录里能搜出多少个型号，还得看有几个已经过了客户平台的验证。
把这几条消息放在一起，器件市场的变化就更清楚了：CPU看任务量，企业级存储看订单和资源配置，供电器件看系统规格，精密模拟则要看交期与换料条件。同样是需求和供给在变，最终落到具体型号上，理由并不一样。