Czas oczekiwania na CPU wydłuża się do 25–30 tygodni. Rynek analizuje wpływ agentów AI

Lead: Według najnowszych danych TrendForce czas oczekiwania na procesory wzrósł do 25–30 tygodni, podczas gdy w zrównoważonych warunkach rynkowych zwykle wynosił 16–20 tygodni. Informacja ta pojawia się w momencie, gdy analitycy oceniają, jak duże zapotrzebowanie na CPU mogą wygenerować osobiste agenty AI, w tym Meta Muse.

Procesory ponownie w centrum uwagi

Przez długi czas głównym symbolem boomu na sztuczną inteligencję były układy GPU. Sytuacja zaczyna się jednak zmieniać wraz z rozwojem agentowej AI, która oprócz mocy do inferencji wymaga także infrastruktury odpowiedzialnej za uruchamianie środowisk, obsługę zadań i koordynację działań.

TrendForce wskazał w swoim cotygodniowym zestawieniu, że terminy realizacji zamówień na CPU wydłużyły się do 25–30 tygodni. To znacząca zmiana względem typowego poziomu 16–20 tygodni obserwowanego na bardziej zbilansowanym rynku.

Meta Muse a potencjalny popyt na CPU

Jednym z przykładów usług, które wywołały dyskusję o przyszłym zapotrzebowaniu na procesory, jest Meta Muse. To osobisty agent AI zdolny do wykonywania wieloetapowych zadań w imieniu użytkownika, takich jak korzystanie z przeglądarki w chmurze, poruszanie się po stronach internetowych czy realizowanie czynności w tle.

Zgodnie z opisem źródłowym Muse ma działać w odizolowanym komputerze chmurowym, czyli maszynie wirtualnej, wyposażonej we własną przeglądarkę. Rozwiązanie ma ograniczać ryzyka związane z prywatnością danych i poświadczeń. Dodatkową warstwą kontroli jest mechanizm Sentinel, który monitoruje środowisko i ma zapobiegać finalizowaniu transakcji bez odpowiednich zgód.

Analitycy studzą najprostsze szacunki

W debacie pojawiły się szacunki zakładające, że każdy użytkownik Muse wymagałby osobnej maszyny wirtualnej z 2 vCPU, 8 GB RAM i 100 GB przestrzeni SSD. Bardziej szczegółowe analizy wskazują jednak, że takie uproszczenie może zawyżać realne zapotrzebowanie na fizyczne rdzenie CPU.

Freda Duan zwróciła uwagę, że środowiska agentów AI mogą być współdzielone i nadsubskrybowane, ponieważ maszyna wirtualna przez znaczną część czasu czeka na odpowiedź modelu, reakcję użytkownika, wyniki narzędzi lub operacje sieciowe. W takim scenariuszu aktywna maszyna może utrzymywać stan i pamięć, ale jednocześnie zużywać niewiele zasobów CPU.

Przykładowe założenia dla 100 mln aktywnych użytkowników dziennie

• Przy 100 mln użytkowników dziennie i średnio 2 godzinach pracy agenta na dobę potrzeba około 8,33 mln maszyn wirtualnych dostępnych dla przeciętnego obciążenia.
• Po zastosowaniu współczynnika szczytowego 2,5x liczba ta rośnie do około 20,8 mln.
• Po dodaniu około 20 proc. zapasu na skoki obciążenia, awarie i wzrost, bazowy scenariusz zakłada około 25 mln aktywnych maszyn wirtualnych.
• W wariancie wyższego użycia, przy 4 godzinach pracy agenta dziennie, zapotrzebowanie mogłoby wzrosnąć do około 50 mln aktywnych maszyn wirtualnych.

Ile fizycznych rdzeni może być potrzebne

Duan odniosła się także do danych z platformy DeepSeek DSec, obejmującej około 160 węzłów, około 30 tys. fizycznych rdzeni CPU oraz ponad 380 tys. środowisk sandbox w szczytowej współbieżności. Przy stabilnej gęstości około 800 microVM na węzeł daje to orientacyjnie około 0,23 fizycznego rdzenia na aktywną microVM.

Ponieważ efektywność infrastruktury DeepSeek może być trudna do odtworzenia w innych warunkach, w analizie przyjęto szerszy zakres 0,3–0,75 fizycznego rdzenia na aktywną maszynę wirtualną, z wartością 0,5 jako scenariuszem bazowym. Przy 25 mln aktywnych maszyn oznaczałoby to około 12,5 mln rdzeni CPU.

Trend pozostaje korzystny dla rynku CPU

Choć skala przyszłego popytu zależy od wielu założeń, w tym czasu pracy agentów, współdzielenia zasobów oraz tempa inferencji, dane TrendForce wzmacniają tezę o rosnącym znaczeniu procesorów w infrastrukturze AI. Rynek nadal dyskutuje o dokładnej wielkości zapotrzebowania, ale wydłużające się terminy dostaw wskazują, że zainteresowanie CPU wyraźnie wzrosło.