智能体引爆 CPU 需求:瑞穗 2090 亿美元预测背后,谁在偷偷加服务器
智能体引爆 CPU 需求:瑞穗 2090 亿美元预测背后,谁在偷偷加服务器
过去两年,大家盯着 AI 的眼光几乎都落在显卡上:谁家 H100 多,谁就腰杆硬。
但最近华尔街突然换了个关注点——CPU。
瑞穗证券在一份研报里给出一个相当激进的数字:到 2030 年,AI 智能体带动的 CPU 相关市场规模可能达到 2090 亿美元,同时还上调了 AMD、英特尔等厂商的目标价。
消息一出,科技圈炸了锅:AI 不是靠 GPU 算力吃饭吗,怎么突然轮到 CPU 抢戏了?
答案藏在一个很朴素的变化里:AI 正在从“答题的人”,变成“上班的人”。
一、为什么智能体特别“吃”CPU?
以前的 AI 像一个坐在考场里的考生。你问一句,它答一句,答完就下线,服务器可以立刻把算力让给别人。
现在的智能体不一样,它更像一个被雇来的员工:有自己的工位、自己的电脑、自己的浏览器,还要 24 小时待命。
你让它“每天早上帮我查米兰到里斯本最便宜的机票”,它得先开电脑、打开浏览器、输入网址、等页面加载、翻日历、比价格、把结果写成表格,最后再给你发一条消息。
这一整套动作里,真正“动脑”的部分交给大模型,但开电脑、开浏览器、点按钮、存文件、排队等任务这些活儿,全都落在 CPU 和内存上。
打个比方:大模型是请来的专家,CPU 是专家脚下的办公室。专家可以轮流请,办公室却得一人一间,而且人下班了办公室也不能拆。
更关键的是,智能体不是“用完就关”。它要常驻、要定时唤醒、要保存记忆、要同时跑好几个网页。一台机器上塞十个八个智能体,CPU 核心数和内存就像工位一样,一个都不能少。
这就是 2090 亿美元预测的底层逻辑:不是每块芯片变贵了,而是每个人开始需要“好几台电脑”了。
二、这个开源项目,把“AI 员工”塞进了你家电脑
最近 GitHub 上有个项目很有意思,叫 invisible_dots,定位非常直白:做 OpenAI Dots、Meta Muse、Grok Bot 这类“全天候 AI 助理”的开源自托管替代品。
它最狠的一点是:不给你一个聊天窗口,而是给每个 AI 配一台真正的电脑。

具体怎么理解?
你在自己电脑上装好它,创建一个叫“小票助手”的 Dot。系统就会在你的机器里开出一台独立的“虚拟电脑”——你可以把它想成一台装在电脑里的电脑,有自己的桌面、文件夹、终端和浏览器,还有一块关不掉的硬盘。
这台虚拟电脑默认给 2 个 CPU 核心、4GB 内存、40GB 硬盘,配置可以自己调,最高能开到 16 核、64GB。
你不用它的时候,它 15 分钟没活干就自动“睡觉”;等到下一条消息、下一个任务,或者它自己定的闹钟响了,再自动“起床”。硬盘里的东西、浏览器里的登录状态、记住的事情,一样都不会丢。
有网友在头条上调侃:这不就是给想搞副业的人配了个不睡觉的实习生?
更准确地说,是配了一间带工位、带电脑、还不用交社保的办公室。
三、三个最让人上头的能力
第一,它有一个“不像机器人”的浏览器。
这是项目最硬核、也最接地气的地方。它内置的 Firefox 是专门改过的,浏览器指纹直接写进引擎里,而不是靠插件往页面上“打补丁”。每个身份还各自保留独立的 Cookie、登录状态和指纹。
说人话就是:它去登录你常逛的店铺后台,网站看到的更像一个真人老顾客,而不是一个一眼假的脚本。
对于做跨境电商、比价、内容搬运、需要反复登录后台的人来说,这个差别很要命——很多工具不是不会点,是刚点两下就被拦在门外。
第二,它会自己写“工作笔记”。
你教它一次“这家店的发票在订单页右上角”,下次它不用你再讲一遍。
它会把学到的东西记成笔记,也会把一整套操作写成“技能说明书”。下次遇到同类任务,它自己翻出说明书照着做。项目方公布的一个细节很说明问题:在没有记忆的情况下,AI 回答“你以前说过什么”的准确率只有 7.8%;加上文件化的记忆之后,这个数字能到 90% 左右。
第三,你说了算,它不能乱来。
每一个动作都有权限:允许、询问、拒绝。
默认情况下,它可以在自己的电脑里自由干活,但“删除一个浏览器身份”“新增一个定时任务”这类事,必须先在收件箱里问你。
你可以通过网页、命令行,甚至 Telegram 和 WhatsApp 回一句“同意”。更贴心的是,就算服务器重启、程序崩溃,待审批的事项也不会丢,被中断的操作也不会偷偷跑第二遍。
四、它到底能帮普通人干什么?
官方给的几个例子,个个都像打工人的真实痛点:
让它每天早上查一次未来两周的机票,写进表格,告诉你哪天最便宜,还能顺手设成每天自动执行;
让它用指定的浏览器身份登录店铺后台,把这个月的发票全部下载到文件夹,并且记住发票页在哪;
让它打开一个网页,读出标题和第一句话,然后把浏览器留着不关,等你接手。
在压力测试里,它跑过 25 个贴近真实办公的任务——整理下载文件夹、把 CSV 转成 JSON、批量提取邮件、做销售报表、写小工具、修脚本、配 SSH——每个任务跑三遍,75 次里成了 73 次。还有几个两三个小时的“大活儿”,比如从零写一个国际象棋走子程序、做一个键值数据库,也都跑通了。
这些事单看都不算惊天动地,但堆在一起就是一句话:那些“我会做、但实在不想做”的重复劳动,终于有人接了。
五、门槛高不高?普通电脑能不能跑?
说实话,它不是那种点开网页就能用的产品。
你需要一台 x86 架构的 Windows 或 Linux 电脑,并且打开硬件虚拟化(大多数近几年的电脑都支持);需要装 Node、Go、QEMU 这些开发工具;准备至少 20GB 空闲硬盘;还要一个 OpenRouter 的模型账号,按用量付费。
目前 macOS 还不支持,项目自己也标注了“alpha 阶段”,也就是说它还在打磨,敢折腾的人才建议上手。
好消息是:不需要独立显卡。 它吃的是 CPU 核心和内存,而不是 GPU 显存。
也正因为如此,它恰好解释了瑞穗那份研报的另一个侧面:当每家企业、每个团队都想养几个“数字员工”时,最先紧张的未必是显卡,而是机房里那些看起来平平无奇的 CPU 和内存条。
对比一下市面上动辄每月上百美元、最高套餐冲到 500 美元的云端智能体服务,本地自托管最大的吸引力不是省钱,而是数据在自己手里:模型调用之外,它没有自己的服务器,也没有遥测,所有文件、登录状态、记忆都躺在你家硬盘里。
六、AI 的第二波硬件行情,真的来了吗?
把话说透:2090 亿美元是券商的预测,不是已经到账的订单。
它的推演链条大致是:智能体越多,常驻的“虚拟工位”越多;工位越多,CPU 核心、内存、存储和网络的需求就越旺;需求旺了,芯片厂商和云厂商自然受益。
这套逻辑站得住脚,但有几个变量不能忽略。
一是效率。今天的模型和框架还在飞速优化,同样一个任务,明年可能只需要今年三分之一的算力。
二是集中度。大部分智能体最终可能跑在少数几家云厂商的机房里,而不是散落在每个人的桌面电脑上,受益名单未必和想象中一样长。
三是商业模式。智能体按“工作量”收费还是按“时长”收费,直接决定了它是像水电一样常开,还是像打车一样随用随关。
但有一点趋势已经很清楚:AI 的账单,正在从“问一次花多少钱”,变成“养一个员工花多少钱”。
而当 AI 从工具变成同事,硬件的故事就不可能只讲 GPU 那一章了。
最后想问问大家:如果现在免费给你一个 24 小时在线、有自己电脑和浏览器的“数字同事”,你最想让它替你干的第一件事是什么?是每天帮你盯价格、回消息,还是整理那堆积了半年的发票和表格?
评论区聊聊,说不定下一个被智能体接管的,就是你现在最烦的那件小事。