
Muse 智能體算力需求估算:支撐 1 億日活需要多少電力?
作者:Robonomics
編譯:深潮 TechFlow
深潮導讀:當 Meta 把 Muse 智能體塞進每個用戶的電腦裡,真正的瓶頸不在 CPU,而在推理層。這篇估算用 DeepSeek 的沙箱數據做基準,拆出了一組反直覺的數字:沙箱層只佔 0.1GW,推理層卻可能吃掉 3 至 4GW。對關注 AI 基礎設施投資和能源賽道的人來說,這是一張罕見的算力賬本。
粗略結論
基礎情形下,支撐 1 億日活大約需要 1 至 2GW 平均總功率,其中 CPU/VM 層只佔約 0.1GW。根據每個 Muse 日活用戶每天產生的“推理等效”模型調用次數不同,3 至 4GW 也完全合理。
沙箱層的 CPU 採購成本不到 10 億美元,DRAM 成本約 20 億美元,比很多人預期的要小。
1. Muse VM / 沙箱基礎設施
每個用戶分配 2 個 vCPU、約 8GB 內存和約 100GB 持久邏輯存儲。這是觀測到的 Muse VM 配置。
A. 沙箱 CPU
第一個錯誤是假設 1 億日活意味著 1 億臺 VM 同時在消耗算力。
假設平均每個 Muse 日活用戶的智能體每天活躍工作兩小時:
1 億用戶 × 2 小時 / 24 小時 = 約 800 萬臺同時活躍的 VM
Meta 顯然不能只按日均值來配置資源。使用量會集中在清醒時段,且具有突發性。
假設峰值與均值之比為 2.5 倍:
800 萬 × 2.5 = 約 2000 萬臺峰值活躍 VM
再加上約 20% 的容量冗餘:約 2500 萬臺常備在線 VM。所以基礎假設實際上是,Meta 需要的算力基礎設施大約要支撐日活用戶的 25% 同時在線。

下一個重要區分是虛擬 CPU 分配與物理 CPU 需求之間的差異。智能體沙箱特別適合 CPU 超售。它們大量時間在等待。在等待期間,VM 可能仍然存活,但幾乎不使用 CPU。
DeepSeek 最近發佈的 DSec 基礎設施提供了一個有用的基準。其生產級智能體沙箱平臺在大約 160 個節點上運行約 3 萬個物理 CPU 核心和 250TB DRAM,峰值併發超過 38 萬個沙箱。DSec 還展示了穩定運行能力:每個節點約 800 個微型 VM。按每個節點約 188 個物理核心計算:188 個物理核心 / 800 個微型 VM = 每個存活 VM 約 0.23 個物理核心。
DeepSeek 顯然是效率之王。Muse 的數字可能在每個存活 VM 0.3 至 0.75 個物理核心之間,基礎情形取每個存活 VM 0.5 個物理核心。這相當於每個物理 CPU 核心支撐大約兩個同時存活的 Muse VM。
代入基礎假設:2500 萬臺存活 VM × 每 VM 0.5 個物理核心 = 1250 萬個物理 CPU 核心。
在 256 核 CPU 上:1250 萬核心 / 每 CPU 256 核心 = 約 5 萬顆 CPU;在 192 核 CPU 上則是 6.5 萬顆。
按當前公開價格計算,大約是 8 億美元。

B. 沙箱內存
Muse 向用戶環境暴露約 8GB 內存,但一個被觀測到的實例在測量時實際只用了約 3GB。
2500 萬臺存活 VM × 3GB = 75PB 物理 DRAM,取 75 至 100PB 作為合理的基礎區間。
按當前公開價格計算,大約是 20 億美元。
C. 沙箱功耗
在 1 億日活規模下,整個 Muse 沙箱/VM 層大約需要 0.1GW。
2. Muse Spark 推理
模型推理通過 Meta 的外部推理基礎設施完成。這是 Meta 對 Muse 架構的描述。
推理層
Muse 的個人電腦在本地執行工具和存儲狀態,但實際模型運行在獨立的推理基礎設施上。這是 Meta 對 Muse 架構的描述。
每次推理事件的能耗
微軟 2026 年的研究估計,優化後的前沿規模推理每次普通查詢的能耗中位數約為 0.31Wh。
但一次長推理查詢的 token 數量約為普通查詢的 15 倍,能耗約為普通查詢的 13 倍,即每次長推理查詢約 4Wh。
該研究特別指出推理和智能體工作負載的能耗顯著更高。參考微軟研究院關於 AI 推理能耗的研究。
對於 Muse 這類工作負載,我們假設每次重度推理等效事件的能耗為 5 至 10Wh,作為粗略的敏感度區間。
每個日活用戶每天推理等效事件次數的敏感度分析
假設每個日活用戶每天產生 50 次推理等效事件。
假設每個活躍 Muse 用戶每天產生相當於 50 次重度推理事件的負載。
按每次 5Wh 計算:
1 億用戶 × 50 次/天 × 5Wh = 2500 萬 kWh/天
2500 萬 kWh/天 / 24 小時 = 約 1.0GW 平均功率
所以僅推理一項就可能需要約 1 至 2GW 的平均功率。
因此,一個 3 至 4GW 的 Muse 完全合理。也許這正是 Meta 被傳明年要新增 7 至 10GW 算力的原因。

結論
關於 Muse 的流行說法是,給每個用戶 2 個 vCPU 和 8GB 內存會創造巨大的 CPU 需求。但那種簡單化的計算顯著誇大了 CPU 需求,因為它把邏輯 VM 分配當成了專用物理基礎設施。
更有意思的結論是:消費級智能體可能成為 CPU 和傳統 DRAM 的一個有意義的新需求來源,但推理仍然是真正的算力瓶頸。而且隨著智能體做更多工作、運行更長軌跡、並越來越多地派生其他智能體,推理需求的增長速度可能遠超用戶數量本身的增長。















