Dlaczego agenci AI potrzebują procesorów obok układów GPU

Rozwój autonomicznych agentów AI, takich jak Muse od Mety czy Dots rozwijany przez OpenAI, zwraca uwagę na podział zadań w centrach danych. Choć akceleratory graficzne (GPU) pozostają kluczowe przy wnioskowaniu i przetwarzaniu zapytań przez modele językowe, to do wielogodzinnego wykonywania kolejnych kroków i operacji systemowych agenci potrzebują tradycyjnych procesorów (CPU).

Różnica polega na charakterze pracy. Model sztucznej inteligencji przetwarza polecenie i planuje działania na GPU, natomiast sam proces wykonywania zadań — uruchamianie kodu, obsługa przeglądarki, zarządzanie plikami czy komunikacja z zewnętrznymi usługami — odbywa się w środowisku kontrolowanym przez procesor. Obie technologie pełnią funkcje uzupełniające: procesory nie zastępują akceleratorów graficznych, lecz obsługują przepływy pracy generowane przez modele.

Z technicznego punktu widzenia agenci są uruchamiani na maszynach wirtualnych w chmurze, co pozwala dzielić zasoby jednego fizycznego serwera między wielu użytkowników. Z dostępnych benchmarków oraz informacji podawanych przez same systemy wynika, że wirtualne środowisko agenta Muse — którego liczba pobrań według Sensor Tower przekroczyła 5 mln — wykorzystuje zazwyczaj dwa rdzenie CPU, podczas gdy Dots przydziela swojemu środowisku dziewięć rdzeni. Taki podział pozwala efektywnie zarządzać mocą obliczeniową bez konieczności przypisywania dedykowanego GPU do każdego aktywnego procesu.

Dyskusja o roli procesorów zbiegła się z wyraźnymi wzrostami na giełdzie: w ciągu ostatniego miesiąca akcje AMD zdrożały o 32 proc., osiągając historyczny rekord w trakcie sesji, a kurs Intela zyskał 21 proc. Choć rynek łączy te wyniki z zapotrzebowaniem na infrastrukturę AI, popyt na procesory serwerowe rósł już wcześniej. Przychody segmentu centrów danych AMD w kwartale zakończonym w czerwcu wyniosły 6,7 mld dolarów, odpowiadając za niemal 60 proc. całkowitej sprzedaży firmy, co dotyczyło jednak szerokiej bazy zastosowań chmurowych, a nie wyłącznie obciążeń generowanych przez agentów.

Ewentualny wzrost zapotrzebowania na CPU nie trafia też do jednego producenta. Zarówno Meta, jak i OpenAI dywersyfikują zaplecze sprzętowe. Przedstawiciele Mety podkreślają, że architektura ich usług jest projektowana w sposób elastyczny, bez uzależniania się od konkretnego dostawcy procesorów, co pozwala korzystać z układów różnych firm w zależności od dostępności mocy w centrach danych.