社区

9月21日，美股AI板块出现明显扩散。Meta单日上涨11.4%，AMD上涨9.6%，市值首次突破1万亿美元，Intel、Arm同步大涨，费城半导体指数上涨4.3%。到了美东9月22日，行情没有继续全面冲高，资金开始向存储集中：闪迪上涨6.82%，美光上涨5.00%，希捷上涨4.85%，西部数据上涨3.67%，纳指连续第二个交易日创收盘新高，金融板块则明显走弱。

这轮行情的重要催化来自Meta在9月8日推出的个人AI智能体Muse。Muse上线12天累计下载量达到约280万次，发布以来Meta股价累计上涨超过20%，增加约2000亿美元市值。产品目前提供免费版本，同时设置20美元和100美元月度订阅档位。前端用户增长已经出现，市场随后开始沿着两个方向重新定价：一边是金融、保险、旅游等服务行业的渠道价值，另一边是Agent任务拉长以后新增的CPU、内存和存储需求。

Meta对Muse的产品设计重点放在持续执行。按照官方介绍，Muse运行在独立的Muse Secure VM中，每个用户对应一套云端虚拟环境，其中包含浏览器、计算资源以及用户授权的数据。用户给出目标以后，Muse可以自行打开网页、填写表格、发送邮件、预订行程，并在用户关闭App之后继续执行；涉及发送邮件、购买等敏感操作时，再向用户请求确认。Meta还把Muse接入WhatsApp，并加入Stripe Link支付，Shop Pay和1Password也计划继续接入。

这类产品和传统聊天模型的差别，主要体现在任务长度。用户要求AI安排一次出差，后台可能连续经历读取日历、搜索航班、筛选酒店、比较价格、调用支付和重新规划。用户看到的仍然是一条指令，云端已经完成多轮模型推理、浏览器操作和数据读取。进入Agent阶段以后，日均任务数量、单个任务持续时间、任务成功率和付费转化率，会比单纯下载量更接近实际商业价值。

Meta的分发能力也降低了使用门槛。Muse可以直接从WhatsApp进入，如果更多支付、账户和第三方服务继续接入，个人Agent能够处理的任务范围还会扩大，算力需求也会逐渐取决于每个用户每天交给AI多少任务。

二、Agent进入交易环节，服务业开始重新计算渠道价值

金融、保险、旅游、电信和订阅服务近期受到市场关注，核心都和消费者的搜索与切换成本有关。用户可以更换保险公司、电信套餐、旅游平台和金融产品，但重新查询、比较条款、填写资料和办理手续都需要时间。这些操作成本长期降低了消费者重新选择的频率，也让企业获得更稳定的续费、资金沉淀和交叉销售收入。

Agent可以把其中大量重复操作交给软件。以车险为例，如果Muse能够定期检查不同供应商报价、整理条款和价格差异，再交给用户确认，原本低频发生的主动比较就可能变成后台持续执行。财富管理也有类似影响，券商和财富管理机构的一部分收入来自客户账户中的现金余额和标准化服务收费。如果Agent可以持续比较现金收益率、基金费用和资产配置方案，用户管理闲置资金和调整产品的频率会提高。

牌照、托管、清算和支付体系仍然由金融机构提供，但客户从哪里发起决策，以及平台能够保留多少渠道价值，会成为新的估值变量。过去消费者先打开Booking、Expedia或券商App，再在平台内部完成搜索和交易；Agent普及以后，用户可以直接描述需求，再由AI调用多个平台完成后续步骤。Meta已经将Stripe Link接入Muse，未来平台还要争夺Agent调用权限、数据接口、库存和支付能力。

三、Muse利好的产业链和个股

Muse对硬件端的影响，来自Agent工作流对整套计算系统的占用增加。瑞银9月22日的报告指出，相比传统聊天机器人，AI Agent需要持续完成浏览、检索、规划和多步骤执行，会带来更高的托管计算和推理容量需求，其中CPU使用强度也会明显提高；随着消费端采用扩大，需求还会向内存、先进封装和服务器等环节延伸。

从最近两个交易日看，市场目前最先交易出来的增量集中在CPU和存储，设备与先进封装则属于后续产能传导。

Agent增加通用计算负载，CPU重新进入A1. Agent增加通用计算负载，CPU重新进入AI主线

GPU和ASIC继续承担模型推理，Agent执行任务时还需要运行浏览器、虚拟机、代码、文件系统和任务调度。一次普通问答可能在几秒内结束，一个Agent任务却可能持续几十分钟，期间不断在“模型判断—工具执行—返回结果—重新判断”之间切换。任务越长，CPU参与整个工作流的时间越多。

OpenAI自己的基础设施已经提供了实际案例。9月11日披露的Habitat在线存储平台每秒处理超过7000万次请求、管理超过500PB数据，并成为OpenAI按CPU核心数量计算的第二大服务。今年将主要服务从Python迁移至Rust后，CPU效率提高约6倍、内存效率提高约15倍，模型之外的通用计算负载已经成为重要优化对象。

AMD（AMD）同时拥有EPYC服务器CPU和Instinct AI GPU，能够覆盖通用计算和加速计算两部分需求；

Arm（ARM）的逻辑来自云服务器架构渗透以及手机、PC等终端覆盖；

Intel（INTC）则主要看数据中心CPU需求能否随着Agent工作负载增长继续改善。

这一轮CPU行情的意义，也在于AI算力的交易范围开始变化。过去两年的市场注意力高度集中在GPU，Agent进入消费端以后，浏览器、虚拟机和软件执行形成的通用计算负载重新进入估值框架。

2. 长任务增加数据驻留，存储成为第二条增量线2. 长任务增加数据驻留，存储成为第二条增量线

9月22日存储股集体走强，闪迪、美光、希捷和西部数据明显跑赢大盘。闪迪当天叠加Rosenblatt首次覆盖等公司催化，但整个板块同步上涨，也对应市场开始计算Agent带来的长期数据需求。

Agent运行过程中需要持续保存上下文、网页内容、中间结果、任务状态和长期记忆，不同数据对应不同存储层级。

HBM靠近GPU和ASIC，负责模型参数和KV Cache等高速访问；

服务器DRAM服务CPU侧虚拟机、浏览器和应用程序；

企业级SSD负责模型文件、数据库、用户文件和长期任务状态。

美光（MU）同时覆盖HBM和服务器DRAM。此前市场对公司的AI逻辑主要集中在HBM，Agent工作负载扩大后，服务器DRAM容量也会获得新增需求。

闪迪（SNDK）对应NAND和企业级SSD。

西部数据（WDC）、希捷（STX）则更多对应数据中心整体存储容量。任务数量越多、执行时间越长，需要保存和调用的数据就越多，存储在AI服务器中的价值量也会提升。

瑞银这次将Memory列为Agent基础设施需求扩散的重要环节，也与近期市场从CPU继续轮动到存储的路径基本一致。推理侧的增长逐渐从单纯计算吞吐量，扩展到内存容量、带宽以及数据长期保存能力。

推理需求继续扩张，设备和先进封装承接后3. 推理需求继续扩张，设备和先进封装承接后续产能周期

CPU和存储需求增长以后，还需要通过晶圆制造、存储扩产和先进封装形成新的供给。AI加速器和HBM对先进制程、2.5D/3D封装的依赖持续提高，DRAM和NAND扩产也会增加沉积、刻蚀、检测和光刻设备需求。

这一层可以关注台积电（TSM）以及设备端的泛林集团（LRCX）、科磊（KLAC）、应用材料（AMAT）、阿斯麦（ASML）。

台积电对应先进制程和先进封装需求，泛林与应用材料对存储扩产弹性较高，科磊受益于制程复杂度提高带来的检测需求，阿斯麦同时覆盖先进逻辑和DRAM扩产所需的光刻设备。

相比CPU和存储，设备端传导更慢，对应的是中期产能投资。如果Agent最终形成稳定的消费端工作负载，推理侧需求持续增长后，上游制造和封装扩产也会获得更长的景气支撑。

总结一下

Muse给市场提供了一个较清晰的消费级Agent样本。前端，AI开始进入订票、购物、账户管理和支付等实际交易，金融、保险和旅游等行业需要重新评估搜索成本下降后对客户黏性和渠道价值的影响；硬件端，Agent把一次AI使用从短时间问答拉长为持续执行的任务，CPU承担更多通用计算，内存和存储保存更长时间的上下文与任务状态，需求随后继续向先进封装和半导体设备传导。

接下来主要看两组数据：应用端看Muse的留存、日均任务数和付费转化，硬件端看服务器CPU配置、DRAM容量、企业级SSD采购以及设备订单。如果消费级Agent从下载体验进入高频使用，市场对AI算力的衡量也会从训练规模继续延伸到每天运行多少Agent任务、每个任务需要占用多少通用计算和存储资源。

$特斯拉(TSLA)$ $ROUNDHILL GENERATIVE AI & TECHNOLOGY ETF(CHAT)$ $通用人工智能 ETF-AGIX(AGIX)$ 续产能周期