As CPUs ficaram em segundo plano no mercado de semicondutores enquanto as GPUs tinham prioridade entre os chips de processamento. Com os agentes de IA, essa relação começou a mudar.
Esses agentes precisam de CPUs para coordenar tarefas. A chegada de assistentes pessoais, como o Muse, da Meta, e o Instinct, da Spear Street Technology, deu mais força a esse movimento.
Ainda há dúvidas sobre quanto esses serviços vão aumentar a procura por processadores. Os dados da TrendForce, porém, já indicam uma mudança nos prazos de entrega.
Prazo de entrega de CPUs sobe para 25 a 30 semanas
Segundo o levantamento semanal da TrendForce, os prazos de entrega de CPUs chegaram perto do dobro. A faixa passou das habituais 16 a 20 semanas, em um mercado equilibrado, para 25 a 30 semanas.
Os números dão apoio à avaliação de crescimento da demanda por CPUs, mesmo com os agentes pessoais de IA ainda em uma fase inicial de adoção.
Há quem considere cedo para atribuir um impacto concreto a esses serviços, já que o tamanho dessa procura ainda é incerto. O aumento dos prazos é um dado contrário a essa interpretação.
Meta’s Muse has put server CPUs back in focus.
CPU joins our Weekly Radar this week: lead times are 25–30 weeks, vs. 16–20 in a balanced market.
Agentic AI is reviving the question of how much compute demand lands on CPUs, as CSPs accelerate in-house designs. (1/2) pic.twitter.com/g8PNUf2giC— TrendForce (@trendforce) September 28, 2026
Como o Meta Muse usa processadores
O Muse é um agente pessoal de IA da Meta que executa tarefas com várias etapas para cumprir objetivos definidos pelo usuário. Ele pode abrir um navegador na nuvem e acessar sites como uma pessoa faria.
O serviço também pode continuar com tarefas em segundo plano depois que o aplicativo é fechado. Para isso, usa um computador dedicado e isolado na nuvem, chamado de máquina virtual, ou VM.
Essa máquina tem seu próprio navegador e foi projetada para manter dados e credenciais de acesso em um ambiente seguro, como uma medida de proteção à privacidade.
Outra proteção, chamada Sentinel, monitora o ambiente o tempo todo. O agente só pode concluir transações com a aprovação do Sentinel e a confirmação explícita do usuário.
A configuração anunciada pela Meta para cada usuário do Muse inclui dois processadores virtuais, ou vCPUs, 8 GB de RAM e 100 GB de armazenamento em SSD.
Meta's Muse is on another level 🚀 $META pic.twitter.com/RoOSvPNmtV
— P Equity Research 📰 (@pequityresearch) September 25, 2026
Contas iniciais e simplificadas indicavam que o crescimento do número de usuários ativos por dia poderia criar demanda por milhões de CPUs adicionais. Análises mais detalhadas, porém, pedem cuidado com essa estimativa.
Por que dois processadores virtuais não equivalem a dois núcleos físicos
Na análise de Freda Duan, a conta não deve partir da ideia de que a Meta precisa reservar dois vCPUs e 8 GB de RAM de forma exclusiva para cada usuário do Muse.
Máquinas virtuais e ambientes isolados para agentes de IA costumam compartilhar recursos físicos. Assim, a soma dos recursos virtuais atribuídos pode superar a capacidade física disponível.
Isso funciona porque uma VM ativa passa boa parte do tempo aguardando respostas do modelo de IA, comandos do usuário, retorno de ferramentas ou comunicação pela rede.
Mesmo quando mantém a memória e o estado da tarefa, o uso efetivo da CPU pode ficar perto de zero. Por isso, a análise precisa responder a duas perguntas:
- Quantas máquinas virtuais precisam estar prontas para executar tarefas ao mesmo tempo?
- Quantos núcleos físicos são necessários depois de considerar o compartilhamento de recursos?
A humble attempt to est. the infra required to serve 100M DAU @Muse
Rough conclusion is:
1 GW of power to serve 100M DAU in the base case, of which only ~0.1 GW comes from the CPU/VM layer. Depending on the # of reasoning-equivalent model calls one Muse DAU generates per day,… pic.twitter.com/fEt6OOZr15
— Freda Duan (@FredaDuan) September 27, 2026
100 milhões de usuários podem precisar de 25 milhões de VMs
Duan considera um cenário com 100 milhões de usuários ativos por dia e duas horas diárias de trabalho por agente. Nesse caso, a carga média seria de 8,33 milhões de VMs: 100 milhões × 2 ÷ 24.
O uso, porém, não se distribui de maneira uniforme ao longo do dia. Há horários de pico, e a estrutura precisa ter capacidade para atender a essa concentração de tarefas.
Com um pico equivalente a 2,5 vezes a média, a conta chega a 20,8 milhões de VMs que precisam estar disponíveis. Duan acrescenta cerca de 20% de capacidade extra para aumentos de uso, falhas e crescimento.
Assim, a estimativa fica em 25 milhões de máquinas virtuais ativas para atender a 100 milhões de usuários diários do Muse.
Em um cenário de uso mais intenso, com quatro horas de trabalho por agente a cada dia, a necessidade sobe para 50 milhões de VMs. A conta é: 100 milhões × 4 ÷ 24 × 2,5 × 1,2.
Estrutura da DeepSeek ajuda a estimar o número de núcleos
A segunda parte da análise calcula quantos núcleos físicos seriam necessários por máquina virtual. Duan usa como referência a DSec, plataforma da DeepSeek com ambientes isolados para agentes.
A estrutura reúne os seguintes números:
- Cerca de 160 nós de computação, as unidades que compõem a infraestrutura.
- Aproximadamente 30 mil núcleos físicos de CPU.
- Pico de mais de 380 mil ambientes isolados em uso ao mesmo tempo.
- Cerca de 800 micromáquinas virtuais por nó em operação estável.
A DeepSeek distribui aproximadamente 188 núcleos físicos por nó. Divididos pelas 800 micromáquinas virtuais, eles equivalem a cerca de 0,23 núcleo físico por unidade: 188 ÷ 800 = 0,235.
A operação da DeepSeek é muito eficiente, e Duan considera pouco provável que a Meta consiga o mesmo nível de economia de recursos da empresa chinesa.
Por isso, a análise adota uma faixa de 0,3 a 0,75 núcleo físico por VM ativa, com 0,5 núcleo como referência para o cenário-base.
Com 25 milhões de máquinas virtuais ativas, a Meta poderia precisar de 12,5 milhões de núcleos de CPU. Esse número se refere a núcleos físicos, e não à quantidade de processadores completos.
O estudo da DeepSeek sobre a DSec ajuda a explicar essa proporção. Cerca de 90% dos ambientes isolados usam, em média, 5% ou menos dos recursos de CPU solicitados, pois os agentes passam a maior parte do tempo aguardando o modelo.
Velocidade da IA também pode mudar a demanda por CPUs
A estimativa de 0,5 núcleo físico por VM não é fixa. Ela deve variar conforme a velocidade de inferência, o processamento que o modelo de IA faz para gerar suas respostas.
À primeira vista, respostas mais velozes poderiam reduzir a quantidade de núcleos físicos necessária por VM. Mas a análise também precisa considerar o paradoxo de Jevons.
Esse conceito descreve uma situação em que o ganho de eficiência de uma tecnologia aumenta sua demanda. Assim, uma IA mais eficiente também pode estimular o uso e ampliar a procura por processamento.
Thanks for sharing, @FredaDuan.
Your approach of separating sandbox infrastructure from inference makes sense to me. One additional question is whether the same CPU sharing ratio holds as inference wait times shrink.
For example, if users give a coding agent in @Muse a queue… https://t.co/YdlG0Lq2Tn
— Damnang (@damnang2) September 28, 2026
Ainda há muitas variáveis nas estimativas sobre agentes pessoais como o Muse. Apesar das diferenças nas contas, há consenso sobre uma tendência de crescimento sustentado da demanda por CPUs, favorável aos fabricantes. Os prazos divulgados pela TrendForce acrescentam mais um indício a essa avaliação.
