TickerTrends的数据显示，Muse日均净新增用户已从9月高峰期的约19.8万人骤降至约7.4万人，降幅高达62.4%，下载量也较峰值回落逾21%。摩根士丹利发布了迄今最详尽的Muse成本模型，Muse每用户每月服务成本在3美元至130美元之间，基准情景下为37美元，折合年成本445美元——已超过Meta全球平均每用户年收入约70美元。大摩报告还指出，Meta目前的估值扩张（PE14,AUG 26 - PE21,NOW）完全建立在“10亿（1 billion）用户规模”的完美增长故事之上，但现实中其日活用户（DAU）目前仅不到300万。Muse的计算成本分为两块：GPU推理成本：随token消耗量线性扩展（模型处理用户请求的算力）；使用GB300框架，每吉瓦410,256块GPU，75%利用率下每GPU每秒处理3500个token，折合每年每吉瓦处理33,962万亿token，年基础设施成本76.3亿美元，推理成本约为每百万token 0.225美元。CPU沙箱成本：随用户激活Muse的频率及虚拟机运行时长扩展（浏览器、工具和代码执行环境）。假设每次激活约10分钟的沙箱运行时间，采用2核vCPU/8GB内存的虚拟机，按AWS AMD实例按需定价（0.1217美元/小时），加7.5GB存储（0.60美元/月）。基准情景（25%额度使用率）：用户每月消耗约1.08亿token（每天20次会话），月服务成本37.12美元，年成本445美元。#AIDC

#DeepSeek 创始人梁文锋署名的最新论文公开，首次系统发布Agent训练沙盒平台DSec（DeepSeek Elastic Compute）的技术细节，论文提交日期为9月19日、作者名单超过130人，梁文锋在列。论文显示，DSec单个生产单元由约160个CPU节点、3万核、250TB内存构成，托管PB级镜像；平台单日服务约300万个沙盒，峰值并发超过38万个，创建速度超过每秒5000个，单个训练任务最多可以一次性拉起3.2万个沙盒。

杰富瑞认为，随着AI从聊天机器人向智能体应用加速演进，推理、编排及基础设施层的算力需求将持续扩张，PCB及ABF基板供应商有望迎来系统性重估机会。预计：- AI #PCB 总可寻址市场（TAM）将从2025年的70亿美元增长至2030年的730亿美元，复合年增长率约60%；- #ABF 基板TAM同期有望从80亿美元扩张至300亿美元，复合年增长率约30%。上述数据为相关供应链个股提供了明确的中长期增长支撑。- 服务器 #CPU 出货量将从2025年的约2900万颗增长至2030年的约7500万颗，覆盖通用型、AI头节点及AI独立部署三类场景，年均复合增速在两位数区间。

据供应链渠道机构报道，#AMD 计划将台积电晶圆代工成本上涨全额转嫁至下游，旗下全系列芯片产品价格预计自2026年第四季度起统一上调约10%，调价覆盖AI加速芯片、消费级GPU及主板芯片组，Ryzen CPU虽未被明确列入但同样面临上行风险。#AI税

#联发科 发布旗舰手机芯片天玑9600 Pro，并同步推出天玑9600M。终端方面，vivo已宣布X500 Pro系列全球首发天玑9600 Pro；OPPO Find系列产品负责人卓世杰同日确认，Find X10 Pro Max将搭载该芯片。CPU方面，天玑9600 Pro采用“2+3+3”全大核架构，包括两颗最高主频4.55GHz的C2-Ultra核心和六颗C2-Pro核心。芯片配置总计34.5MB的二级、三级及系统级缓存，并支持LPDDR6内存和UFS 5.0存储。#消费电子

供应链人士透露，因应整体成本飙升，#英特尔 PC CPU过去1年来已陆续涨价，暂定10月上旬再涨10%。在PC终端市场2027年预估小幅衰退的情况下，英特尔仍选择调高CPU价格，显见拉升毛利率为首要目标，过往杀价抢市占已不复见。供应链分析，若英特尔将低毛利率设定为产品去留的重要门槛，势必有部分产品被迫退出。这些需求一旦释出，恐令联发科、高通等Arm阵营业者有机会切入。尤其在IPC、边缘运算及IoT市场，Arm SoC具备高整合度及低功耗优势。

#英特尔 在Hot Chips 2026上正式展示下一代服务器处理器Diamond Rapids，以最高256个P核心和全新Fan-out Fabric架构为核心卖点，将产品定位于企业级AI Agent基础设施，直面AMD和Arm日益激烈的竞争。Diamond Rapids将采用英特尔18A-P制程打造，支持高达1.6TB/s内存带宽、128条PCIe Gen 6通道及CXL 3.0，较上代Xeon 6核心数提升50%以上。从物理构造来看，整颗芯片由22个独立裸片拼接而成，具体包括16个基于Intel 18A-P制程的核心小芯片（Core Chiplet）、2个基于Intel 3制程的Fabric Hub以及4个基于Intel 3-T制程的基础裸片（Base Tile），各部分通过Foveros Direct 3D混合键合及UCIe-S铜互联接口相连。这一设计思路与AMD EPYC Venice采用多CPU小芯片围绕大型I/O裸片的方案高度相似。英特尔将在 #AIDC 数据中心CPU市场与英伟达 Vera及AMD Venice展开正面竞争。

#腾讯 2026年二季度算力采购扩张明显，2026年第二季度资本开支达到527.84亿元，同比增长176%。#阿里巴巴 2027财年第一季度资本开支676.78亿元，同比增长75%。AI基础设施投入明显加速，主要由于智能体带动CPU算力需求增加以及芯片组件价格的上涨的因素

根据TrendForce集邦咨询最新存储器产业研究，2027年存储器需求仍由AI应用主导，DRAM因HBM持续排挤产能、AI Server需求强劲，CPU所用的存储器与HBM采购动能持续增加，市场维持供给紧张格局，价格走势偏强。NAND Flash在新产能集中释放、终端消费需求持续走弱的情况下，2027年下半年供给将趋向宽松，价格可能面临修正压力。#内存涨价

Agent时代CPU路线之争：#英伟达 押注“单核更快”，#AMD 押注“并发更多”。英伟达Vera CPU搭载88个自研Olympus ARM架构核心，内存带宽1.2TB/s，片上互联带宽3.4TB/s。英伟达的核心论点是：AI Agent的工作方式是CPU与GPU反复交互——工具调用、代码执行、数据检索、任务编排——每一步都依赖上一步完成，因此CPU的单核速度和延迟直接决定整个Agent的响应效率。Vera的发布为行业引入了一个新的评估框架：“规模化下的最大单线程性能”。这与AMD长期坚持的chiplet多核堆叠路线形成直接对比。在AMD看来，生产级AI系统不是一个Agent在串行推进任务，而更像一个由数据库、API、向量存储、编排引擎、缓存和中间件组成的分布式软件平台。在这种场景下，瓶颈不是单任务的完成速度，而是固定功耗预算内能同时承载多少工作流。AMD给出了一组具体测算：在模拟的100千瓦机架部署场景中，EPYC 9965（Turin）的机架级吞吐量约为英伟达Vera基准的2.4倍；下一代EPYC 6（Venice）预计达到3.3倍。AMD的逻辑是：吞吐量密度更高，意味着同样的能耗能服务更多用户、处理更多请求——这才是 #云端AI 部署的真实成本函数。两套框架，两套KPI，本质上是两家公司在争夺行业叙事的主导权。市场最终会用哪个指标来采购服务器CPU？