Meta Muse와 다가오는 CPU 대란: 씨티, AI 에이전트 컴퓨트 연평균 60% 성장 전망

TREE NEWS 보도: Meta Muse와 다른 개인용 AI 에이전트의 출시와 함께, 인공지능 산업은 수동적이고 프롬프트 기반의 챗봇에서 상시 작동하는 자율 에이전트로 전환하고 있으며, 이러한 전환이 하드웨어 수요 지도를 다시 그리고 있다. 씨티의 새로운 보고서는 에이전트형 AI가 컴퓨트 수요를 수십 배로 끌어올릴 잠재적 동인이라며, CPU의 총유효시장(TAM)을 2025년 약 290억 달러에서 2030년까지 3,000억 달러로 끌어올릴 것이라고 주장한다. 이는 연평균 성장률(CAGR) 60%에 해당한다.

왜 CPU가 병목이 되는가

에이전트 시대 이전에는 CPU가 주로 전통적인 워크로드와 사용자 요청을 GPU로 라우팅하는 헤드 노드 역할에 머물렀다. 무거운 행렬 연산과 추론 작업은 GPU에 남아 있었다. 에이전트는 이러한 분업을 바꾼다. 에이전트는 오케스트레이션, 추론 루프, 데이터 처리, 보안 구성 요소를 처리해야 하며, 이러한 기능은 범용 프로세서에 크게 의존한다. AI가 학습에서 추론으로, 다시 자율 에이전트 워크플로로 이동함에 따라 CPU 대 GPU 비율은 극적으로 변화하고 있다. 학습에서는 약 1:8, 추론에서는 1:4, 그리고 에이전트형 AI에서는 1:1 이상으로 이동하고 있다. 씨티는 에이전트 전용 CPU가 247%의 CAGR로 성장해 2030년까지 전체 CPU 시장의 52%를 차지할 것으로 예상한다.

Meta Muse를 뒷받침하는 GPU 계산

Meta Muse는 진정한 소셜 네트워크 규모로 출시된 최초의 소비자용 AI 에이전트로, 그 컴퓨트 풋프린트는 AI 인프라에서 가장 중요한 변수 중 하나다. 표준 챗봇과 달리 Muse는 자율 에이전트로서 지속적으로 실행되며, 그 기반 로직은 훨씬 더 많은 GPU 소비를 의미한다. 씨티는 일반 사용자가 하루에 4건의 단순 요청과 12건의 에이전트 작업(예: 식당 찾기, 캘린더 확인, 초대장 작성)을 수행하고 에이전트 작업당 약 8회의 모델 호출이 있다고 가정한 상향식 모델을 구축했다. 모델은 호출 간에 기억이 없기 때문에 매번 증가하는 대화 컨텍스트를 다시 읽어야 한다. 이를 기준으로 각 Muse 사용자는 약 0.0020의 GB200급 GPU가 필요하며, 이는 GPU 1개가 약 500명의 사용자만 감당할 수 있음을 의미한다. 같은 프레임워크에서 챗봇 스타일 사용자는 에이전트 사용자가 필요로 하는 GPU 용량의 12.5%에서 25%만 필요로 한다. Meta Muse가 1억 명의 일일 활성 사용자에 도달하면 씨티는 20만에서 39만 개의 Blackwell급 GPU가 필요할 것으로 추정하며, 이는 Nvidia에 70억 달러에서 190억 달러의 일회성 매출 기회가 된다.

메모리와 네트워킹의 파급 효과

파급 효과는 로직 칩을 훨씬 넘어선다. CPU는 LPDDR, DDR, SSD 메모리의 높은 탑재율을 동반하며, 마이크론은 에이전트 워크플로가 CPU 제약이 강화되는 가운데 소비자로부터 더 많은 가치를 끌어내고 있다고 지적했다. 네트워킹 측면에서 에이전트형 AI는 트래픽을 실질적으로 증가시킨다. Nvidia 경영진은 에이전트가 몇 시간 또는 지속적으로 실행되어 소비자 및 엔터프라이즈 워크로드 전반에서 훨씬 더 많은 토큰 생성을 유도한다고 밝혔다. 더 많은 인프라 요청이 인간이 아닌 에이전트로부터 오게 되면서 데이터 센터 내부의 남북 트래픽(스토리지 접근, 보안, 구성 서비스)이 증가하고, BlueField 4와 Spectrum-X Ethernet 같은 DPU에 새로운 가속 기회가 생긴다.

시장 시사점

컴퓨트 공급업체: 씨티는 AMD를 CPU 부활의 주요 수혜자로 보며, Meta가 최대 서버 고객 중 하나라고 지적하고 목표 주가를 800달러로 상향했다. Nvidia는 GPU 수요 급증에서 이익을 얻을 입장이다.
메모리: DRAM과 SSD 탑재율 상승은 CPU 바운드 워크로드가 확대됨에 따라 메모리 제조사에 유리하게 작용한다.
네트워킹: 에이전트 트래픽이 증가함에 따라 DPU와 이더넷 패브릭이 이익을 얻는다.
반도체 공급망: 파운드리, 첨단 패키징, 고대역폭 메모리 공급업체는 구조적으로 더 높은 수요에 직면한다.

투자자를 위한 핵심 요점

에이전트형 AI 서사는 단순한 소프트웨어 이야기가 아니라 학습 붐과는 다른 형태의 하드웨어 수요 이야기다. 투자자는 세 가지 신호를 주시해야 한다. Meta Muse와 유사한 에이전트가 씨티의 GPU 계산을 정당화하는 일일 활성 사용자 규모에 도달하는지, CPU 대 GPU 비율이 얼마나 빠르게 동등 수준으로 이동하는지, 그리고 메모리와 네트워킹 벤더가 따라갈 수 있는지다. 가장 큰 리스크는 실행이다. 에이전트 채택이 정체되거나 추론 효율이 예상보다 빠르게 개선되면 예상 수요 곡선은 평탄해질 수 있다. 그러나 씨티가 옳다면 AI 트레이드의 다음 국면은 GPU뿐 아니라 CPU, DRAM, 데이터 센터 네트워킹을 통해 진행될 수 있다.