Meta的人工智能代理Muse在发布不到20天内用户规模爆发式增长，但其算力基础设施已出现明显瓶颈。据Similarweb统计，Muse的日活跃用户数在过去11天内增长了10倍，达到约70万。用户高速增长的同时，Muse频频出现服务降级、搜索失效、任务失败等故障，暴露出AI智能体规模化部署的核心矛盾：用户数量等于硬件数量，算力成本难以通过规模效应摊薄。
Muse的算力故障具体表现在哪些方面？
Muse当前的服务稳定性已受到第三方监控平台警告。状态监控平台SaaSHub已将Muse状态列为“服务降级”，其监测系统持续报告问题，例如频繁回复无法搜索、任务中断、指令无响应等。
行业压力测试结果进一步印证了算力短板：一名研究人员要求Muse一次性生成120个子代理，最终仅成功创建33个，其余87个尝试全部失败。这一测试表明，Muse在多任务并行、复杂工作流执行能力上存在严重不足，而这些问题直接源于其计算密集型架构。
值得注意的是，上述故障发生在Muse用户规模不足100万且仅面向美国和加拿大开放的情况下。Meta尚未开放WhatsApp和Instagram的用户注册渠道，一旦全面铺开，算力压力将进一步放大。
为什么Muse的算力消耗远高于传统AI应用？
Muse区别于Chat类AI的核心在于其“一人一虚拟机”的专属架构。Meta承诺为每位Muse用户提供一台专属虚拟机，配备2个虚拟CPU、8GB内存和100GB固态硬盘。这意味着每个用户独立占用硬件资源，无法像传统对话AI那样通过多用户共享算力来降低成本。
传统聊天AI采用共享池模式：千人共用一套算力资源，闲时休眠、忙时调度，算力利用率高。而Muse的个人智能体模式要求用户独立运行、后台持续驻留、24小时待命，硬件成本随用户数量刚性增长，几乎不具备规模经济效应。
Meta首席人工智能官Alexander Wang在9月9日透露，Muse的早期使用量远超内部预期，实际用户使用量达到内测时的10倍左右，这促使Meta重新设置代币使用量并增加限制，实质上是通过人为限流缓解算力压力。
如果Muse用户达到1亿，Meta需要多少硬件支撑？
业内分析给出了量级惊人的测算：假设Muse的用户数量在一年内达到1亿，且用户间不存在资源共享，Meta至少需要2亿个CPU核心，相当于约158万颗126核的AMD Ryzen EPYC CPU；同时需要800PB内存和10000PB固态硬盘。
| 资源类型 | 1亿用户所需规模 | 对比参考 |
|---|---|---|
| CPU核心 | 2亿个 | 约158万颗126核EPYC处理器 |
| 内存 | 800PB | 相当于80万个8GB虚拟机 |
| 固态硬盘 | 10000PB | 按100GB/用户计算 |
对于应用商店排名前列的AI应用而言，1亿用户规模并非难事，难的是Meta能否获得足够的硬件支持。这种级别的硬件投入已不再是购买GPU显卡的层面，而是接近国家级数据中心基础设施的建设规模。
Muse当前的收费模式能否覆盖算力成本？
目前Muse的商业模式面临严峻的成本挑战。Meta每周最多向每位免费用户发放1亿个代币，付费订阅套餐起价为每月20美元，最高为每月100美元。
以最低付费档位计算，每位用户每月贡献20美元收入，而专属虚拟机（2核CPU、8GB内存、100GB SSD）的硬件成本加上电力、网络、运维费用，在初期部署密度较低时很难实现盈亏平衡。更关键的是，随着用户规模增长，硬件投入呈现线性甚至超线性扩张，而订阅收入增长受限，两者之间的缺口将持续扩大。
这也解释了为什么Muse在发布初期就采取限流措施：算力瓶颈不仅是技术问题，更是商业模式的根本约束。AI智能体的竞争，正在从模型参数比拼转向算力基建能力的比拼。