阿里云发布基于 AMD 第六代 EPYC 处理器的第十代 ECS 企业级实例

Agent 正在接手越来越多的工作，一场发生在模型之外的算力升级也悄然开始。 2026 年 9 月，Meta 发布个人 AI 智能体 Muse，仅用了十余天，下载量就突破 250 万，一度登顶美国 App Store 免费榜，并快速霸占全球各大科技热榜头条。但这仅仅是浪潮的起点。9 月底，OpenAI 发布了常驻于 Codex 的助手 dots；10 月，Google Cloud 推出面向工作场景的 Gemini Agent；11 月初，Perplexity 也推出了主打复杂任务协同的 Teammates。从 Personal Agent 到 Work Agent，AI 智能体正以惊人的速度向实际工作场景渗透，并成为当下 VC 圈最密集、最核心的押注方向。 浪潮之下，外行看热闹，内行看的是，谁的 Agent 能更好地把活干完。这背后比的不只是模型本身的能力，还有模型之外的那部分能力。 原因在于，传统 ChatBot 的特点是一问一答，主要依靠模型理解问题、生成回复。Agent 不同，它完成一项任务，不会只向大模型提问一次。以完成一次竞品分析为例，它要先拆解任务，再打开浏览器搜索资料、读取数据库、运行代码、调用企业软件。如果网页打不开或代码执行失败，还要退回上一步重新规划，最后核对结果是否可信。 在这条链路里，模型推理通常由 GPU 完成，但浏览器、数据库、代码环境、权限检查和结果验证等大量工作，仍要运行在 CPU 上。任务越长、调用工具越多、同时在线的 Agent 越多，模型之外的那部分计算，就越重要。 这也是为什么，到了 Agent 时代，企业对先进算力的需求越来越迫切。需求的变化，也让云厂商开始加快新一代处理器的引入速度。从最近几代 ECS 实例来看，阿里云一直在缩短新一代处理器从芯片发布到云上算力可用的时间，让企业能够更快用上最新的 CPU 算力。 阿里云近期发布的第十代 ECS 企业级实例，搭载的就是 AMD 刚刚在 11 月初正式发布的最新处理器——第六代 EPYC™ 9006（代号 Venice）处理器。这颗处理器采用 Zen 6/Zen 6c 架构和台积电 2nm 工艺，单路最高支持 256 核、512 线程，内存通道从上一代的 12 条增加到最高 16 条，并支持 12.8 GT/s MRDIMM。 第十代 ECS 企业级实例还围绕 Agent 工作流、数据和工具链进行了系统性升级。相比九代实例，第十代 ECS 企业级实例在 Agent 编码场景中的性能提升约 30%，在搜索推荐等传统场景中的性能提升约 23%，整体性价比提升约 25%。 同时，第十代 ECS 企业级实例结合 Alibaba Cloud Linux 4 在操作系统层针对 Agent 任务进行了专项优化，并通过 CIPU 提升云盘、网卡等设备的接入密度，为 Agent 的大规模并行任务提供从硬件、系统软件到 I/O 的全栈支撑。 Agent 的大规模落地让 CPU 重新回到舞台中心 CPU 从来没有离开过 AI 系统。过去几年，行业关注点集中在大模型训练和推理，GPU 承担最密集的矩阵计算，CPU 主要负责主机侧调度、数据准备、网络和存储 I/O。 到了 Agent 时代，CPU 承担的任务明显变多了。 以一次“生成一份市场分析报告”为例，模型负责在几个关键节点做判断、执行推理步骤，但在这些步骤之间，Agent 还要完成大量实际执行工作：抓取网页、解析文件、查询数据库、运行 Python 程序、生成图表并检查输出。这些任务很多并不需要 GPU，却会持续占用 CPU、内存、网络和存储资源。单个 Agent 的消耗或许并不突出，但当成百上千个 Agent 并发运行，执行侧就会形成独立的算力池。 AMD 在其 Agentic AI 基础设施示例中，对这种变化给出过一个更直观的描述：传统生成式 AI 服务器通常由 1 颗 CPU 作为头节点，搭配 4-8 张 GPU；到了 Agentic AI 时代，CPU 与 GPU 的配置正在向 1:1 靠近，在一些负载中，CPU 的比重可能还会更高。 不过，“CPU 需求增加”并不等于简单增加核心数。Agent 本身就是一组差异很大的工作负载，不同工作负载卡在不同地方：有些任务更看重单核性能和响应延迟，有些则受内存容量、带宽和 I/O 影响。当大量 Agent 同时运行沙箱、执行代码和调用工具时，核心与线程密度又直接影响一台机器能够承载多少并发任务。这也是为什么，AMD 将 Agentic AI 描述为一条由不同计算特征组成的完整工作流，而不是一种单一的 CPU workload。 所以，判断一套 Agent 基础设施是否高效，至少要同时看四类指标：单步任务的响应时间、单位机器可并发的任务数、CPU 等待数据的比例，以及单位任务的综合成本。如果只比较 CPU 核数或单项跑分，很难回答真实业务问题。 十代实例，围绕 Agent 工作流的系统性升级 第十代 ECS 企业级实例不是一次简单的 CPU 更新，而是围绕 Agent 工作流、数据和工具链进行的系统性升级，并以此回答四个问题：一台服务器能同时跑多少任务，CPU 能多快拿到数据，能同时启动多少隔离执行环境，以及如何减少任务运行开销？ 更多并行能力：减少任务排队 当大量 Agent 同时打开浏览器、运行代码或处理文件时，核心与线程密度会直接影响一台服务器能够承载的并发任务量。但核心越多，不代表性能一定按比例增长；如果任务受单线程、内存或 I/O 限制，继续加核可能只会让更多核心一起等待。因此，对 Agent 场景更有意义的指标，是完成同一批任务需要多长时间，或者单位时间能够完成多少任务。 第十代 ECS 企业级实例搭载的 AMD 第六代 EPYC™ 9006 处理器拥有更高的核心密度，单路最高 256 核、512 线程，为一台服务器同时运行更多任务提供了条件，吞吐性能较上一代 192 核旗舰 EPYC™ 9965 提升约 78%。相当于，一台服务器里，能同时干的活更多了，任务完成时间也更快。 更高内存带宽：减少数据等待 CPU 的计算能力提高后，内存能否及时提供数据，也变得更加重要。AMD 第六代 EPYC™ 9006 处理器把内存能力往上推了一大截，扩展到最高 16 通道。 内存通道可以理解为 CPU 与内存之间的数据车道：车道更多，多个核心同时读取特征、索引和中间结果时，更不容易堵车。这对搜索推荐、数据库扫描、数据预处理和高并发 Agent 任务尤其重要。 AMD EPYC™ 9006 系列服务器 CPU 是针对智能体 AI、云、企业、高性能计算和通用计算解决方案产品组合中的一部分。这部分能力也直接延续到了第十代 ECS 企业级实例。据悉，第十代 ECS 企业级实例内存带宽相比上一代提升了 60% 以上。 更高执行环境密度：解决 Sandbox 数量受限 Agent 的执行环境不仅消耗 CPU 和内存，还会使用网络、存储和虚拟设备。当一台服务器上同时运行大量隔离环境时，弹性网卡、云盘、网络连接和 I/O 吞吐，也可能成为继续提高 Agent 并发任务的限制因素。 阿里云在第九代 ECS 中，就已经通过 CIPU 承担虚拟化