GPU负责算，CPU负责干活：英特尔开始重新出牌

英特尔正在重新调整自身在AI基础设施中的定位。一方面，通过至强处理器承接Agent执行、任务编排和数据调度需求；另一方面，继续推进GPU、存储加速、定制化芯片、先进制程与封装，将原有计算优势扩展到更完整的AI系统。 在英特尔技术创新与产业生态大会上，英特尔CEO陈立武在视频致辞中表示：“过去一年多来，我和团队致力于塑造一个焕然一新的英特尔，既传承深厚积淀，又专注于技术创新、工程实力、快速执行和客户至上的英特尔。”他强调，英特尔将依托CPU、GPU、ASIC、先进封装、晶圆制造以及覆盖云、边、端的开放生态，把握AI带来的发展机遇。 英特尔重新强调CPU的价值 过去三年，大会的讨论重点已经从大模型应用转向推理，并进一步进入智能体时代。英特尔中国区董事长王稚聪表示，这一变化也直接影响着英特尔的数据中心产品路线。 Agent正在让数据中心工作负载变得更加复杂。过去，大模型主要通过对话完成问答；如今，上下文工程让模型能够利用更多历史信息，Agent Harness使模型能够调用工具并执行任务，循环工程（Loop Engineering）则让Agent能够反复验证和改进结果。 “这一层又一层的软件机制，听起来很简单，但其中很多工作都比较适合CPU来执行。这也是为什么在过去一年时间里，AI智能体的兴起会带来对CPU的巨大需求。”英特尔数据中心集团副总裁兼中国区总经理陈葆立说道。 英特尔据此提出，未来AI数据中心将由三类服务器或集群协同组成：CPU集群负责智能体执行和工作编排；GPU集群承担模型计算和Token生成；高性能存储集群则保存上下文、历史对话及业务数据，三类集群都需要CPU参与数据调度。 陈葆立表示，“当我们把Token工厂的概念升级到AI工厂的时候，讨论的就不止是这个Token工厂能产生多少Token，而是整个AI大系统如何以更低的资源消耗、更高的效率，帮助客户完成更多工作。这是一种以任务为导向的思维，也是一个完全不同的想法。” 市场预测显示，2030年CPU市场规模预估已从今年2月的590亿美元上调至8月的2100亿美元，约为此前预测值的3.6倍。与此同时，数据中心AI负载占比预计将从2025年的40%提升至2030年的80%。 英特尔首席营销与传播官Annie Shea Weckesser也强调，随着AI任务在规划、检索、推理和工具调用之间持续流转，CPU的重要性正在提高。英特尔预计，数据中心CPU与GPU的配置比例将从约4:1逐步向接近1:1演进，并预测到2030年，全球超过80%的服务器仍将采用x86架构。 288核至强承接Agent负载，英特尔筹备新一代CPU机架 围绕Agent带来的计算需求，英特尔今年6月发布了采用Intel 18A制程的至强6+处理器，最高提供288个内核，并推出相应的智能体套件。据英特尔介绍，单颗288核至强处理器可部署近1000个Agent。 但在与国内软件合作伙伴和互联网企业进行测试后，英特尔发现，单颗CPU能够承载多少Agent并不是唯一指标。 “数量越多当然越好，但还不够，还需要性能足够强、智能体跑得足够快。”陈葆立表示，英特尔因此开始从两个维度衡量Agent性能：一是单颗CPU能够承载的Agent数量，二是每个Agent自身的执行性能。 根据英特尔披露的客户实测结果，在一组SWE-bench工作负载中，至强6+的单Agent平均性能比对比平台高15%。在沙箱启动测试中，满足200毫秒启动SLA要求时，至强6+可支持350个沙箱并发，约为某竞品的1.46倍。 针对Agent规模化部署，英特尔还在与国内OEM、液冷等合作伙伴共同制定新的CPU机架方案，综合考虑CPU性能、网络、存储、散热和供电，以满足更高密度的Agent运行需求。相关产品计划后续推向市场。 除直接承载Agent外，英特尔还在强调至强作为GPU服务器主机CPU的作用。陈葆立指出，Agent执行任务时需要处理网页、PDF、视频等不同类型的数据，这些内容必须经过预处理，才能交由大模型完成后续分析。英特尔正在利用至强内置加速器优化这些工作。在相关测试中，借助AMX等能力，向量化和重排序性能分别达到对比基准的2倍和4倍。 至强6产品线也继续采用P-core和E-core两种路线。Annie Shea Weckesser介绍，P-core主要面向需要快速执行和响应的工作负载，E-core则侧重提高Agent部署密度和能效，内置加速器还可承担安全、压缩、加密等任务，让GPU和其他加速器集中处理模型计算。 把数据存储与搬运纳入布局 随着长上下文和Agent应用增加，数据存储与搬运也成为英特尔的重点讨论方向。 从HBM、系统DRAM到本地SSD、远端存储，存储容量和成本逐层变化，但数据访问速度也随之下降。如何缩短数据访问路径、避免CPU和GPU等待数据，正在成为AI系统优化的重要环节。英特尔目前正通过CXL、智能网卡和软件技术推进内存池化及远端存储加速。在中国市场，英特尔近期与焱融科技合作，基于至强6处理器和MRDIMM内存打造高性能存储系统。 KV Cache则是英特尔进一步投入的方向。随着AI Coding和长上下文应用发展，推理过程中产生的KV Cache规模持续增加，单纯依靠GPU HBM越来越难以满足容量需求，部分缓存需要转移至系统内存或SSD。 英特尔为此开发了KV Cache智能加速套件，利用至强内置加速器改善缓存压缩和数据搬运效率。其中，QAT用于对KV Cache进行无损压缩，减少落盘所需容量；DSA则用于提高数据搬运效率。英特尔披露，相关测试中的DSA数据搬运加速效果达到9.66倍。 这一方向也与英特尔正在开发的新一代GPU Crescent Island相呼应。该产品采用Xe3P架构，面向AI推理和Agentic AI设计，使用LPDDR5X内存，规划提供128GB、256GB及最高480GB的容量配置，重点满足长上下文推理和KV Cache存储需求。 陈葆立表示，英特尔也在持续投入配套软件，希望建立完整工具链，并及时适配主流开源大模型。在软件生态方面，英特尔继续参与PyTorch、vLLM、SGLang等开源项目，推动AI推理和Agent相关功能适配不同硬件平台。 从AI PC到物理AI，18A和先进封装支撑产品扩张 此外，英特尔还在继续扩大PC、边缘和物理AI产品布局。 Annie Shea Weckesser将当前战略归纳为三个方向：“首先，覆盖PC、边缘和数据中心的开放计算平台；其次，围绕特定工作负载设计的定制化芯片；第三，在英特尔产品中实现日益复杂系统集成的制程与封装技术。” 在PC端，第三代酷睿Ultra处理器整合CPU、GPU和NPU，能够根据任务需求选择不同计算引擎。英特尔表示，该平台支持在本地运行350亿参数级模型，并通过模型路由，在端侧计算和云端能力之间进行选择。目前，英特尔正与百度搭子、腾讯Marvis、千问办公、TRAE、WorkBuddy等推进混合Agent的软件优化和技能集成。 物理AI方面，英特尔希望将同一套异构计算能力延伸至机器人和其他边缘设备。节卡机器人正在基于酷睿Ultra处理器及KVM虚拟化技术，将实时运动控制、感知、自主规划和执行能力整合到统