能回答问题的AI主要考验模型质量，能写代码、读文件、查数据库并调用接口的智能体，则必须先解决“在哪里安全执行”的问题。Intel公布新一轮平台测试后，企业AI开始补上安全执行层，沙箱的创建速度和并发规模也成为用户体验的一部分。

10月8日，Intel发布关于Xeon 6和Xeon 6+处理器承载沙箱化智能体工作流的技术文章。Intel指出，现代智能体可能执行代码、处理文件、访问数据库和应用程序接口，并完成多步骤任务。如果直接在主机系统运行智能体生成的代码，可能带来软件缺陷、提示注入、数据泄露和权限提升等风险。

沙箱从安全选项变成执行前提

所谓沙箱，是在智能体真正执行操作前创建一个隔离环境，把代码、文件和权限限制在可控制的边界内。常见实现包括虚拟机、容器和微型虚拟机。Intel此次还测试了开源的腾讯云Cube Sandbox。无论采用哪种方式，核心目标都是避免一次错误工具调用直接影响宿主系统或其他任务。

沙箱并非只在任务开始时创建一次。大量智能体可能在数秒内反复创建、使用和销毁隔离环境，因此创建过程位于任务响应的关键路径上。隔离越强但启动越慢，用户等待时间就越长；一味追求速度而削弱边界，又会扩大风险暴露面。

Intel把并发创建速度作为基础设施指标

Intel比较了不同服务器平台在并发增加时的沙箱创建延迟。公司称，搭载Xeon 6990E+的平台在200毫秒目标内实现了测试中最高的并发能力，Xeon 6980P平台在更高创建负载下也保持了其设定的服务水平。由于这些结果来自Intel设定的配置、软件和测试方法，企业在采购或扩容前仍应使用自己的智能体任务、镜像大小和安全策略进行复测。

值得注意的是，这类工作负载的瓶颈不一定只来自模型推理。镜像准备、文件系统、网络、调度器、策略校验和日志记录都会影响沙箱启动时间。GPU可以负责模型生成，但大量短生命周期环境的编排与隔离，往往需要CPU、内存、存储和网络共同配合。

安全设计要覆盖沙箱之外

隔离运行能够降低智能体直接破坏主机的概率，却不能解决所有问题。企业仍需控制智能体可访问的凭证、接口和数据范围，对外部输入做校验，并记录每一次工具调用。若沙箱内部拥有生产数据库的高权限密钥，即使环境本身被隔离，错误操作仍可能造成真实业务损失。

编辑观察：用任务分级决定隔离成本

企业落地时可先按风险划分任务：只读检索采用较轻量的隔离与限流；文件修改、代码执行和外部系统写入使用更严格的环境、一次性凭证与人工确认；涉及资金、隐私或核心生产系统的动作，则保留明确审批和回滚机制。

评估指标也应从单一回答准确率扩展到沙箱创建时间、峰值并发、任务失败率、资源回收、越权阻断和审计完整性。Intel此次测试说明，智能体规模化竞争正从模型层进入基础设施层。谁能把隔离、安全和响应速度同时工程化，谁才更有可能让AI真正参与企业流程，而不只是停留在演示环境。

配图为AIcent原创AI生成实景风格示意图，非官方新闻现场照片，不使用第三方新闻图片。

参考来源：Intel官方新闻中心（2026年10月8日）。正文为基于官方消息的中文整理，编辑观察与事实披露分开呈现。