当智能体（Agentic AI）正在改写数据中心工作负载结构,CPU被GPU遮蔽的光芒正在显露。同时，AI能力不再局限于单点芯片算力，而是依靠端‑边‑云完整链路的连接与协同，把模型、数据、硬件、开发者与行业业务打通，实现智能体从实验室原型走向大规模生产落地。

在苏州举办的2026英特尔技术创新与产业生态大会上，英特尔首席营销与传播官Annie Shea Weckesser在主旨演讲中提出三大核心战略：覆盖PC、边缘、数据中心的开放计算平台；面向特定工作负载的定制化芯片；依托先进制程与封装实现复杂异构系统集成。

一、负载范式迁移：智能体时代，CPU价值重回架构核心

生成式AI阶段，行业基础设施的焦点集中在GPU模型生成能力，数据中心评价标尺围绕Token输出能力展开。但Agentic AI带来的是完全不同的工作流：智能体不再是被动问答，它包含上下文工程、工具调用、循环校验迭代，要完成规划、检索、推理、工具调用、结果校验的完整闭环，大量编排、调度、沙箱隔离、数据预处理、记忆管理工作，并不适合GPU，而是CPU的典型工作场景。

英特尔数据中心集团副总裁、中国区总经理陈葆立引用一组产业数据，印证这场结构性变革。市场预测，2026年底超过80%企业应用将嵌入至少一个AI智能体；IDC预计，到2031年，中国企业场景活跃智能体数量将达到3.5亿。国内大模型每日Token调用量已经达到2024年初的5000倍；美银证券预估，2029年中国AI数据中心固定资产投资将突破2.2万亿元。

需求爆发直接改写硬件市场预期：仅仅半年时间，市场机构对2030年数据中心CPU市场规模预测，从590亿美元上调至2100亿美元，增长3.6倍；数据中心AI负载占比预计将从2025年40%攀升至2030年80%。英特尔判断，AI工作负载推动CPU与GPU配比，从过去传统的4:1，逐步向接近1:1演进，CPU不再只是GPU的配套“机头”，而是整个AI系统的调度中枢。

“数据中心的架构必须随智能体AI而变。一个智能体从思考到执行，牵动的是模型推理、任务编排、数据搬运与记忆管理的完整链路。全新的智算中心，应该以CPU为核心，CPU、GPU、IPU、存储协同运作，而不是单纯比拼某一环节的参数。”陈葆立这样总结。

基于这一判断，英特尔从“Token工厂”视角升级为“AI工厂”的全新架构理念。未来的数据中心将由三类集群协同组成，并且依赖CPU完成数据调度：

1. CPU服务器/CPU集群：承担智能体实例运行、任务编排、沙箱管理；
2. GPU智算集群：也就是传统Token工厂，负责大模型推理、矩阵计算；
3. 高性能存储集群：保存长对话、文档、中间状态、KV Cache等海量智能体生成数据。

衡量基础设施好坏，不再看硬件标称总算力，而是在既定电力、预算约束下，系统能够稳定完成多少有效业务任务，系统整体效率优先级高于单卡峰值算力。

二、至强6+：面向智能体密度优化的硬件底座与实测表现

为承接智能体高密度并发、沙箱大规模启停、复杂编排调度的新负载，英特尔推出基于Intel 18A制程的至强6+处理器，单颗处理器最高288核，配套智能体套件，单颗芯片可稳定部署接近1000个智能体实例。

英特尔定义了衡量智能体CPU平台的两大核心维度：单CPU可承载智能体数量、单个智能体运行性能，而不是简单统计核心数。大会披露两组国内客户真实环境实测结果：

• 在SWE‑bench基准测试场景，至强6+单智能体平均性能领先竞品15%；
• 在200ms沙箱启动SLA约束条件下，单颗处理器可支持350个沙箱并发创建，性能达到竞品的1.46倍，解决云端大批量智能体隔离环境快速拉起的业务痛点。

单芯片性能只是起点。海量业务场景下，瞬时成千上万个沙箱同时启动，考验的是整机柜层面计算、内存、供电、散热的综合协同，而非单颗CPU极限。

为此，英特尔联合国内OEM、液冷厂商，正式发布开放Agent整机柜平台规范，输出面向智能体负载的整机柜硬件参考标准，开放给全行业厂商，推动标准化CPU整机柜集群落地，把智能体能力从芯片延伸到机房基础设施层面。

同时，至强系列继续承担GPU服务器主流机头CPU角色。智能体业务会大量处理网页、PDF、音视频等异构原始数据，素材解析、提取、预处理工作由至强完成，释放GPU资源专注模型运算。依托内置AMX矩阵加速，数据向量化性能达到基准2倍，重排序性能达到基准4倍，已经在国内多家互联网厂商业务落地。

三、打通数据通路，英特尔与合作伙伴破解推理瓶颈

长上下文、多智能体并发，带来推理侧新的挑战。随着百万Token上下文成为开源大模型的标配，35B参数模型100万Token上下文对应的KV Cache可达300GB，远超GPU HBM显存物理上限，大量数据需要在GPU、内存、SSD之间来回流转，一旦数据通路阻塞，昂贵的GPU算力就会空等数据，直接拉高业务TCO。

英特尔的解决思路不是单纯堆存储硬件，而是以CPU为调度核心，打造分层、可加速的完整KV Cache软件‑硬件体系：

1. KV Cache智能加速套件：依托至强内置QAT压缩、DSA数据搬运加速引擎，可对KV Cache做无损压缩，同时加速数据搬移；实测中，KV Cache传输速率最高提升9.66倍，首字时延TTFT最高提升15倍。
2. G3.5共享KV Cache存储池方案：联合产业伙伴构建内存扩展池，把部分KV Cache卸载到内存与高速存储，平衡容量、成本与性能。
3. 生态联合落地：与焱融科技合作，基于至强6+MRDIMM内存打造全闪存储系统，焱融F9000X Turbo在MLPerf Storage v3.0测试的Llama3检查点读写、3D‑Unet训练两项拿到全球第一；与忆联合作推出分层KV Cache实践方案，以至强6搭配UH812a企业级SSD，实现冷热KV Cache分层部署。

这套方案清晰体现英特尔系统级思路：CPU不只是计算单元，同时充当存储、缓存、加速器之间的调度枢纽，打通“算力‑内存‑存储”整条数据通路。

四、异构产品矩阵与软件生态协同

Annie Shea Weckesser演讲披露英特尔制程路线：Intel 18A已经实现量产，高性能版本Intel 18A‑P进入风险试产；Intel 14A进展顺利，面向内部产品风险试产计划2027下半年启动，目标2028大规模量产爬坡。EMIB、EMIB‑T先进封装技术，实现多计算引擎、IP在单封装内集成，保障异构芯片之间高速数据流转，为数据中心、端侧各类AI产品打下底层工艺基础。

代号Crescent Island的Xe3P架构GPU在大会进一步对外披露，产品专门针对Agentic AI推理场景设计，采用LPDDR5X，最高可配置480GB超大显存，可承载超长上下文KV Cache驻留；整卡功耗350W，支持现有风冷机房部署，无需大规模液冷改造。软件层面完整适配主流开源大模型，更多产品细节将在2026年晚些时候对外释放。

智能体基础设施，硬件只是一半，软件栈决定落地效率。英特尔持续深度参与PyTorch、vLLM、SGlang等主流AI开源项目，贡献Agentic AI相关能力，推动硬件与开源框架适配。同时面向云厂商提供定制化芯片合作路径，针对超大规模客户的差异化工作负载需求，开放架构、IP、先进封装、制造能力，联合开发定制芯片。

结语

纵观本次大会，英特尔提出了一套面向Agentic AI的系统方法论。

智能体时代远未定型，技术路线仍在百家争鸣。但有一点已经明确：未来AI基础设施的竞争，已经从单一芯片参数的比拼，演进到系统与生态的综合较量。