单颗CPU跑1000个智能体，英特尔在数据中心摊牌了！腾讯云金山云抢先落子

智能体时代悄然来临，CPU这位老将正重新站上数据中心舞台的中央。作为全球CPU领域的绝对龙头，英特尔在近日的数据中心创新日上，明确提出了构建智能体时代高性能计算集群所需的四种关键支撑力：算力、存力、连接力和保障力。

这四力具体指什么？

算力，主打通用计算负载，并在通用算力基础上，借助AMX技术的矩阵运算能力，为AI数据预处理、MoE及KV Cache的卸载提供加速支持。

存力，为AI就绪的存储系统打下基础，目标是实现基于高密度全闪存介质的超低时延、超高IOPS并发以及超高读写吞吐能力。

连接力，通过以太网网卡产品的迭代，以及与行业标杆客户在IPU上的探索，构建一个高效、安全、灵活且可扩展的网络基础设施。

保障力，则是利用领先的可信计算技术，保护AI模型、应用与数据系统，确保智算中心基础设施的高可靠、高可用和高可维护能力。

英特尔全球副总裁兼首席市场营销官Brett Hannath用了个很形象的比喻：前沿大模型训练像一场GPU的独奏协奏曲，而Agentic AI（智能体）则是一场涵盖多种工作负载的交响乐，需要CPU、GPU、存储、网络所有组件一起协同演奏。而CPU，就是这场交响乐的指挥。

无论是作为通用计算平台还是AI平台，CPU的核心作用始终在于统筹编排、调度协调、全面把控。从AI智算中心到企业AI私有云，再到部门级AI平台和家庭AI大脑，全场景的AI实践离不开混合式AI部署的支持，这无疑为CPU带来了新一轮增长机会。

一、单颗CPU支持超1000个智能体部署，8张GPU卡能跑DeepSeek-V4

Token的消耗正在指数级增长，这倒逼行业建设更高效的AI智算中心，从系统层面以更优的成本提升Token供给。当AI从单轮推理进化到智能体处理复杂任务时，CPU的重要性愈发凸显。

英特尔分享了几组来自第三方研究机构的数据：到2030年，新一代智能终端、智能体等应用的普及率将突破90%；到2031年，活跃智能体数量将达到3.5亿个。2025年，中国token调用总量达到21100万亿，仅今年第一季度，中国AI算力需求就暴涨了417%。今年全球服务器CPU市场规模大约在500亿美金，未来4-5年可能翻两番达到2070亿美金，中国约占其中的1/4到1/3。另一个值得关注的数据是，据第三方机构调查，CPU和GPU的部署比例，去年还是1:8、1:4，如今已变为1:2，CPU的比例正在显著提高。

英特尔数据中心集团副总裁、中国区总经理陈葆立在媒体沟通会上透露，一家国内头部大模型厂商反馈，他们对CPU的需求从去年到今年涨了5倍。

英特尔中国区技术部总经理高宇总结说，如果把AI数据中心当作未来世界的超级工厂，其产出是token，生产机器有三台：一台GPU集群，一台CPU集群，一台高性能存储集群。而驱动这三台机器的，都是英特尔至强处理器。

在CPU侧，英特尔至强系列实现了从通用计算到AI智算主控平台的全覆盖，通过更高核心密度、更高内存带宽和更优能效比，为AI场景中的高并发与规模化运行提供支撑。

基于性能核的至强6处理器，适合追求极致性能的智能体CPU机架，它是GPU集群的主流机头CPU，能显著提升token生成效率，进而带来更高的投资回报率。

基于能效核的至强6+处理器（代号Clearwater Forest），则适用于高密度智能体CPU机架。它通过提供出色的计算密度和高能效，能大幅提升AI应用并发量，同时显著降低功耗和成本。

英特尔为此搭建了一体化性能监控体系，基于至强6+处理器，提供沙箱的快速启动和稳定运行，每个处理器核心可运行4个智能体，单颗至强6+处理器即可支持超过1000个智能体的稳定部署。

陈葆立解释说，通过至强6+的单核架构优化，英特尔可以做到在单个CPU核心上，通过算力资源共享与切分，同时运行3到4个智能体，给客户提供更细的颗粒度。当然，这样切分后，单个智能体的算力性能会有所递减，更适宜处理一些相对初级、简单的日常工作，比如自动调度去做市场调研、查询机票等。如果智能体需要调数据库、跑SAP这类重负载任务，那还是需要至强6性能核处理器。

在GPU侧，英特尔平台已经支持从OAM模块到PCIe的硬件形态，并完成了对国内外主流GPU生态的全面适配，提供了完备的系统支持。

英特尔新一代数据中心GPU（代号Crescent Island），专为AI推理与智能体工作负载打造。它基于Xe3P架构，采用LPDDR5x内存，提供最高480GB容量，风冷PCIe设计将整卡功耗控制在350W TDP，支持从FP4到FP64的广泛数据类型。8张卡可以在FP8精度下运行1.6万亿个参数的DeepSeek-V4。

除了更优的性能/功耗与成本比、更低的TCO、更贴近真实AI工作负载的系统级优化外，这款GPU的大容量内存不仅能支持更长的上下文窗口，还能在同一系统中同时承载多个模型，实现快速模型切换——而这正是Agent工作流中的核心能力。

在系统层面，它支持多种拓扑架构，从8卡GPU的PCIe直连，到16卡Switch高密度扩展，再到机架级多节点互连，构建出灵活可扩展的系统形态，并进一步通过SuperPod超节点架构实现AI集群部署，提供高带宽、低延迟的规模化算力能力。

值得一提的是，英特尔目前是全球唯一一个拥有自有产能的数据中心CPU公司。其数据中心CPU至强6和至强6+，分别使用了Intel 18A、Intel 3、Intel 7等多个制程节点来制造。在当前行业普遍供不应求的背景下，这是一个非常实在的优势。

基于以上联合技术创新，英特尔和生态合作伙伴鼎力合作，打造了完整且丰富的AI智算服务器产品体系。

例如，云尖信息为智能体时代打造了两组产品：一组是支持至强6的单机16到32卡服务器，覆盖6U、8U、10U，风冷和液冷都有；另一组是支持至强6+的CPU集群柜，负责数据处理和智能体调度等工作，采用整柜全液冷盲插设计，单柜功率达到20万瓦，1U4S可支持最高4万个核心，1U6S则可支持超过6万个核心、运行超过6万个智能体。

二、高密度CPU：288核契合智能体应用需求，腾讯云、金山云实例即将上线

腾讯云基于至强6+，支持288核CPU大规格虚机实例，通过搭载自研智能网卡、软硬结合深度优化、自研ROT模组等安全防护，升级了高密度算力引擎。腾讯云与英特尔合作的下一代云服务器实例也即将上线。

值得一提的是，搭载英特尔至强能效核处理器的腾讯云星星海自研服务器，已成为腾讯内部业务的算力基石，平稳支撑着微信、腾讯广告、QQ、QQ音乐、腾讯会议等业务的流量高峰场景。比如春节期间QQ红包扛住了3倍瞬时流量冲击，腾讯会议则在8天内扩容了100万核。

金山云基于英特尔至强6+的高效型SE10实例也已内测上线。其每颗vCPU与物理线程1:1强绑定，能提供很低的资源分享并降低系统调用的开销。与SE9相比，能效提升10%，单核性能提升10%，单Socket性能提升138%，单vCPU性能提升30%，L3缓存提升约4.9倍，可大幅提高缓存利用率并降低业务响应时长。

英特尔至强6+处理器基于Intel 18A制程，最高拥有288个能效核，提供8000MT/s的DDR5内存、576MB的末级缓存，缓存容量较上一代提升了5倍以上。它还首次推出了Intel AET应用能耗遥测技术，并有机密计算产品组合、SGX和SDX技术，以及支持SM3和SM4国密算法的加速计算引擎来确保可信。

这颗处理器的架构也很有看点：它由12个基于Intel 18A制程的计算模块构建而成，这12个计算模块通过全新的Foveros Direct 3D封装技术，堆叠在3个有源基底模块之上；同时还有2个基于Intel 7制程的I/O模块，通过EMIB技术连接。

在会后与媒体交流时，陈葆立举了个例子：有友商宣称一种CPU架构就能打天下，他们研究后发现答案是否定的。因为智能体应用以数量为优先，大量智能体在后台做各种工作，这种场景恰恰适合像至强6+这样拥有288核、核数多但单核性能不需要太高的处理器。而当智能体真正开始做事，触发的下游任务不可预测，可能是数据库等极度消耗性能的应用，此时就需要调用高性能核。两种需求都会长期存在。

至强6+可支持云基础设施、媒体处理、Web与微服务、存储、数据库等多样化的基础性工作负载。与上一代产品相比，其性能提升多达2.5倍。与竞品相比，其平均每线程性能提升30%，平均每瓦性能提升55%。

与第二代至强处理器相比，至强6+能实现9:1的服务器整合率。也就是说，原来9台服务器干的活，现在1台就能搞定。这将显著缩减数据中心的物理空间占用，降低电力、散热需求及日常运营成本，对数据中心运营商来说是实打实的省钱。

至强6+延续了在广泛场景下出色的能效弹性调节能力，为通用计算、Ja va、Web服务、媒体转码、数据服务和分析、网络、风险分析等各类工作负载带来性能提升。与同类产品的顶级型号相比，在典型40% CPU利用率下，至强6990E+平均可提供1.3倍的每线程每瓦性能。

云尖信息副总裁在媒体沟通会上分享说，至强6+吸引他们的一个重要特点是不需要重新设计硬件，插上去就能用。英特尔历代产品在架构上的连续性和兼容性，对硬件厂商来说确实非常有价值。

总体而言，至强6+处理器可为企业级AI部署提供更高的计算密度与能效，为智能体的持续执行构建稳定可靠的基础设施，针对企业工作负载优化I/O性能与数据访问效率，具备RAS特性，并内置企业级的安全保障。

另外，英特尔CEO陈立武已经宣布超线程等功能会加回来。陈葆立把这定义为另一种维度的“弹性”——客户如果选择开启超线程，虚拟核数就可以直接翻倍；如果选择关闭超线程，则能确保每个核心发挥出更高的单核绝对性能。

三、高性能存储：“两把金钥匙”，节省闪存和内存

新华三X20000基于至强6打造了AI原生存储，做到了单节点200GB/s带宽、300万IOPS，可减少30%的GPU训练等待时间。他们还在面向KV Cache数据，打造一款面向AI推理加速的专用存储，将借助KV语义接口、全局HASH直存、DPU硬件加速三个关键技术，实现单节点320GB/s和微秒级时延，为KV数据打造一个“全程无收费站的高速公路”。

阿里云存储在至强6定制化算力下协同优化，在GNR的平台服务和系统优化中，使用新的QAT引擎来替换以前软件加CPU的压缩能力后，压缩带宽提升了400%，同时减少了75%的通用CPU核数；在数据密集场景，DSA定制化算力带来通用CPU效能提升，单核与多核带宽提升15%-25%。

智能体需要运行海量并发、多步骤的工作流，这些任务本质上是由CPU密集驱动的，涵盖跨域编排、工具执行和上下文处理等核心环节。据陈葆立分享，智能体应用的需求侧承载控制面，要求尽可能高的密度与能效；供给侧从推理的应用特点出发，加速上下文处理，优化KV Cache，最终在Token的生产上做到降本增效。

在Agentic AI的驱动下，全球数据量将呈指数级增长，推动了存储业务的新一轮热潮。无论是企业级数据存储、分布式文件系统，还是大规模数据备份与恢复，都对存储服务器的性能、密度、能效以及TCO提出了更高要求。为应对这些挑战，至强6围绕高性能存储场景进行了大量优化设计，包括更强的I/O处理能力、QAT数据压缩技术、传输加速技术，以及完整的企业级解决方案。

在高密度全NVMe存储方面，英特尔与合作伙伴一起探索了24~30盘位 + 2 x 400G数据网络的高密度存储节点部署，以充分利用双路GNR-SP 176 PCIe Gen5 通道的I/O能力。从测试结果来看，24到30盘位的I/O性能在多盘并行时，单盘性能可以达到NVMe SSD标称值的80%-100%，在完全线性增长、多盘高并发的场景下能保持稳定低时延。

针对智能体场景的高并发、低延迟、海量小文件处理等存储挑战，英特尔通过软硬件优化来化解。英特尔中国区技术部总经理高宇将Intel QAT和Intel IAA技术称为“未来打开真正普及智能体的两把金钥匙”，用来应对市场两大痛点——闪存贵与内存贵。

闪存方面，Intel QAT是一个英特尔做了很多年的硬件数据压缩引擎，能让KV Cache在存盘前先进行压缩。在长上下文、大并发的场景下，该技术可减少热KV Cache的空间占用；相比纯软件方式，能带来4倍的首Token延迟（TTFT）性能提升；减少CPU处理核心占用，既可以提升数据服务应用，又能大幅提升存储的利用率；同时还具备数据压缩和加解密加速能力，优化存储性能。

陈葆立解释说，KV Cache的逻辑是让GPU避免重复计算，把前面的计算结果保留下来并存储，以便在下一轮变成新的数据。如今先进模型动辄百万级上下文，一个用户显存可能只有10GB、20GB，很容易被占满，所以现在需要用各种方式将显存的KV Cache搬到机头的内存或SSD中。高宇进一步补充道，100万上下文等于10GB以上的KV Cache，存下来就是一大笔闪存开销。但有了QAT，其压缩比至少能达到50%，10GB变成5GB，能省下不少成本。

内存方面，Intel IAA（Intel In-Memory Analytic Acceleration）是对内存数据做实时性压缩。在智能体沙盒场景测试中，对比原有不压缩的方案，集成Intel IAA技术的方案可将Sandbox Snapshot冷启动速度提升30%；能对内存数据做实时硬件级压缩，通过高速硬件Deflate算法，带来更高的压缩率；提升并发流量，降低I/O延迟高达60%；加速内存压缩分层，节省内存，释放CPU算力，降低TCO。

四、高性能网络：以太网方案支持200GbE速率，每瓦性能业界领先

英特尔的全新Ethernet E835以太网解决方案，覆盖从边缘到数据中心的多样化部署需求。其典型负载功耗不到12W，灵活支持2 x 25、4 x 25、2 x 100、1 x 200GbE等多种端口配置，与至强6结合可提供可信的硬件级保护能力，并提供10年以上的长产品生命周期。

在实际测试数据中，其集群尾部延迟成功降低了约40%，让集群整体计算效率显著提升。

同时，从存储架构入手，在当前主流的存算分离架构下，英特尔利用NVMe-oF组建了极速的存储网络方案，用闪存网络扩展了HBM的KV Cache存储，大幅降低KV Cache延迟和token成本。

传统的超大规模AI集群往往深度依赖特定厂商的专用无损交换机，推高了建设成本。而英特尔基于Falcon协议强大的硬件端到端控流与容错能力，实现了网络独立性——仅需使用标准以太网交换机，就能达到与专用网络接近的带宽与低延时性能，从而避免被特定技术生态绑定，释放了后续大规模平滑扩容的自由度。

五、安全可信：在云上打造“数据保险箱”

火山引擎AICC与英特尔TDX机密技术深度融合，为企业的云端大模型应用构建了公有云AI安全底座。通过芯片级可信、全栈安全管控、端到端机密性、可追溯审计、机密计算高效使能，解决了隐私数据上云的安全合规问题。

在大规模数据中心的部署中，火山引擎与英特尔合作，利用英特尔RAS能力，通过集群故障管理系统，提升监控与诊断能力。从宏观指标来看，其观测到年化宕机率降低50%以上，七天内CPU和内存的返修率较2024年降低24%。

企业对数据安全和合规问题非常关注。TDX机密计算解决方案能在CPU层面创建一个受保护的信任域，让模型参数和用户数据与底层云基础设施隔离，相当于在云上打造一个安全的“数据保险箱”。

AI模型作为企业的核心资产，部署在TDX信任域中，可以确保模型权重与参数在推理过程中免受窃取或逆向工程攻击；从模型服务用户的角度，可确保用户与模型交互的敏感信息不外泄，真正实现数据“可用而不可见”。TDX的另一大优势是应用透明，客户可以将现有的AI应用无缝迁移至受TDX保护的虚拟机或容器中。该技术经过第4代、第5代至强以及至强6的迭代，已在多家公有云实例中规模部署，并在手机等用户隐私保护的场景落地。

在AI推理和训练的CPU+GPU异构场景中，企业对端到端的安全性更为关注。英特尔引入了Intel TDX Connect，在CPU与GPU之间建立硬件加密通道，使数据和模型都可以得到基于硬件的隔离、控制和保护；搭配Intel QAT以及Intel Crypto加速技术，在保障Data in Use安全性的同时，还能满足客户对于AI推理和训练的全生命周期数据保护需求。

结语：x86在数据中心仍具统治地位，英特尔在智能体时代厚积薄发

市研机构IDC预测，到2030年，全球新部署的服务器中，每10台有8台采用x86架构。x86在数据中心统治了将近半个世纪，它身上承载的软件生态、硬件兼容性和工程化积累，都是新架构在短期内难以替代的。

重回数据中心焦点的CPU，正瞄准智能体推理爆发的增量市场。AI发展涉及编排、调度、存储、连接、安全在内的一整套系统能力，这些恰恰都是英特尔重点布局的领域。通过新一代CPU、GPU、存储及网络方案，英特尔展示出的不止是应对智能体复杂需求的技术实力，还有其长期构筑的护城河——提供贴近真实业务场景、高度实用、且极易部署与升级的产品。