CPU回到Agent时代中央，英特尔还是你大爷

顺势而为，也找对位置？

文｜刘俊宏

编｜王一粟

今年9月英特尔中国区大会上，头部云厂商的架构师们围在至强6+的展台，讨论着一个不同于传统CPU性能的问题。

主频、核数，这些常规CPU最核心的参数被放在一边。他们更关注的是一颗CPU，到底能撑起多少个Agent同时干活。

这是一个AI时代才会出现的问题，而这种讨论放在去年很难想象。彼时AI基础设施的故事只有一个主角：所有人抢GPU，CPU只是采购清单里必须得有的“配件”。

但2026年，剧本反转了。

当下服务器CPU陷入多年未见的短缺。英特尔CEO陈立武在9月曾公开表示，“CPU 需求非常高，我们只能服务 50% 的客户。许多 CEO 给我打电话，我却只能告诉他们，很抱歉，我们无法生产足够的产品。”

CPU短缺的背后，是AI正在从训练跨越到Agent干活。Agent要完成一项任务，需要规划、调用工具、开沙箱、读数据库、反复验证，这些活单靠GPU不行，得靠CPU来扛。供需的天平，连同叙事的话语权，随之倾斜。

在这个背景下，CPU巨头英特尔也在重新确立自己身位——

既然每个AI系统都需要CPU、内存与互连，那就把CPU做成系统里的“指挥官”，并围绕这个确定性的需求，与行业用户共同设计整套AI计算体系。

这些变化集中体现在2026年。无论是英特尔在Computex还是苏州中国区大会上的演讲，从给英伟达定制NVLink版至强到与阿里云共建服务器和云端浏览器，做的都是CPU深入适配AI这件事。

这些合作能产生多少收益，答案还在路上。

但一件事已经没有疑问：这家老牌芯片巨头正在Agent时代打一场翻身仗，而且打法和所有人预想的都不一样。

英特尔的2026从卖芯片到共同设计

2026年，英特尔最重要的事不在于某款产品，而是合作方式发生了质变——

英特尔正在从过去的“CPU+简单适配”的芯片厂商，转变为AI计算系统级的共同设计者。

最底层的变化发生在制造端。今年1月的CES上，英特尔发布Core Ultra Series 3，这是首个基于Intel 18A工艺的量产芯片。这代表着跳票多年的18A节点终于进入商业供应阶段，英特尔重新具备了把先进制程用在自己产品上的能力。

同一阶段，英特尔在加速器路线上主动收缩。Falcon Shores作为原定承接Gaudi的高端AI加速器，在2025年初被取消商用，仅保留为内部测试芯片；Gaudi产品线也在Gaudi 3之后实质收缩，不再延续独立的ASIC训练加速器路线。

新的战略方向，英特尔毫无意外地押注在AI领域。今年6月的Computex上，英特尔CEO陈立武把计算重新划分为四个域——PC、边缘与物理AI、传统数据中心、新兴的“智算中心”，并引用IDC数据宣称“到2030年超过80%的服务器仍将基于x86”，这也恰恰是英特尔的主场。

虽然，这一判断并不新鲜，两年前AI大模型时代刚开始的时候也是这么说的。但这一次，预期转化成了实在的营收。

英特尔2026第二季度财报显示，公司实现营收161亿美元，同比增长25%，大幅超出公司指引。主要贡献来自于数据中心及AI业务推动，业务季度收入62.6亿美元，同比增长59%。随着营收增长，资本市场也开始重新审视，英特尔年内市值涨幅一度超过两倍。

到底是什么在“一夜之间”改变了英特尔？是时代变化和战略选择。

英特尔不再把有限的先进制程和工程资源继续投入到与英伟达正面对抗的训练级加速器上，而是把重心转向推理经济性和CPU在系统中的角色——让先进节点优先服务那些“每个AI系统都需要”的确定性部件。

具体方式，是英特尔通过加深与AI产业链的合作，不断改变自己过往的定位。

在全球领域，今年1月的财报电话会上，陈立武证实英特尔正与英伟达合作开发深度集成NVLink技术的定制至强处理器；3月的GTC上，Xeon 6已经作为DGX Rubin NVL8系统的x86主机CPU在跑。曾经英特尔“死对头”的英伟达，现在变成互联生态里的共建者。

另一个案例是跟谷歌的合作。4月双方宣布联合开发定制基础设施处理单元（IPU），这是一种专门卸载网络、存储和安全等基础设施任务的芯片。IPU把这些工作从主CPU上接走，可以让CPU更多资源留给实际业务和AI负载。7月英特尔内部全面部署Gemini Enterprise，用Agent工作流加速芯片设计。两者之间从单纯的采购关系，变成了共同设计关系。

在中国，英特尔的合作更加深入。

今年9月的中国区大会上，英特尔数据中心集团副总裁、中国区总经理陈葆立提出了“以CPU为核心的智算中心”架构。他表示，数据中心的架构必须随智能体AI而变，全新的智算中心应该以CPU为核心，CPU与GPU、IPU、存储协同运作，而不是单纯比拼某一环节的参数。

两天后的云栖大会上，这套理念有了落地案例。阿里云基于至强6推出的云实例已超过117种，其中超50种面向Agent的场景。展台上还有一颗代号GEM Mountain的定制芯片，这是由阿里云提出低功耗需求，英特尔在至强6平台上“裁剪”出的SKU。据现场工程师介绍，这是一款16核、TDP压到百瓦上下的芯片，用于阿里云的MOC智能网卡，“以前是没有这颗芯片的”。

给英伟达造主机CPU，给谷歌造IPU搭档，给中国云厂商做定制裁剪和软件共建。这些合作放在一起，显示出英特尔在AI时代下的新主线——

英特尔没有像其他算力硬件厂商一样，追求大模型厂商的GW级排他大单，但它在尽量让自己成为每个AI阵营都需要的。

所有变化共同显示出一个事实：2026年，英特尔不再只是一家卖芯片的厂商，而是想成为AI算力的共同设计者。

CPU如何回到AI时代中央？

英特尔身上的变化，核心其实只有一个问题。

从买GPU时的附带品，到智算中心围绕它设计，CPU到底是怎么翻身的？答案藏在Agent的独特负载结构里。

在AI大模型Chatbot时代，推理是无状态的“一问一答”：请求进来，GPU算完，结果返回。Agent则完全不同，是多个“计划—行动—观察”的循环。一个简单任务可能要转二三十轮，复杂的AI Coding任务要循环数百轮。

当然，大模型的推理依然是由GPU承担，但每一轮之间的编排、状态管理、工具执行、沙箱创建和数据搬运，要落在CPU上。CPU如果没能及时备好数据、拉起沙箱、调度请求，GPU就会被“饿着”。说白了就是浪费时间，算力在空转。

算力硬件的工作内容变了，所以Agent时代GPU跟CPU的配比也跟着变。

英特尔数据中心集团产品规划部总经理李尔成曾介绍道：从训练到推理，CPU与GPU的比例从1:8升至1:4，并在Agent时代走向1:1，甚至部分场景，CPU的配比会超过GPU。所以当时代变化之后，CPU的需求一下子就被打开了。

需要注意的是，英特尔的身位改变不能简单按需求变化来理解，否则就成了某种“躺赢叙事”。

真实的情况是，英特尔针对AI负载，把CPU从里到外改了一遍。整个调整的主基调，是峰值性能不再是第一位，匹配AI需求才是。

这些改动最关键的目标，是让CPU真正能承担起Agent系统里的控制平面角色——稳定地拆任务、调度加速器、管理状态、做隔离，而不是被自己的接口、延迟波动或I/O能力拖住后腿。

在芯片设计最底层，英特尔在Chiplet增加了开放互连。

下一代至强性能核（Diamond Rapids）用最多16个计算chiplet（把一颗大芯片拆成多个小芯片再拼起来的设计方式），配合中央Fabric Hub（芯片中央调度模块），通过Foveros Direct 3D（英特尔的3D封装技术）和UCIe（小芯片高速互联）连接。

这代表着最贵的18A-P工艺只给计算核心，I/O和辅助功能用更成熟的工艺承接。如此一来，总核数能推到256，同时给CXL（一种让CPU、内存、加速器更灵活共享的互联协议）和PCIe Gen6（高速接口标准）留出足够通道，让CPU真正当控制平面，而不是被I/O（输入输出接口）拖累。

一句话说，就是好钢用在刀刃上，省下来的预算换成核数和带宽。

聚焦到架构更细节的层面，英特尔也做了非常有趣的取舍。

Diamond Rapids新增了APX高级性能扩展和增强AMX矩阵指令——前者提升通用代码效率，后者让延迟敏感、小批量的推理可以留在CPU上跑，减少与加速器之间的数据搬运。同时它彻底取消了超线程（SMT，一个物理核心同时跑两个线程）。

简单来说，就是取消了过去靠超线程“一个核心干两份活”的做法，改用更稳定的单线程设计，再通过新指令让CPU自己也能处理一部分轻量推理，减少跟GPU之间的数据来回搬运。

这个决定要对比看。在传统服务器负载里，超线程一直是重要的利用率技术。友商AMD今年发布的EPYC Venice依然保留SMT，256核对应512线程，吞吐密度可观。

那为什么英特尔不用了？从设计逻辑看，英特尔考虑的可能是另一面——Agent编排对延迟敏感，SMT的资源争抢会放大延迟波动，对p99（一种最差情况延迟的衡量方式）不友好；沙箱和多租户场景下，两个线程共享物理资源，也意味着更复杂的侧信道风险（可以理解为计算信息互相影响）。

取消SMT，代价是线程密度降低，但好处是更可预测的单线程性能和更干净的隔离。而且，英特尔也说过2028年的Coral Rapids（下一代服务器CPU）会把它加回来。所以，这种设计并不是简单的SMT优劣之争，而是一种路线选择。只是，相比吞吐能力，英特尔先选择了延迟的稳定性和干净的隔离。

这种变化，与过去一年大模型行业的转向如出一辙。AI大模型预训练堆参数达到边际收益之后，所有人都在转向把推理“做对、做稳”。在这一层面上，模型和芯片之间达成了某种“微妙的共识”。

这些改变，在中国云厂商的机房里已经有了验证。

在阿里这边，双方对Agent规模化部署做了一系列调整。面对Agent上下文迈向百万token，GPU显存装不下的问题，双方用至强内置的加速器（QAT和DSA）做分层存储与压缩，首token响应相比原生vLLM基线最高提升15倍。针对任务计算无差别占用资源问题，部分原本跑在GPU上的小模型挪到CPU上，支持短、长上下文的吞吐稳定端到端提升约2.5倍。针对任务安全性需求，机密计算TDX则把Agent的运行时关进硬件级隔离的“单间”，全程不泄露。

这些优化，每一项都不是简单堆算力峰值，而是延迟、并发、成本与信任的调优。

英特尔的转变，也是基于Agent应用改变了过往通用计算的需求。这也是英特尔所主张的，从“每秒token数”转向“SLA（服务等级协议对延迟、可用性和成功率的硬性要求）约束下每美元完成的任务数”，简单来说就是“便宜、合适”就好。

当算力硬件衡量标准从峰值算力变成“每瓦特、每美元能完成多少编排工作”，务实就比参数上的激进更重要。

编排权之争，CPU厂商的新牌局

从某种角度上说，AI时代的竞争跟互联网APP有很多相似之处。

开始都是比“能力”，当能力跨过好用的节点之后，就开始比拼“谁能作为默认项”，一直留在用户手上。

回到2026年的CPU竞争。行业比拼开始不再关注核心数和频率，而是“谁的架构成为AI系统的默认编排层”。

编排层指的是在Agent系统里负责把任务拆开、决定哪些步骤交给GPU或加速器、哪些自己处理、按什么顺序执行、失败了怎么重试，以及如何做数据准备和状态管理的那一层控制逻辑。简单来说，就是谁能把这一层做得更稳、更可预测、更便宜，谁的架构就更容易成为AI系统的默认编排层，也就是被行业普遍采用。

这一层面竞争，目前行业大概有三种打法。

AMD是进攻全栈。公司推出的EPYC Venice用了台积电2nm制程，核心堆到256核，配套Helios整机柜。商业策略层面，AMD用OpenAI的6GW订单和Meta的定制协议做了股权绑定，试图从卖单一芯片转向卖整个机架。

Arm这边则是从之前做授权，到亲自下场。今年3月发布自有品牌数据中心芯片AGI CPU，同时Arm授权架构的AWS Graviton5、Google Axion、微软Cobalt 200这些云厂商自研的CPU在2026年也进入更大规模落地阶段。

英特尔的选择是第三种——用x86的存量生态和18A的制造能力做防守，再用定制硅和NVLink合作做结盟，把自己变成横跨不同阵营中立层。

这个中立层的位置，在算力市场尤为重要。以中国AI算力市场为例，这是一个既开放又严苛的市场。

开放在于，中国云厂商没有像海外同行那样大规模自研通用CPU，这意味着中国云厂商更愿意把合作加深。例如根据雷锋网6月报道，腾讯云是英特尔至强6+（Sierra Forest系列）AP平台的全球独占合作伙伴，阿里提需求让英特尔做一颗“以前没有”的芯片。这种共同定义产品规格的合作，在海外市场反而少见。

严格在于，金融、政务这类敏感行业对自主可控的要求持续抬高门槛。这决定了英特尔在中国的主战场，事实上收窄到了云厂商和互联网基础设施，虽然这是当下需求爆发最猛的领域。同时，英特尔也需要用TDX机密计算回应安全可控需求。例如火山引擎的AICC平台、与阿里云的Confidential Agent，都建立在它之上。

需要强调的是，这些改变并不是针对中国特供的策略。全球市场这边，给云厂商做定制裁剪、把网络存储卸载到IPU、用内置加速器承接沙箱和压缩，谷歌、英伟达也都提出过这些需求。

只是中国市场的特殊性，让这套逻辑运行得更极致。

对英特尔，这是守住中国市场的路径。但视角放大到整个云厂商和AI上下游生态，这是英特尔在供给短缺年代锁定确定性算力、并把每一分投入换算成更多“完成的任务数”的可靠路径。

当下，CPU的竞争格局还远未清晰。

AMD的机架级进攻还在加码，Arm的能效优势是结构性威胁，中国x86厂商也在向云厂商的推理集群渗透。而且，CPU的爆发需求其实才刚刚开始。真正起量，要等到IDC预测中那3.5亿个中国企业智能体，真的开始上班。