以CPU为核心,英特尔为智能体AI打造全新智算中心

在2026英特尔技术创新与产业生态大会上，英特尔展示了以CPU为中枢、面向智能体AI需求构建的全新智算中心。从CPU到GPU、IPU再到存储，这一架构贯穿了智能体AI运行所需的每一个环节，为客户勾勒出一套从云到端的完整方案。

无论是放眼全球，还是聚焦国内，智能体都呈现加速前进的状态：全球将有大于80%的企业开始在内部尝试和导入智能体¹。在中国，活跃的企业智能体预计到2031年将达到3.5亿个²。随之而来的，是智能体AI对基础设施的重新分工：过去AI止于生成答案，由GPU主导，如今AI充满了主动性，CPU的角色变得举足轻重。

以CPU为中心的全新智算中心，需要改变其衡量方式：相比于部署了多少算力，客户和基础设施提供商更需要关注的是，在既定电力和资源条件下，能够稳定、高效地完成多少有效任务。英特尔至强6+处理器凭借微架构创新，以及在操作系统和运行平台层面的协同优化，回应了数据中心客户对真实环境下性能的诉求：

单颗芯片再强，也很难独立应对海量沙箱瞬时启动的需求。当数据中心需要在极短时间内批量拉起海量沙箱，考验的已不是某一颗CPU的性能，而是整个机柜能否协同作战。

在大会现场，英特尔联合产业伙伴共同发布了英特尔^® 开放Agent整机柜平台规范，让更多厂商能够基于这套规范打造自己的整机柜产品，在计算、内存、供电与散热之间做出合理配置，共同完善智能体AI基础设施。

在智算中心中，至强还扮演着机头CPU的关键角色。至强已被广泛用于国内智算服务器之中。英特尔与业界合作伙伴携手创新，将CPU、GPU、存储与网络组合成一个有机整体，服务于多样化的智能体AI应用场景。

英特尔关注客户在智能体AI时代面临的诸多瓶颈，尤其是在存储层面。智能体时代问题的关键不只是让存储跑得更快，更要让数据的供给速度跟得上计算需求的节奏，从而让昂贵的计算资源被更充分地释放。近期，英特尔携手国内的焱融科技，共同打造了基于至强的高性能全闪存储系统。依托至强6出色的I/O能力，以及MRDIMM带来的内存带宽提升，焱融全闪存储一体机F9000X Turbo在9月发布的全球MLPerf Storage v3.0榜单中，在Llama3-70B检查点读写测试中读、写带宽均位列第一，在3D U-Net训练场景中聚合带宽高达584GB/s，带宽利用率接近100%，闪亮全球AI存储赛道。

与此同时，在长上下文、多 Agent 并发的推理场景，面临的挑战不仅来自“思考”，更来自“记忆”。为了以合理的成本，保存并复用飞速增长的 KV Cache，英特尔与合作伙伴提供了G3.5的创新存储方案，打造内存容量扩展和高性能共享 KV Cache 存储池，实现优化的容量、成本和性能。另一方面，充分调用至强内置的AMX、QAT等加速器，推出KV Cache智能加速套件。客户的验证数据显示，英特尔KV Cache智能加速套件，能够将KV Cache传输速率最高提升达9.66倍，首字时延（TTFT）性能最高提升达15倍，让词元的生成更加经济高效。⁵

存储层面的优化，只是英特尔系统级方案的一个切面。从云到端，英特尔为客户打造了适应词元经济的企业智能体部署方案，涵盖至强、以太网控制器和代号Crescent Island的数据中心GPU。从CPU到GPU，从存储到网络，再延伸到企业一线，英特尔正用一套完整的系统级方案，回应智能体AI提出的新命题。

英特尔携手云厂商、传统数据中心、AI服务器提供商等多家生态合作伙伴，完善面向智能体AI的系统级方案。随着更多智能体工作负载走向规模化落地，至强平台也在这一进程中持续演进，为客户提供更稳定、更高效的基础设施支撑。

基于对趋势与需求的理解，英特尔及合作伙伴介绍了面向智能体AI时代的三种新的产品形态与两种新的部署形态。当沙箱能力被直接纳入整机柜设计考量，英特尔携手合作伙伴发布了CPU整机柜规范。当至强作为机头CPU，它承担起数据预处理、KV Cache管理与任务协调的职责。当存储系统需要管理起KV Cache的全生命周期，至强再次担任了重要的角色。在大会现场，英特尔与忆联发布了智能体AI高效推理加速KV Cache的实践。这是以英特尔至强6处理器为核心的分层KV Cache方案，充分发挥了忆联高性能UH812a企业级 SSD的性能优势，使得企业用户能够实现稳定、可靠、高性能的存储部署，释放数据的核心价值。更多信息可点击文末“阅读原文”获取。

在部署形态上，两种新思路同步展开：其一是集装箱式AI算力仓，通过模块化设计，应对大型数据中心建设周期难以匹配业务需求增长的现实，同时更高效地利用绿色能源；其二是推动AI基础设施向分布式、本地化部署演进，如推出词元一体机，使AI算力平台从中央机房延伸至企业的业务一线，让算力更贴近实际应用场景运行。

在硬件之上，软件的协同同样关键。智能体AI基础设施面临的问题，在于如何更高效率地支撑词元。这一过程可从两端理解：在供给侧，KV Cache的复用效率决定系统能否减少重复计算。在消纳（或消费）侧，沙箱的冷启动、热启动与快照备份速度，决定智能体能否在需要时快速就位。英特尔IAA、QAT、AMX等内置加速引擎，分别在这两端实现优化，包括压缩数据体积、卸载重复计算、缩短沙箱唤醒的时间等等。

散热和静音，是智算中心中同样不能忽视的一环。在现场，英特尔^® TBX16词元一体机就为噪音敏感、空间有限的部署场景，提供了一套兼顾散热效率与静音体验的机柜参考设计。同时，英特尔还携手合作伙伴，共同揭晓了液冷领域的最新进展，为高密度算力场景下的液冷部署提供新的参考。