在 AI 应用加速落地的过程中，两大方向格外引人关注：一是 " 会说也会做 " 的智能体 AI，不仅能回答问题，还能自主规划和执行任务；二是走出虚拟空间的物理 AI，通过机器人、机械臂、智能汽车等搭载 AI 的物理载体，实现对真实环境的感知、分析与交互。两者的结合，有望在教育、医疗、交通、制造等千行百业深入普及，让 AI 成为生产生活中的可靠 " 帮手 "。

智能体和物理 AI 的崛起，也在重塑底层算力结构。近日，英特尔中国研究院院长宋继强与业界同仁分享了英特尔的最新实践：通过以 CPU 为核心的异构算力架构，系统性布局智能体 AI 与物理 AI，希望为产业伙伴和开发者提供开放、可持续的技术基础设施。

智能时代，CPU 正迎来新的价值定义

最新一波兴起的 " 多智能体系统 "，正在改变算力的角色分工。在面向真实产品级应用的多智能体系统中，不仅包含模型的训练和推理，还需要完成数据处理、分析、工具调用、代码生成与测试、智能体间通信等大量计算任务。 这些环节需要 CPU 的通用计算能力和调度能力，使得 CPU 在系统中的数量和重要性显著提升。

根据摩根士丹利的市场预测，数据中心 " 机头 " CPU 的整体市场规模，有望在未来几年显著增长，新增空间可达数百亿美元量级。英特尔公司首席执行官陈立武也表示，根据一些来自一线客户的实践反馈，数据中心中 CPU 和 GPU 的比例正在从训练阶段的 1 比 8 转变为 1 比 1，在前端部署多智能体系统、做产品级应用时，这一比例甚至会达到 4 比 1。

企业希望智能体 AI 能够以更经济、高效、可靠的方式帮助其重构数字化、智能化流程，其核心需求在于系统能够将任务拆解为多个步骤，每个步骤再按需调用所需的 AI 模型，而非所有任务都依赖单一模型来处理，这与异构计算的逻辑不谋而合。此外，在 " 词元经济 " 中，以更优的方式分配和使用算力，也是更高效地调用词元的必然选择。

在这种背景下，以 CPU 为核心、配合 GPU、NPU、IPU、AI 加速器等多类芯片的异构算力架构，正在成为支撑智能体 AI 的一种长期方向。对产业而言，关键不在于 " 单一芯片绝对性能 "，而在于如何在功耗、成本与灵活性之间找到整体最优解。

以全栈能力支持混合 AI 部署

异构算力应当如何部署？企业需要考虑隐私、安全、性能、成本等诸多因素。为了取得平衡，英特尔认为 " 混合 AI" 势在必行。" 混合 AI" 将敏感任务留在本地，高能力任务按需调用云端大模型，并在云侧和端侧之间形成高效协同通路，统一优化算力分布、响应延迟与数据隐私。

从硬件、系统到软件，英特尔正提供全栈能力，帮助企业更轻松地部署混合 AI。在硬件层面，第三代英特尔酷睿 Ultra 和即将上市的英特尔至强 6+，均基于 Intel 18A 制程节点打造而成，能够提供很高的性价比和能效比。

在系统层面，英特尔帮助企业构建面向自有数据和业务流程的系统级基础设施，支持在不同功耗、尺寸与部署条件下，灵活选用多种 XPU 硬件（CPU、GPU、NPU、IPU 、各类 AI 加速器等），并推动开放的异构硬件互联，实现不同设备的高性能、低延迟连接。

在软件层，英特尔构建了开放的 AI 软件栈，上层对接业界主流的大模型与智能体开发框架，中间层向下对接多种异构硬件。这套软件栈可跨硬件协调多个智能体系统，统一调度计算、存储与互联资源，同时可以在相对长期内保值，避免硬件一更换就要完全重写上层软件的情况。

迈向物理 AI

将智能体 AI 由数字世界拓展至现实世界，与物理载体相结合，即将边缘计算延伸至物理 AI 和具身智能，将为 AI 应用带来更大的机遇。

物理 AI 需要具备物理交互能力，涵盖感知、决策与执行。英特尔正基于第三代酷睿 Ultra 处理器打造工业级支持，能够提供最高达 180 TOPS 的 AI 能力，并配套面向机器人与边缘 AI 的软件包，强调实时性、安全性以及多任务调度能力。针对机器人厂商和开发者，英特尔已发布参考设计板和机器人开发套件，以便在实际硬件上验证和优化感知模型、决策模型等。

此外，随着模型和任务类型持续演进，相关系统架构和芯片集成方式也需要不断迭代。未来，智能体设备形态将更加多样：

AI PC 将从可以运行少数大模型，演进到承载支撑个人与企业应用的智能体网络；

AI NAS（AI 网络附接存储）把传统 NAS 升级为具备本地智能分析和处理能力的存储节点，更贴近家庭和中小企业的真实数据场景；

AI Box 则作为一种通用的 "AI 盒子 " 形态，可以在车载、家庭、门店和边缘场所中灵活部署，基于不同算力平台和内存组合形成丰富的产品线。

随着智能体 AI 赋能多种硬件，并在不同形态之间相互组合、相互支撑，英特尔坚信将迎来新一轮产业的爆发，随后物理 AI、机器人等领域也将迎来显著增长。英特尔将坚持以 CPU 为核心，优化异构算力架构，更好地支持智能体 AI 和物理 AI 的灵活部署；帮助客户拥抱混合 AI 架构，优化算力分布、计算成本、延迟和隐私；并继续基于先进制程和封装技术打造领先的产品，提供多样化的产品形态，并在生态层面覆盖更全面的场景。