前沿科技，数智经济

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。

但对英特尔而言，2026 年的转变至少是清醒的：不再纠结 CPU 和 GPU 到底哪个更适合 AI，承认打不赢的战争，并在赢得起的确定性上放大优势。

在 AI Agent 时代，英特尔不再需要证明自己能造出最快的 CPU，而是让自家 CPU 成为每个 AI 计算系统都需要的 " 指挥官 "。

光锥智能"AI 交流群 "已建立，

感兴趣的朋友可以添加小助手微信（GZZN2019）沟通进群。

联系我们

王一粟

创始人 / 主编

ID：cishicike000

商务合作请添加微信：GZZN2019

转载开白请留言或添加微信：GZZN2019

进群交流请添加微信：GZZN2019

※添加时请备注公司 + 姓名 + 来意

「往期精彩推荐」

深度研报：

AI 大爆炸：

云计算：

数智化案例：

更多精彩内容，欢迎关注：