作者：电子创新网张国斌
过去一周，我连续参加了2026英特尔技术创新与产业生态大会和阿里巴巴云栖大会，深刻感受到人工智能正在与千行百业快速融合，两场大会传递一个共同的信号：就是让智能体快速落地！
过去几年，AI基础设施的竞争几乎围绕一个关键词展开：算力。GPU成为生成式AI时代最耀眼的主角，数据中心围绕GPU集群进行重构，CPU则更多承担数据预处理、任务调度和系统管理等“辅助性”工作。但随着AI从“生成答案”走向“自主完成任务”，这一分工正在发生变化。
一个智能体真正开始工作，并不是简单调用一次大模型。它可能需要理解用户意图、拆解任务、调用多个模型和工具、访问数据库、启动浏览器或代码沙箱、读取和写入数据，再根据执行结果继续推理。一个复杂任务背后，往往是多次推理、频繁的数据访问以及持续的资源调度。
所以AI正在从一次性的计算任务，变成持续运行的复杂工作流。这意味着，智能体时代真正需要的，不再只是更强的GPU，而是一套能够把计算、存储、网络、调度和执行组织起来的基础设施。也正是在这个变化中，CPU正在重新回到计算中心。
在2026英特尔技术创新与产业生态大会上，英特尔给出的答案非常明确：以CPU为中枢，重新构建面向智能体AI的智算中心。
一、智能体时代，CPU为什么重新变得重要？
理解英特尔的这套战略，首先要理解智能体到底改变了什么。传统生成式AI的工作模式相对简单：用户输入Prompt，GPU完成模型推理，最终输出答案。整个过程的核心指标，自然是吞吐量、延迟和每秒生成多少Token。
但智能体把链条拉长了。它不仅需要“思考”，还需要“行动”。
比如一个企业智能体要完成一份市场分析，可能需要调用大模型进行任务拆解，再访问企业知识库，打开浏览器检索外部信息，调用代码执行环境进行数据分析，最后生成报告并提交给用户。
从底层基础设施来看，这里面至少涉及五类能力：计算、调度、记忆、数据搬运和执行。
GPU依然承担大模型推理这一核心环节，但CPU开始承担越来越多系统级任务：任务编排、资源调度、数据预处理、沙箱管理、存储访问、网络通信以及不同AI工作负载之间的协调。
因此，智能体时代衡量AI基础设施的方式也需要发生变化。过去问的是：一台服务器有多少TOPS？一套集群有多少GPU？未来更重要的问题可能变成：在相同的功耗、成本和基础设施条件下，一套系统到底能完成多少有效任务？
这实际上意味着，AI基础设施的竞争正在从“单点算力竞争”走向“系统效率竞争”。
这也是CPU重新回到C位的原因。
二、从一颗CPU支撑1000+智能体，到CPU整机柜
英特尔数据中心集团副总裁、中国区总经理陈葆立发表主题演讲
英特尔数据中心集团副总裁、中国区总经理陈葆立表示：“数据中心的架构必须随智能体AI而变。一个智能体从思考到执行，牵动的是模型推理、任务编排、数据搬运与记忆管理的完整链路。因此，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。”
他表示无论是放眼全球，还是聚焦国内，智能体都呈现加速前进的状态：全球已有近80%的企业开始在内部尝试和导入智能体。在中国，活跃的企业智能体预计到2031年将超过3.5亿个。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。
英特尔正在用至强6+回应这一变化。根据英特尔披露的数据，单颗至强6+处理器最高可以支持超过1000个智能体稳定部署；在满足200毫秒启动时延SLA的条件下，单颗至强6+最多可以支持350个沙箱并发创建，是某款同类产品的1.46倍。
这些数字背后真正值得关注的，并不是“1000个智能体”本身，而是CPU评价指标正在发生变化。智能体大量运行意味着，大量任务可能在同一时间被创建、暂停、唤醒和销毁。
尤其是沙箱。
每一个智能体都可能对应一个相对独立的执行环境。当海量Agent同时工作时，基础设施面对的就不再只是模型推理压力，而是瞬时出现的大量计算、内存和I/O需求。
因此，一颗CPU性能再强，也不意味着整个系统就能高效运行。
当问题从“单颗芯片能跑多少Agent”进一步升级到“整个机柜能同时承载多少Agent”，基础设施就进入了另一个阶段。
这也是英特尔此次推出英特尔开放Agent整机柜平台规范的意义所在。
通过开放整机柜层面的标准，让合作伙伴围绕CPU、内存、供电、散热以及其他基础设施组件进行协同设计，本质上是在推动智能体AI从“服务器产品”向“基础设施形态”演进。
换句话说：智能体时代，CPU竞争正在从芯片走向系统，从单机走向机柜。
三、至强的角色，也正在从“机头CPU”向系统中枢扩展
如果说GPU集群中的CPU过去更多被称为“机头CPU”，那么智能体时代，这个角色正在变得更加复杂。
在GPU集群中，CPU负责任务编排、数据准备和系统调度；在CPU集群中，CPU本身成为核心计算资源；而进入存储系统之后，CPU又承担数据管理、缓存管理以及数据路径优化。
这意味着，至强正在从传统意义上的“服务器处理器”，逐渐成为智能体基础设施中的一个系统级控制与计算节点。
一个非常典型的变化发生在存储。智能体的一个重要特征，是“记忆”变得越来越重要。
随着长上下文和多Agent并发发展，KV Cache迅速增长。模型每一次推理产生的中间状态，都可能成为后续任务继续调用的信息。
于是，AI基础设施面临的新问题已经不是简单的“存储够不够快”，而是：如何让数据以足够快的速度供给计算，同时又不能让存储成本失控。英特尔与合作伙伴正在围绕这一问题做系统级优化。
例如，英特尔与焱融科技共同打造基于至强的高性能全闪存储系统；在KV Cache方面，则通过容量扩展、高性能共享KV Cache存储池以及至强内置的AMX、QAT等加速能力，优化KV Cache的数据传输和处理。
英特尔披露的客户验证数据显示，其KV Cache智能加速套件可将KV Cache传输速率最高提升9.66倍，TTFT性能最高提升15倍。
这其实说明了一个重要趋势：未来AI基础设施的瓶颈，越来越不只是“算不算得动”，而是“数据能不能及时喂给计算”。CPU因此重新成为连接计算、存储和网络的重要节点。
四、真正的竞争，不只是硬件，而是CPU背后的软件生态
如果只看芯片参数，智能体时代CPU的变化可能并不容易被感知。但真正决定智能体能否大规模运行的，是软硬件协同。
一个智能体工作负载可能同时涉及操作系统、容器、虚拟化、浏览器、数据库、模型推理框架以及各种Agent工具。如果每一个环节都需要针对不同硬件重新优化，最终会形成巨大的开发成本。
因此，英特尔正在把竞争进一步延伸到软件生态。从PyTorch、vLLM到SGLang，英特尔持续推动开放的软件栈；与此同时，通过AI Agent辅助代码迁移与优化，降低不同架构之间的软件迁移成本。
这一思路在英特尔与阿里云的合作中体现得更加明显。
双方围绕至强6处理器，对阿里云第九代企业级ECS实例g9i进行软硬件协同优化，使其更适合智能体工作负载。
一个更加有意思的案例，是Agentic Browser。传统浏览器本身就是一个资源消耗较大的应用，当数以千计甚至更多Agent同时调用浏览器完成网页任务时，浏览器的内存占用、CPU开销以及启动效率都会成为基础设施瓶颈。
英特尔与阿里云针对Chromium的Blink、V8等核心引擎进行优化，同时结合至强处理器以及AVX-512、IAA、QAT等硬件能力，联合优化方案可减少约30%的内存开销。
这类优化的意义在于：CPU不再只是“把浏览器跑起来”，而是在参与重新定义Agent的运行环境。从这个角度看，英特尔真正构建的并不是一颗更快的CPU，而是一套围绕CPU展开的开发、部署和运行生态。
五、从云到端，英特尔正在押注“全场景Agent”
如果说数据中心是智能体时代最大的算力入口，那么端侧则可能成为另一个巨大的增量市场。
原因很简单。
智能体越来越强调隐私、本地响应和Token成本控制，并不是所有任务都需要上传到云端。未来更可能出现的是云端与端侧协同：复杂任务交给云端，轻量任务和敏感数据留在本地。
这也解释了为什么英特尔没有把智能体战略局限于至强。在客户端，英特尔正在通过CPU、GPU和NPU组成的XPU架构，覆盖从AI PC到边缘设备的计算需求。
第三代酷睿Ultra以及锐炫Pro B70/B65，构成端侧AI的重要算力基础；与此同时，英特尔还在推进面向智能体的Web Engine、AI PC智能体应用以及与阿里云千问等模型生态的合作。
更值得注意的是，智能体正在从PC进一步向AI Box、AI NAS以及物理AI延伸。例如英特尔联合产业伙伴推出具身智能开发套件，基于第三代酷睿Ultra处理器，将实时控制平均抖动降低至1.6微秒，帮助开发者打通“感知—规划—执行”链路。
这意味着，英特尔所理解的智能体已经不再只是一个聊天机器人。它正在从屏幕里的软件Agent，逐渐走向企业Agent、边缘Agent乃至物理世界中的智能Agent。
六、真正的机会，是从“AI计算”走向“Agent计算”
如果把这次英特尔的动作放在更大的产业背景下观察，会发现一个值得关注的变化。
过去几年，AI基础设施的核心逻辑是：模型越来越大 → GPU越来越多 → 数据中心越来越集中。而智能体可能带来另一条路径：任务越来越复杂 → 工作负载越来越分散 → CPU、GPU、存储、网络和端侧计算重新协同。
这并不意味着GPU的重要性下降。
恰恰相反，大模型推理仍然需要GPU提供高密度计算能力。真正发生变化的是，GPU不再能够独立定义整个AI基础设施。当AI从“生成一个Token”走向“完成一个任务”，基础设施的核心问题也从“Token生成速度”进一步扩展到：
如何以最低的系统成本，让更多Token转化成真正有效的任务结果。这就是英特尔所说的“Token经济”背后的基础设施逻辑。
从这个角度看，至强的价值也正在发生变化。它可以是GPU集群的机头CPU，可以是CPU集群的核心计算资源，可以承担KV Cache管理和数据处理，也可以成为连接计算、存储和网络的系统枢纽。
而在端侧，酷睿Ultra、锐炫Pro以及NPU则共同组成另一套XPU计算体系。一个向云端延伸，一个向终端下沉。
七、下一代至强，会把这场变化带向哪里？
英特尔已经把下一阶段的答案放在路线图上。在云栖大会上亮相的Diamond Rapids，代表着至强继续向更高性能、更复杂异构工作负载演进。
但比单纯的性能提升更值得关注的是，未来CPU到底会承担什么角色。如果说过去CPU是AI服务器中的“控制者”，那么智能体时代，它越来越像一个“协调者”。
它协调GPU完成模型推理，协调存储提供记忆，协调网络完成数据交换，协调沙箱承载Agent执行，同时还需要处理大量传统计算任务。
这意味着，未来CPU的竞争将不再只是核心数量、频率和单核性能的竞争。它需要同时回答几个问题：能否承载更多Agent？能否更快地启动和调度任务？能否让GPU、存储和网络真正协同起来？能否以更低的功耗和成本完成更多有效任务？
而这些问题，本质上已经超出了单颗芯片的边界。这也是英特尔此次战略中最值得关注的地方：它没有把智能体理解成“给CPU加一个AI加速器”，而是试图重新定义CPU在整个AI计算体系中的位置。
可以是说Diamond Rapids才是一颗真正为智能体而生的CPU！
从至强6+到Diamond Rapids，从CPU整机柜到KV Cache，从阿里云Agentic Browser到端侧AI PC，再到具身智能开发套件，英特尔正在构建的是一条从芯片、服务器、存储、网络、软件到应用生态的完整链路。
AI时代曾经把CPU推向幕后，而智能体时代正在把CPU重新推向舞台中央。下一轮AI基础设施竞争，或许不再是谁拥有最多的GPU，而是谁能够让CPU、GPU、存储、网络以及端侧算力真正形成一个高效协同的系统。
对于英特尔而言，这可能正是智能体时代带来的最大机会：不是重新定义一颗CPU，而是重新定义CPU在AI计算中的位置,由此看，自1981年英特尔以8088CPU开创PC时代以后，45年后，英特尔将再次以CPU开创智能体新时代？
注：本文为原创文章，未经作者授权严禁转载或部分摘录切割使用，否则我们将保留侵权追诉的权利
