英特尔加速开放基础设施，迎接智能体AI时代

英特尔在今年的OCP全球峰会上放出了一批面向智能体AI（Agentic AI）的基础设施新进展，包括首次披露Intel GPU D系列（原代号Crescent Island）的技术细节、联合生态伙伴推出基于至强（Xeon）的机架新设计，以及一系列开放软件和生态创新。这家芯片巨头正在押注一个判断：当开源模型重塑智能体AI的成本结构，企业需要的不再是单一类型的算力，而是一套能灵活调配CPU、GPU和专用加速器的异构基础设施。 智能体AI和此前的聊天机器人有本质区别。它把推理变成了一条多步骤工作流，涵盖检索、推理、编排、工具调用和执行等环节，每一步对算力的需求都不一样。这意味着单纯堆GPU并不能解决问题——x86 CPU在其中承担着编排工作负载、处理数据、管理I/O、驱动加速器运转的核心角色。英特尔数据中心系统与解决方案集团副总裁Nicolas Dubé的说法是，要让每个提示词都找到合适的算力位置。但现实挑战在于，功耗限制、内存瓶颈和成本压力正在让AI规模化变成一道系统工程难题。为此，英特尔展示了与生态伙伴共同开发的新至强机架方案，部分采用OCP的Open Rack v3标准，其中至强6+的特定配置单机架可扩展到超过46000个核心、总功耗133.45千瓦，以更高密度的通用算力支撑大规模智能体AI部署。 更值得跨境电商和AI应用开发者关注的是GPU D系列的定位。这款基于Xe3P架构的GPU配备最高480GB LPDDR5X内存、1.5TB/s内存带宽和1.3 petaflops FP8算力，功耗控制在350瓦。它的目标不是训练，而是优化持续性的、内存密集型推理的经济性——单卡可支持最高3000亿参数模型，多卡可突破万亿参数。对于需要跑长上下文任务或并发推理服务的企业来说，这种内存容量、算力和功耗的平衡，直接关系到单位推理成本能压到多低。在开源模型能力快速逼近闭源模型的当下，谁能把推理成本打下来，谁就能在智能体应用的商业化竞赛中占据优势。