直击2026英特尔技术创新与产业生态大会：CPU重回C位

从成都"巴适"，重庆"雄起"，再到苏州"通达"，2026英特尔技术创新与产业生态大会已经进入第三个年头。自古以来，苏州属于融汇之地、开放之地、源远流长之地，也应证了英特尔水利万物而不争，x86架构在各行各业蓬勃发展。这一次，2026英特尔技术创新与产业生态大会包下了1.5万平米展厅，提供1400+技术应用案例参考，300+合作伙伴参与、两天的时间80余场技术分享，还包含许多公开及闭门专题会议，已然成为计算行业共同关注的焦点。

当AI方案的关注点从研发训练，转向推理和应用，CPU的响应速度变得尤为重要，已经成为智能体推理链条中的编排、低时延启动和并发处理的关键。例如搭载288核的至强6+处理器，单颗可稳定支撑约1000个智能体，并在200毫秒时延约束下实现350个沙箱并发创建。从比拼单一算力参数到以任务为导向衡量数据中心，CPU正在智能体时代重回计算体系的中心。

在大会的开幕式上，英特尔公司首席执行官陈立武在大会视频致辞中表示：“作为现代计算的基石，x86持续驱动计算向智能化应用发展。依托英特尔在CPU、GPU、ASIC、先进封装以及晶圆制造方面的独特优势，还有覆盖云、边、端的开放生态，英特尔有信心与客户和生态伙伴一起把握前所未有的发展机遇。”

如何让英特尔的计算平台在接下来的智能体浪潮中充当更为关键的作用，在首日的几场关键的Keynote和话题分享中，我们可以略窥一二。

战略：智启AI时代

英特尔首席营销与传播官Annie Shea Weckesser用以苏州运河比喻连接，提出了英特尔三大战略，也是目前英特尔最为关注的技术方向。

第一个则是我们最为熟知的开放计算平台，包括PC、边缘计算、数据中心。现阶段，第三代酷睿Ultra整合CPU/GPU/NPU，本地可运行350亿参数级模型，模型路由决定端云调用。与此同时，英特尔与百度搭子、Marvis、千问办公、TRAE、WorkBuddy合作混合智能体，在Day0实现对热门服务、应用的优化，实现英特尔计算平台的快速部署。

边缘与物理AI领域，英特尔用备受关注的节卡（JAKA）机器人举例，这是基于酷睿Ultra+KVM把实时运动控制、感知、规划、执行整合到统一边缘架构。

而对于火热的数据中心建设，目前AI负载在规划、检索、推理、工具调用间流转，CPU:GPU配置比正从4:1走向接近1:1。英特尔预估2030年全球超80%服务器运行在x86上。目前阿里云为中国首家基于至强6推公有云厂商，117+实例类型、50+用于智能体场景。

英特尔战略的第二条主线，是依托平台计算基座与伙伴共同设计围绕特定工作负载的芯片。在超大规模云服务商和头部客户越来越追求差异化算力的背景下，英特尔正将自身在架构设计、IP积累、先进封装与晶圆制造上的能力开放出来，为专业化部署和高强度负载提供定制解决方案—，从ASIC到为特定工作负载优化的加速器。

而战略的最后一块拼图，是支撑前两者落地的底层工艺能力。目前Intel 18A已进入量产阶段，高性能版本Intel 18A-P目前已进入风险试产，这一代制程将在2027年全线产品更新中兑现，带来每瓦性能提升9%、同等性能功耗降低18%的能效红利。

更值得关注的是下一代Intel 14A同样进展顺利，面向内部产品的风险试产计划2027年下半年启动，并以2028年实现大规模量产爬坡为目标。

此外，先进封装让异构集成成为可能。EMIB与EMIB-T等技术使英特尔能够将多个计算引擎和IP集成进单一封装，通过高速互连让数据与工作负载在系统内高效流动。制程与先进封装结合，正是英特尔能够在产品组合中持续交付性能更强、能效更高系统级方案的技术根基，也是其应对AI工作负载对算力与能效双重压力的底气所在。

在中国，英特尔已经与70家以上的ISV合作推广AI PC推广，并于与中国模型厂商实现17项首日适配。现阶段，中国云厂商已经推出超过200个至强6和至强6+的实例，以及100家以上的机器人合作伙伴加入到英特尔的阵营中来。

端侧：径流向海

在大会期间，英特尔公司副总裁兼端侧计算和物理AI事业部中国区总经理高嵩分享了《径流向海》主题演讲。有意思的是，他直接进入产品，而是先铺了一条技术史脉络，从热力学第一、第二定律带动第一次工业革命，电磁学点亮19世纪的第二次工业革命，信息论与摩尔定律奠定了二十世纪信息革命的根基。如今，以神经网络为基础的AI革命，同样有自己内在的驱动力和基因。

高嵩认为，驱动AI智能升级的有两股根本力量，一个是由云端路径驱动的规模定律。另一个是端侧路径推动的密度定律。

规模定律即是符合目前数据中心的发展需求，通过投入更多算力、更多数据，训练更大的模型，就能获得更强的智能。密度定律则同样具有吸引力，大约每隔三个月，同样大小的模型，智能密度提高一倍。支撑这一趋势的是长上下文窗口、推理能力增强、多模态与多专家模型创新，以及低比特量化、稀疏注意力、KV缓存卸载等让模型智慧在端侧发挥的工程手段。

在两个技术路径的不断交错升级下，一个90亿参数的新模型，其智能程度已达到甚至超过几个月前1200亿参数的大模型。这意味着，端侧算力并不是在短期内就能追上云端，而是模型的智能密度正在快速的小型化。

而一个智能体任务从接收指令到自主完成目标，往往要在后台进行几十次甚至上百次计划、行动、评估、重新开始的循环，这正是英特尔XPU混合架构的用武之地。其中CPU提供强大、可靠、迅速的响应，负责智能体高频的计划、决策与逻辑推理，这正是x86的优势所在。GPU则凭借Xe核心和XMX矩阵加速能力，充当AI性能的引擎，处理并行计算任务。NPU则是效能助手，能以极低功耗分担需要全天候运行的音频、计算机视觉等任务。

三者在XPU统一框架下高效调度、共享高速内存带宽。智能体的负载天然是混合的，单一加速器无法高效承接。

在XPU统一架构的加持下，现在的智能体AI的市场已经成为一片蔚蓝广阔的海洋。其中智能体PC可以成为办公智能体的最佳载体，家庭AI大脑赋能智能生活，车载AI Box定义智能座舱，AI NAS则是守护私人数据。

而所有的基础都来自于制程带来的升级范式。在18A较上一代大幅改进之后，最新的18A-P进一步将每瓦性能提升9%、同等性能功耗降低18%。同时第三代酷睿Ultra处理器、第三代酷睿处理器、锐炫Pro GPU构成从客户端到边缘设备的全场景覆盖。今年上半年发布的三代酷睿Ultra、酷睿获业界广泛好评。

值得注意的是，酷睿不再是PC领域的专属CPU，现在已经客户用酷睿Ultra做家庭AI中心，让智能体全天候服务，或者用用酷睿Ultra+锐炫Pro组成AI创意工作站。还有客户把多块锐炫Pro集成进一台工作站部署到中小企业，把企业IT部门从花钱维护的成本中心，转变为能创造利润的价值中心。

智能体AI对软件性能提出了前所未有的要求，因此英特尔要在底层全面拥抱开源，开源AI推理框架和开放权重模型。同时上层搭建智能体微服务，打通感知、记忆、思考、Web访问与安全。以Web引擎优化为例，以前访问受阻的网站，现在70%可以成功访问；同时在降低40%内存占用的前提下，把完全的控制权交给终端用户。换而言之，英特尔不仅要创造最强大的AI，而且要创造最值得信赖的AI。

高嵩认为，一个真正值得信赖的AI需要一个开放、繁荣、高效协同的生态。英特尔希望从参考设计上，帮助客户大幅缩短开发和验证周期。通过与主流模型厂商紧密合作，实现模型发布首日的支持。并且与超级智能体ISV深度联合优。目前英特尔端侧智能体专区在魔搭和火山引擎陆续上线，目标是成为最活跃的第三方专区。

演讲的最后自然转向了物理AI。数字AI有相对固定的范式，但物理世界没有统一形态，行业不同、场景不同、任务不同，催生了千变万化的机遇。物理AI对智能体的要求比任何场景都复杂，仓储机器人面对高密度环境难题，抓取是实时运动控制难题，多机协作是协同调度难题。物理AI不但要即时地思考，还要实时地行动。中国制造业基础深厚，但落地并不容易，硬件选型、底层适配、软硬协同、量产爬坡都是难关。英特尔希望通过XPU为底座，配合参考设计、软件套件和客户联合验证，推进物理AI从原型走向量产。

在现场，英特尔联合科通工业和神州数码发布了采用第三代酷睿Ultra处理器具身智能开发套件，实时控制平均抖动低至1.6微秒，凝结了英特尔几十年的工控技术积累，让开发者开箱即用，快速跑通感知、规划、执行全链路，把创意快速转化为机器人原型。

数据中心：CPU重回C位

预计到2026年底，超过80%的企业应用将至少嵌入一个AI智能体。IDC预测，到2031年中国企业场景中的活跃智能体数量将达3.5亿个。中国大模型每天的Token调用量已增至2024年初的5000倍，且仍在增长。基础设施投入端，预计2026年全球AI优化型IaaS支出增长96%。美银证券预计，到2029年中国AI数据中心的固定资产投资规模将超过2.2万亿元人民币。

英特尔数据中心集团副总裁、中国区总经理陈葆立表示，过去AI只是一个对话框，问一答一。随着Agentic AI发展，上下文工程（Context Engineering）让AI利用更多上下文信息，大模型不再像一个没有记忆的天才，能结合长上下文和多轮对话理解背景、给出更好的答案。Harness除了出主意，还能帮你干活、帮你做事，而Loop Engineering拿到题目后不仅写出答案，还会一次次验证和检查，不断改进。

这一层又一层的软件机制，听起来很简单，但其中很多工作都比较适合CPU来执行。这也是为什么在过去一年里，AI智能体的兴起会带来对CPU的巨大需求。

针对2030年CPU市场规模的预估，短短半年内从2026年2月的590亿美元上调至8月的2100亿美元，约为原值的3.6倍。数据中心AI负载占比预计将从2025年的40%提升至2030年的80%，未来整个数据中心的架构都会因为AI而发生改变和升级。

陈葆立把未来数据中心简化为三类服务器集群。CPU服务器负责AI智能体的执行与工作编排，GPU服务器配备AI加速卡，即传统意义上的Token工厂。高性能存储集群存储智能体产生的新数据，用来支持分析、资料、文档、合同、长对话。

三类服务器集群共同点都是需要CPU来做数据调度。因此当Token工厂的概念升级为AI工厂时，讨论的就不止是产出多少Token，而是整个AI大系统如何以更低的资源消耗、更高的效率帮助客户完成更多工作。陈葆立强调这是一种以任务为导向的思维，也是一个完全不同的想法。

今年6月发布英特尔至强6+处理器，拥有Intel 18A制程、业界领先的288个内核，并同期推出智能体套件，单颗288核至强上可部署超过1000个智能体。英特尔从客户获得的反馈是，数量越多当然越好，但还不够，还需要性能足够强、智能体跑得足够快。于是英特尔更新了衡量方法，即用X、Y两个维度衡量智能体运行：单颗CPU能承载多少个智能体（密度），以及每个智能体的性能（速度）。

在实测数据中，通过SWE-bench基准，在客户选定的一组工作负载中，至强6+的单智能体平均性能领先竞品15%。客户需要在10分钟内启动1万个甚至10万个沙箱，且每个沙箱启动速度要快（指标200ms）。实测在满足200ms SLA条件下，至强6+可支持350个沙箱并发，约为某一竞品的1.46倍。

与此同时，英特尔也与国内OEM、液冷厂商等业界伙伴共同制定面向AI智能体的CPU整机柜标准：根据可预见的智能体性能需求，在CPU性能、网络、存储、散热、供电之间做平衡设计，打造平衡的、全新的CPU机架方案。

在国产GPU百花齐放的当下，GPU服务器也需要CPU完成数据预处理和传输。在中国，至强是国内智算服务器机头CPU的主流选择，原因是性能好、带宽高、可靠性高。目前所有预处理的工作适合由CPU来执行，而不是GPU来完成的。借助至强内置加速器，向量化、重排序性能分别达到对比基准的2倍和4倍；国内已有多家互联网客户在使用至强AMX加速器。

陈葆立把数据中心存储架构比作一个三角形，越接近GPU算力的存储成本越高，离得越远成本越低但速度越慢。即HBM、系统DRAM、本地SSD，远端存储。CPU在数据搬运中发挥重要作用，英特尔与软件伙伴的合作方向是缩短数据访问路径，通过CXL实现内存池化、通过软件创新和智能网卡让远端存储访问更高效。

KV Cache是其中最值得被展开的一部分。KV Cache的基本逻辑是缓存大模型产生的所有答案，下次直接读取，加快反应速度。AI智能体和代码编写等场景上下文越来越长，百万Token上下文已成为一些开源大模型的重要卖点。

如果是一个标准的千问35B模型，给它100万Token上下文，产生的KV Cache就是300GB。这已经超过不少GPU的内置HBM容量，必须转移到SSD或内存上。这里有几个解法，解法一是通过QAT无损压缩，300GB的KV Cache落盘前可压缩掉约200GB。解法二是DSA加速数据传输，搬运速率提升9.66倍。解法三是与忆联合作的分层KV Cache方案，通过至强6为核心搭配忆联UH812a企业级SSD，面向企业用户的稳定高性能存储部署。解法四是面向长上下文、多智能体并发场景的G3.5创新存储方案，通过内存容量扩展+高性能共享KV Cache存储池。

通过英特尔KV Cache智能加速套件可使KV Cache传输速率最高提升9.66倍、首字时延（TTFT）性能最高提升15倍。

最后，新一代英特尔GPU Crescent Island也即将亮相，基于全新Xe3P架构，面向AI推理和Agentic AI场景设计。其特性是大显存，LPDDR5x可配备128G、256G甚至480G的大容量内存，更好支撑AI推理和KV Cache存储。同时英特尔会为Crescent Island打造完整工具箱和软件栈，第一时间支持主流全新开源大模型。

数据中心二十年发展始终与开源社区密切相关，从早期Linux、到Kubernetes，再到AI时代的PyTorch、vLLM、SGLang，英特尔持续大量投入，希望Agentic AI等新功能在社区项目中得到体现、更好适配不同硬件。

智能体时代的竞争，本质上是连接的竞争。算力要连接场景，技术要连接需求，生态要连接各有所长的伙伴。英特尔在苏州给出的答案，是一套从云到端、软硬件协同的完整布局。

当然，英特尔的真正筹码从来不只是芯片本身。正如陈立武在视频中所言"与客户和生态伙伴一起把握前所未有的发展机遇"，智能体时代的浪潮不会只属于某一家公司，但当坚实的算力基座遇上开放的产业协同，终将被带向更广阔的可能性。