主题内容提要

高中女篮比赛盛轮轩th-智能体规
；涞，CPU沉回C位。英特尔与阿里云从影象、执杏注成本、信赖动手，拆解Agent时期基础设施的难题。?文｜赵艳秋编｜
；9月，荆门国际博览中心人潮涌动。2026云栖大会英特尔专场上，英特尔数据中心集团副总裁、中国区总经理陈葆立在开场展示了一组数据，把当下人为智能业界严格的供需问题提出来——今年智能体起头规
；渴，底下的基础设施跟得上吗？需要一侧，全球约80%的企业已在尝试将智能体引入工作流，IDC预测到2031年中国企业使用的智能体将超过3.5亿个，推算、存储与执行环境承压
；供给一侧，为承接这些需要，有银行预测，中国有关产业必要投入超过2万亿元。若何应对这场考验，成为英特尔与阿里云在本次大会上共同回覆的主题。从英特尔展台约30个演示，到汇聚双方芯片、软件、存储与云服务专家的专场论坛，会商萦绕真实负载发展：若何保留越来越长的高低文，若何让大量沙箱急剧启动，若何降低模型挪用成本，又若何让智能体更安全地使用数据。陈葆立指出，AI工厂关注的问题在变动：从前会商有几多算力、几多token，如今更关切怎么调度资源，"实现更多的工作"。阿里云智能集团资源总监、首席服务器架构师卓久则强调，这波需要同时推高了CPU、GPU以及内存和存储的沉要性，必要"从硬件到软件，从GPU到CPU到存储"的全链条协同。从定造芯片、存储加快到轻量浏览器，双方展示的合作进展，在把这些战逐项拆解、结合解决。而这所有的布景，是一个此前很少被会商的变动——在智能体时期，CPU沉新变得紧俏了。01?Agent时期，CPU沉回C位从前三年，AI基础设施险些等同于"抢GPU"。到了2026年，故事回转了：CPU也起头被抢了。英特尔二季度财报显示，数据中心与AI事业部营收同比增长59%，CEO陈立武在该季度财报电话会上暗示，"在数据中心领域，CPU需要在腾飞，客户需要正超过公司持续扩大的供给能力"。为此，公司上调了2026年本钱支出。价值也随之上行。凭据媒体报路，本轮服务器CPU价值整体涨幅为10%–20%，预计紧缺情况至少一连到2027年。需要忽然发作，与Agent规
；渴鹎钻怯泄。陈葆立指出，智能体背后的多层软件创新，影象治理、号令执行和反复验证，持续增长CPU需要。具体而言，算力结构在经历三阶段转向：从训练到推理，CPU与GPU之从1:8，升至1:4，并在Agent时期走向1:1。"甚至部门场景，CPU的配比会超过GPU。"英特尔数据中心集团产品规划部总经理李尔成说。算力结构的变动是由Agent的工作方式引发的。Agent是"打算—行动—观察"的循环，一个单一工作可能要转二三十轮，而较为复杂的AI Coding工作要循环数百轮。大模型推理重要由GPU承担，CPU则掌管智能体编排、状态治理、工具执杏注内存层级与安全隔离。CPU侧若未实时筹备数据、创建沙箱或调度要求，GPU就可能被"饿着"。从GPU到CPU到存储，必要全链条协同。CPU增量因而必要放到整个数据中心看：用量比值上升，重要不是AI服务器内部单一调整配比，更多来自新增的一整类纯CPU Agent宿主机，承载编排、工具和沙箱，并通过网络挪用GPU推理服务。由此形成两条蹊径：GPU服务器或存储服务器中的机头，掌管主机侧调度、数据与缓存治理
；独立的Agent CPU服务器，承接智能体及其执行环境。前者侧沉提高GPU利用率，后者更关注支持工作持续推动。评价尺度也随之扭转。英特尔白皮书提出，优化指标正从tokens/秒，转向SLA约束下每美元实现的工作数，即在约定的服务质量与时延内，同样投入能实现几多工作。这响应了陈葆立开场时的判断：AI工厂要通过更好的资源调度，"实现更多的工作"。云栖展台上的"四路关"在这样的局势下，沿着英特尔展台的演示一路看下来，智能体规
；诵幸饩龅哪烟，可综合为"四路关"。第一关：影象关——草稿本越写越厚。Agent每挪用一次工具、接管一轮反馈，高低文就持续增长。KV Cache像一本保留中央推算了局的"草稿本"，下次直接翻看，不用沉算。循环越多，草稿本越厚。现场工程师给一组对比：Agent的高低文已迈向百万token，折算下来的KV Cache可达TB级，而GPU显存最大不外几百GB。装不下，"草稿本"上的内容被挤出，下次用只能沉算，首token响应（TTFT）也拉长，IT账单加大。英特尔的解法是让草稿本分层存放：眼下要用的数据留在显存，其余按冷热水平转入内存、SSD或散布式存储，必要时再取回来——以存换算。搬运途中的压缩和解压，交给至强内置的QAT（数据
；び胙顾跫涌旒际酰┮，不占用CPU主题，测试中可无损节俭高达30%的空间。展台上的KV Shrink规划，英特尔测试显示，首token响应相比未开启分层存储的原生vLLM基线最大提高到15倍。统一思路也被放大到更通用的存储场景：展台另一个演示由QAT掌管压缩解压、DSA（数据流加快器）掌管数据搬运与校验，把这部门隔销整体从CPU主题上卸下来，KV Cache只是它承接的数据之一。第二关：执行关——让成百上千个"工位"实时开工。Agent要反复循环，了局又难以预知，因而必要安全隔离的"工位"——沙箱，既限度谬误影响领域，又能急剧创建、销毁、回滚和复原。"工位"越多，安插耗时过长，开销就越显著。展台上的"英特尔IAA加快安全沙箱规划"，覆盖Firecracker与E2B两种场景。加快"工位"安插的关键是快照——把筹备好的环境或暂停时的运行状态"存档"，下次直接复原。至强内置的IAA（存内分析加快器）加快压缩与解压，削减了快照体积和CPU主题开销。展台数据显示，E2B场景下，128个沙箱并发拉起，沙箱创建速度提升1.40倍。李尔成在论坛中也提及，至强"内置了QAT、DSA、IAA这样的加快器，对于Agentic AI里最沉要的沙箱拉起、开释、并发执行有着显著的加快作用"。第三关——账本关：让贵的模型干更沉的活。鉴别图片里的文字，不用每次都轰动万亿参数模型。展台上的至强LLM Router（大模型智能路由）就像一个派活员，好比写代码时，将系统规划交给贵模型，写幼？椤⑴懿馐越桓啄Ｐ。它选取三级级联决策——第一级急剧判断决策复杂度
；拿禁绝，交给几百MB、可放进CPU缓存的幼模型
；再拿禁绝，由强模型兜底。Router还内置中英文PII脱敏，在要求发往表部模型前处置敏感信息。另一个案例是PolarDB库内向量抽取，将正本跑在GPU上的Qwen3.5-2B挪到CPU上，借助至强内置的AMX加快器，支持短、长高低文的吞吐不变端到端提升约2.5倍。它展示了特定幼模型工作在CPU上有优化空间，能直接降低Agent的响应延长和算力成本。第四关——信赖关：Agent手里握着你的数据。Agent读文件、连业务系统，把握着用户最敏感的那部门资产。阿里云Confidential Agent基于英特尔TDX机密推算技术，把Agent的主题运行时关进一间硬件级隔离的"密室"：内存由CPU全程加密，用户对话、持久影象、Skill文件与服务凭证都在其中。现场演示中，用户下一条号令，系统便走一遍远程证明：由CPU签发一份无法伪造的汇报，逐项注明这是不是经认证的真硬件、内存是否的确加密、开机到内核有无被篡改。确认后再成立加密通路接见Agent服务。另一项展示更为前瞻：蚂蚁SM4th（后量子署名规划）结合英特尔至强6+原生支持的SM4国密新指令，统一算法的署名、验签机能提升16—37倍，无需专用加快卡。03?从定造芯片到结合规划现实上，英特尔与阿里云的合作早已渗入到有关具体层面。这次云栖大会上别离出现了分歧档次上的截面——从芯片规格的结合界说，到软件生态的共同建设，再到端侧算力的协同布局。最直接的一层是芯片，从通用到定造层层深刻。第一步是按需选配，阿里云与英特尔去年已结合推出基于英特尔?至强?6机能核处置器的第九代ECS事俘，搭载于磐久服务器，依附至强6机能核主题数、单核机能和内存带宽上的机能，加上高杜着化的技术栈，最终算力较上代最高提升20%，L3缓存提升50%，最大睿频3.9GHz、全核睿频3.6GHz。再进一步，是萦绕具体负载定造处置器。展台上的GEM Mountain基于至强6架构，面向智能网卡、冷存储和边缘网络与互换机三类场景，在优化功耗与成本的同时，在至强6平台架构上做职能精简，把TDP压到百瓦高低，保留双通路内存和服务器级靠得住性。三款SKU里，一款明确面向阿里云，选取16核设计、TDP 85—90W，用于阿里云MOC智能网卡。用展台工程师的话说，这款由阿里云提出低功耗需要，英特尔在至强6平台上裁剪定造、专门做出来的，"以前是没有这颗芯片的"。 这颗芯片不仅可能满足阿里云的需要界说，也可能利用于冷存储和边缘设备上，掌管把虚构化、网络与存储的治理开销从主CPU上接走。定造还延长到了存储介质。阿里云自研的AliSCM让一类新介质既能被CPU当内存直接接见，又能掉电不丢数据
；它已在至强6平台实现适配，英特尔用内置的DSA加快数据搬运，读写机能成倍提升。在软件与生态共建上，论坛现场，英特尔与阿里云终端智能推算颁发萦绕Agentic Browser发展合作。阿里云终端智能推算事业部产品经理蒋佳忆介绍，2026年二季度浏览器接见的机械流量占比已达57.5%，初次超过人类。Agent在成为浏览器最沉要的新用户。但今天的浏览器依然是为人设计的，事俘沉、并发高，在登录、验证码和复杂交互刻下容易失败。双方没有另造一个浏览器，由于Chromium是Chrome的开源底座，真实网站都按它的尺度写的，换掉好多页面就打不开了。因而保留兼容性，只把为人筹备的那些开销删掉：双方基于官方Chromium技术系统，对Blink、V8等主题引擎进行轻量化优化，并结合英特尔至强处置器AVX - 512指令集，以及IAA、QAT蹬撞件加快器能力，内存开销最多降了三成，省下的内存换成并发，这样，一个Agent能够同时开出上百个浏览器处事。此表，PolarDB库内AI、龙蜥社区五年OS开源创新也在这一层持续推动。Agent不只在云上，双方也发展了端侧协同。第三代酷睿Ultra（Panther Lake）上运行的QwenWork端侧办公智能体，数据不出本地，也省下token。现场还有千问AI眼镜＋AI PC辅助销售规划——门店销售问一句"给客户推荐一台五千元的电脑"，眼镜把要求交给本地算力，结合本地知识库与ERP给出规划，全程不上云。此表还有Qwen Book与Qwen Box、零售门店AI治理规划，以及锐炫Pro B70显卡赋能AIGC。现有平台的结合优化之表，芯片架构自身也在应对智能体需要。英特尔首席工程师龚海峰介绍了展台展示的下一代至强（代号Diamond Rapids）时提到，其架构萦绕数据搬运、处置与
；し⒄梗豪缤ü3D封装，将缓存放在推算主题下方，让取数据如同"从楼上到楼下"，缩短接见蹊径。从面前的软硬件调优，到面向将来的架构演进，真实负载在提出更具体的要求。双方的结合研发分工也越来越具体：阿里云把云平台和业务现场的负载、瓶颈带进来，英特尔以处置器架构、内置加快器和软件优化能力参加解决，再回到现实场景中验证。从定造芯片到轻量浏览器，合作已经深刻数据若何流动、工作若何执杏注资源若何分配。Agent仍在急剧演进，正如卓久在论坛上说，这一年身处海潮之中，发现AI这一波"海潮越来越大，并且无法反对"。今天解决了缓存和沙箱启动开销，明天还会遇到新的并发、成本等方面的挑战。双方合作的持久价值，在于持续把这些问题转化为共同的设计与验证指标，让芯片、软件和云服务随真实需要一路改进。而最终衡量成就的，是企业能否用可接受的成本，让更多智能体靠得住地实现工作。?本文为数智前列（szqx1991）原创内容未经授权，不容转载进群、转载或商务合作联系后盾文章精选AI Coding，在把存储推向前台WorkBuddy又有大作为：买通账号系统，让企业治理可控万幼智