股票双向投资
智能体规模化落地，CPU 重回 C 位。英特尔与阿里云从记忆、执行、成本、信任入手，拆解 Agent 时代基础设施的难题。
文｜赵艳秋
编｜牛慧
9 月，杭州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，把当下人工智能业界严峻的供需问题提出来——今年智能体开始规模化部署，底下的基础设施跟得上吗？
需求一侧，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，计算、存储与执行环境承压；供给一侧，为承接这些需求，有银行预测，中国相关产业需要投入超过 2 万亿元。
如何应对这场考验，成为英特尔与阿里云在本次大会上共同回答的主题。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，讨论围绕真实负载展开：如何保留越来越长的上下文，如何让大量沙箱快速启动，如何降低模型调用成本，又如何让智能体更安全地使用数据。
陈葆立指出，AI 工厂关注的问题正在变化：过去讨论有多少算力、多少 token，如今更关心怎样调度资源，"完成更多的工作"。阿里云智能集团资源总监、首席服务器架构师卓久则强调，这波需求同时推高了 CPU、GPU 以及内存和存储的重要性，需要"从硬件到软件，从 GPU 到 CPU 到存储"的全链条协同。
从定制芯片、存储加速到轻量浏览器，双方展示的合作进展，正在把这些战逐项拆解、联合解决。而这一切的背景，是一个此前很少被讨论的变化——在智能体时代，CPU 重新变得紧俏了。
01
Agent 时代，CPU 重回 C 位
过去三年，AI 基础设施几乎等同于"抢 GPU "。到了 2026 年，故事反转了：CPU 也开始被抢了。
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表示，"在数据中心领域，CPU 需求正在起飞，客户需求正超过公司持续扩大的供应能力"。为此，公司上调了 2026 年资本支出。价格也随之上行。根据媒体报道，本轮服务器 CPU 价格整体涨幅为 10% – 20%，预计紧缺状况至少延续到 2027 年。
需求突然爆发，与 Agent 规模化部署密切相关。陈葆立指出，智能体背后的多层软件创新，记忆管理、命令执行和反复验证，持续增加 CPU 需求。
具体而言，算力结构正在经历三阶段转向：从训练到推理，CPU 与 GPU 之从 1:8，升至 1:4，并在 Agent 时代走向 1:1。"甚至部分场景，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。
元股证券:ygzq.hk
算力结构的变化是由 Agent 的工作方式引发的。Agent 是"计划—行动—观察"的循环，一个简单任务可能要转二三十轮，而较为复杂的 AI Coding 任务要循环数百轮。大模型推理主要由 GPU 承担，CPU 则负责智能体编排、状态管理、工具执行、内存层级与安全隔离。CPU 侧若未及时准备数据、创建沙箱或调度请求，GPU 就可能被"饿着"。从 GPU 到 CPU 到存储，需要全链条协同。
CPU 增量因此需要放到整个数据中心看：用量比值上升，主要不是 AI 服务器内部简单调整配比，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，并通过网络调用 GPU 推理服务。
由此形成两条路径：GPU 服务器或存储服务器中的机头，负责主机侧调度、数据与缓存管理；独立的 Agent CPU 服务器，承接智能体及其执行环境。前者侧重提高 GPU 利用率，后者更关注支撑任务持续推进。
评价标准也随之改变。英特尔白皮书提出，优化目标正从 tokens/ 秒，转向 SLA 约束下每美元完成的任务数，即在约定的服务质量与时延内，同样投入能完成多少工作。这呼应了陈葆立开场时的判断：AI 工厂要通过更好的资源调度，"完成更多的工作"。
云栖展台上的 " 四道关 "
在这样的形势下，沿着英特尔展台的演示一路看下来，智能体规模化运行要解决的难题，可归结为"四道关"。
第一关：记忆关——草稿本越写越厚。
Agent 每调用一次工具、接收一轮反馈，上下文就继续增长。KV Cache 像一本保存中间计算结果的"草稿本"，下次直接翻看，不必重算。循环越多，草稿本越厚。现场工程师给一组对比：Agent 的上下文已迈向百万 token，折算下来的 KV Cache 可达 TB 级，而 GPU 显存最大不过几百 GB。装不下，"草稿本"上的内容被挤出，下次用只能重算，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，其余按冷热程度转入内存、SSD 或分布式存储，需要时再取回来——以存换算。搬运途中的压缩和解压，交给至强内置的 QAT（数据保护与压缩加速技术）引擎，不占用 CPU 核心，测试中可无损节省高达 30% 的空间。展台上的 KV Shrink 方案，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。
同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 负责压缩解压、DSA（数据流加速器）负责数据搬运与校验，把这部分开销整体从 CPU 核心上卸下来，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"及时开工。
Agent 要反复循环，结果又难以预知，因此需要安全隔离的"工位"——沙箱，既限制错误影响范围，又能快速创建、销毁、回滚和恢复。"工位"越多，布置耗时过长，开销就越明显。
展台上的"英特尔 IAA 加速安全沙箱方案"，覆盖 Firecracker 与 E2B 两种场景。加速"工位"布置的关键是快照——把准备好的环境或暂停时的运行状态"存档"，下次直接恢复。至强内置的 IAA（存内分析加速器）加速压缩与解压，减少了快照体积和 CPU 核心开销。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 这样的加速器，对于 Agentic AI 里最重要的沙箱拉起、释放、并发执行有着显著的加速作用"。
第三关——账本关：让贵的模型干更重的活。
识别图片里的文字，不必每次都惊动万亿参数模型。展台上的至强 LLM Router（大模型智能路由）就像一个派活员，比如写代码时，将系统规划交给贵模型，写小模块、跑测试交给小模型。它采用三级级联决策——第一级快速判断决策复杂度；拿不准，交给几百 MB、可放进 CPU 缓存的小模型；再拿不准，由强模型兜底。Router 还内置中英文 PII 脱敏，在请求发往外部模型前处理敏感信息。
十大杠杆配资另一个案例是 PolarDB 库内向量抽取，将原本跑在 GPU 上的 Qwen3.5-2B 挪到 CPU 上，借助至强内置的 AMX 加速器，支持短、长上下文的吞吐稳定端到端提升约 2.5 倍。它展示了特定小模型任务在 CPU 上有优化空间，能直接降低 Agent 的响应延迟和算力成本。
第四关——信任关：Agent 手里握着你的数据。
Agent 读文件、连业务系统，掌握着用户最敏感的那部分资产。阿里云 Confidential Agent 基于英特尔 TDX 机密计算技术，把 Agent 的核心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、长期记忆、Skill 文件与服务凭证都在其中。
现场演示中，用户下一条命令，系统便走一遍远程证明：由 CPU 签发一份无法伪造的报告，逐项说明这是不是经认证的真硬件、内存是否确实加密、开机到内核有无被篡改。确认后再建立加密通道访问 Agent 服务。
另一项展示更为前瞻：蚂蚁 SM4th（后量子签名方案）结合英特尔至强 6+ 原生支持的 SM4 国密新指令，同一算法的签名、验签性能提升 16 — 37 倍，无需专用加速卡。
03
从定制芯片到联合方案
实际上，英特尔与阿里云的合作早已渗透到相关具体层面。这次云栖大会上分别呈现了不同层次上的截面——从芯片规格的联合定义，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，从通用到定制层层深入。第一步是按需选配，阿里云与英特尔去年已联合推出基于英特尔 ® 至强 ® 6 性能核处理器的第九代 ECS 实例，搭载于磐久服务器，依靠至强 6 性能核核心数、单核性能和内存带宽上的性能，加上高度优化的技术栈，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，是围绕具体负载定制处理器。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交换机三类场景，在优化功耗与成本的同时，在至强 6 平台架构上做功能精简，把 TDP 压到百瓦上下，保留双通道内存和服务器级可靠性。
三款 SKU 里，一款明确面向阿里云，采用 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求，英特尔在至强 6 平台上裁剪定制、专门做出来的，"以前是没有这颗芯片的"。 这颗芯片不仅能够满足阿里云的需求定义，也能够应用于冷存储和边缘设备上，负责把虚拟化、网络与存储的管理开销从主 CPU 上接走。
定制还延伸到了存储介质。阿里云自研的 AliSCM 让一类新介质既能被 CPU 当内存直接访问，又能掉电不丢数据；它已在至强 6 平台完成适配，英特尔用内置的 DSA 加速数据搬运，读写性能成倍提升。
在软件与生态共建上，论坛现场，英特尔与阿里云终端智能计算宣布围绕 Agentic Browser 展开合作。
阿里云终端智能计算事业部产品经理蒋佳忆介绍，2026 年二季度浏览器访问的机器流量占比已达 57.5%，首次超过人类。Agent 正在成为浏览器最重要的新用户。但今天的浏览器仍然是为人设计的，实例重、并发高，在登录、验证码和复杂交互面前容易失败。
双方没有另造一个浏览器，因为 Chromium 是 Chrome 的开源底座，真实网站都按它的标准写的，换掉很多页面就打不开了。于是保留兼容性，只把为人准备的那些开销删掉：双方基于官方 Chromium 技术体系，对 Blink、V8 等核心引擎进行轻量化优化，并结合英特尔至强处理器 AVX - 512 指令集，以及 IAA、QAT 等硬件加速器能力，内存开销最多降了三成，省下的内存换成并发，这样，一个 Agent 可以同时开出上百个浏览器办事。
此外，PolarDB 库内 AI、龙蜥社区五年 OS 开源创新也在这一层持续推进。
Agent 不只在云上，双方也展开了端侧协同。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 辅助销售方案——门店销售问一句"给客户推荐一台五千元的电脑"，眼镜把请求交给本地算力，结合本地知识库与 ERP 给出方案，全程不上云。此外还有 Qwen Book 与 Qwen Box、零售门店 AI 管理方案，以及锐炫 Pro B70 显卡赋能 AIGC。
现有平台的联合优化之外，芯片架构本身也在应对智能体需求。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，其架构围绕数据搬运、处理与保护展开：例如通过 3D 封装，将缓存放在计算核心下方，让取数据如同"从楼上到楼下"，缩短访问路径。
从眼前的软硬件调优，到面向未来的架构演进，真实负载正在提出更具体的要求。双方的联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，英特尔以处理器架构、内置加速器和软件优化能力参与解决，再回到实际场景中验证。从定制芯片到轻量浏览器，合作已经深入数据如何流动、任务如何执行、资源如何分配。
Agent 仍在快速演进，正如卓久在论坛上说，这一年身处浪潮之中，发现 AI 这一波"浪潮越来越大，而且无法阻挡"。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。双方合作的长期价值，在于持续把这些问题转化为共同的设计与验证目标，让芯片、软件和云服务随真实需求一起改进。而最终衡量成果的，是企业能否用可承受的成本，让更多智能体可靠地完成工作。
© 本文为数智前线（szqx1991）原创内容
未经授权，禁止转载
进群、转载或商务合作联系后台
文章精选
AI Coding，正在把存储推向前台
WorkBuddy 又有大动作：打通账号体系，让企业管理可控
万小智，让 AI 从网站生成走向企业经营
在云栖大会，看见企业级 Agent 的最终形态
"我和我的个人机器人"，等待一个" iPhone 时刻"
万亿商旅市场终局之争：告别差价博弈，智能体重塑差旅价值
缩小 AI 落地剪刀差，为什么需要产业智能体操作系统
台车歪了 5 毫米背后，飞书 + 豆包工作如何让 AI 真干活？
近九成企业用了 AI，为何组织提效却不明显
苹果缺席的那道题，中国厂商先交了卷
从"超级员工"到"超级流程"，企业 AI 正在换挡
机器人补上"最后一厘米"，触觉的战争打响了
从办公 Agent 到开放平台，WorkBuddy 在赌什么？
千问办公进长安
机场广告之后，京东云的物理 AI 版图要浮出水面了
二十年攒下的数据，为什么喂不饱一个 Agent？
具身 ChatGPT 时刻前夜，自变量押注"最强大脑"
AI 改变钱的流向：预算、自研与最后一公里
OceanBase，走向中国版 Databricks
不甘平庸的李健和一个更敢的荣耀
AI 编程更挣钱，为什么大厂全冲去做 AI 办公
从个人 Agent 到企业级数字分身：组织 AI native 转型的"最后十公里"
历史进程中的浙大
大模型五大"标王"与六边形战士
枪响在 2018：神秘东方力量股票双向投资，为何扎堆杭州
融资融券网提示：本文来自互联网，不代表本网站观点。
