在近日举行的 2026 英特尔技术创新与产业生态大会上，英特尔多次发表观点称，Agentic AI 时代数据中心 CPU 与 GPU 的配比将逐步提升至 1:1，部分复杂智能体场景甚至需要更高的 CPU 密度。
与会业内专家普遍认为，智能体 AI 从对话生成转向完成任务的转变，带来了任务编排复杂度提升、工具调用异构化、时序逻辑处理激增等多重变化，将持续推高 AI 集群中 CPU 的配置权重。
" 当前全行业面临 AI 算力全面短缺，CPU、GPU、存储三大核心资源均处于紧缺状态。" 英特尔数据中心集团副总裁、中国区总经理陈葆立在接受《科创板日报》记者采访时表示，" 目前 Intel 18A 量产情况顺利，希望能够利用新产能解决供应的问题。"
▍ CPU 与 GPU 配比趋向 1：1
目前，多家统计机构已勾勒出 AI 智能体产业的增长空间。IDC 预测，到 2026 年底，超过 80% 的企业应用将嵌入至少一个 AI 智能体；2031 年，中国企业场景中的活跃智能体数量将达到 3.5 亿个。当前国内大模型每日 Token 调用量已增至 2024 年初的 5000 倍。
基础设施投资层面，Gartner 数据显示，2026 年全球 AI 优化型 IaaS 支出预计增长 96%；美银证券预测，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。
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 AI 负载占比预计将从 2025 年的 40% 提升至 2030 年的 80%，驱动整个数据中心架构发生变革。英特尔副总裁兼端侧计算和物理 AI 事业部中国区总经理高嵩表示，驱动这场 AI 智能革命的，有两大核心驱动力，分别是规模定律和密度定律。" 一个 90 亿参数的新模型，其智能程度已经达到、甚至超过了几个月前 1200 亿参数的大模型。"
英特尔首席营销与传播官 Annie Shea Weckesser 介绍英特尔的三点战略，首先，是覆盖 PC、边缘和数据中心的开放计算平台；其次，是围绕特定工作负载设计的定制化芯片；第三，是在英特尔产品中实现日益复杂系统集成的制程与封装技术。
在数据中心与 AI 基础设施方面，随着 CPU 在 AI 算力中的权重提升，CPU 整机柜正在从选配变成标配，但行业面临标准不统一、软硬件适配门槛高、采购成本高的痛点，这也是 x86 架构在 AI 时代变得重要的原因。Annie Shea Weckesser 表示，" 我们预估，到 2030 年，全球超过 80% 的服务器都将运行在 x86 架构之上。"
同时，AI 正在推动各类产品对更强计算能力和更高能效提出更高要求，制程技术仍然是满足这一需求的关键。Annie Shea Weckesser 表示，Intel 18A 系列正在为下一代英特尔产品打造技术基础。Intel 18A 已经进入量产阶段，其高性能版本 Intel 18A-P 目前也已进入风险试产阶段。Intel 14A 进展顺利。面向内部产品的风险试产计划于 2027 年下半年启动，并以 2028 年实现大规模量产爬坡为目标。
▍ CPU 与 GPU 进入深度协同新纪元
基于对智能体时代算力需求的判断，陈葆立提出 AI 工厂架构理念，他将未来数据中心划分为三类协同的服务器集群：一是 CPU 服务器集群，负责 AI 智能体的执行与工作编排；二是 GPU 智算集群，配备 AI 加速卡，承担模型推理与训练等算力密集型任务，即传统意义上的 "Token 工厂 "；三是高性能存储集群，承载长对话记录、文档、合同、模型检查点等海量新增数据。
" 这三类集群有一个非常重要的共同点 —— 都需要 CPU 来做数据调度。" 陈葆立认为，"AI 工厂 " 不再以单纯的 Token 产出为衡量标准，而是转向以任务为导向，通过系统级协同优化，实现更低资源消耗、更高运行效率，完成更复杂的工作。
作为云厂商的代表，阿里云是中国首家基于英特尔至强 6 处理器推出公有云服务的云厂商。目前，阿里云已推出超过 117 种基于至强 6 的云实例类型。
阿里云首席云服务器架构师陈剑将 AI 算力的发展划分为三个时代，而智能体的爆发正引领行业进入第三个范式周期。
"2012 年之前是传统机器学习时代；2012 年之后进入深度学习时代，GPU 成为绝对的算力中心；而从 2025 年开始，正式进入 Agentic AI 时代，智能体为解决任务而生，需要任务拆解、编排调度、工具调用，这些工作高度依赖 CPU，CPU 重新回到舞台中央。" 陈剑表示，智能体时代不是 CPU 取代 GPU，而是进入一个 CPU 与 GPU 深度协同的新纪元。
在陈剑看来，智能体自身的发展也经历了四个阶段的快速迭代，而每一次进阶都在持续推高 CPU 的算力权重：
第一阶段是提示词驱动，核心是通过 Prompt 定义智能体角色与输出格式，人的参与度高，CPU 负载相对较轻；
第二阶段是上下文记忆阶段，通过记忆管理保存多轮对话上下文，自动组装历史信息，大幅提升任务执行效率，但权限获取、工具失效等边界问题仍需人工处理；
第三阶段是规则化流程阶段，通过预定义规则明确权限管控、异常处理等逻辑，让智能体具备标准化的问题解决能力，任务跑通率显著提升；
第四阶段是自主迭代阶段，智能体可以自动拆解任务、自主调用工具、自行处理异常并迭代优化，最终交付任务结果，人的因素从核心链路中逐步淡出，CPU 的调度与计算需求随之达到峰值。
CPU 的核心目标，是让 GPU 最大化地进行核心计算，产生价值。智能体时代究竟需要什么样的 CPU？如何衡量一颗 CPU 的真实智能体承载能力？成为行业当下热议话题。
英特尔首席工程师侯志强在论坛发表智能体算力公式：每机柜实际可交付智能体数 = 理论每机柜智能体数 × CPU 调度有效性 × 资源平衡度 × 计算卸载效益。
他表示，衡量一颗 CPU 的真实智能体承载能力，核心看三个维度：调度有效性取决于缓存命中率，用以破解智能体间歇运行导致的指令换出时延问题；资源平衡度以内存容量为核心短板，决定真实并发上限；计算卸载效益依靠内置 AI 加速引擎释放通用算力，带来额外增益。面向智能体场景的合格 CPU，需要在大缓存架构、并行处理能力、灵活内存扩展与内置专用加速器上协同优化，最终目标是最大化 GPU 的有效算力产出，实现智能体规模化落地的成本最优。
▍ GPU 整机柜、超节点集体亮相
今年 6 月，英特尔推出 Rack Scale Blueprint（机架级蓝图）计划，通过开放标准与合作伙伴共同开发机柜级 AI 基础设施方案，首批合作伙伴包括富士康和 SambaNova。在本届英特尔技术及应用成果展区里，英特尔将多个 GPU 整机柜集群搬到了展台现场，包括畅快算 M32000 高密度液冷整机柜集群及其他多个基于英特尔开放 Agent 机柜平台建设的整机柜。
此外，该公司展示的 TITAN-iX 万卡集群是面向大模型训练与推理打造的新一代液冷整机柜 AI 集群解决方案。现场工作人员表示，TITAN-iX 基于第四 / 五代英特尔至强可扩展处理器，单机柜支持 128 张 GPU 高密度部署，可扩展至千卡、万卡级集群。
超节点作为机架级基建的核心技术方向，展区迎来了中兴通讯、H3C 等厂商的多款产品。
中兴通讯的 OEX 超节点单机柜最大支持 128GPU，CPU 支持英特尔至强 6 性能核处理器，配多厂商主流 GPU。据介绍，该机柜首创 OEX 正交无背板架构，并采用光交换与电交换融合组网方案，实现三零线缆设计，实现互联成本下降。
与此同时，H3C 的 Uni PoD S80000 超节点、立讯智算的 TITAN-iX AI 超节点也在展台进行展示，其中，Uni PoD S80000 基于英特尔至强 6 处理器 AP 系列打造，互联带宽可达 400GB/S。立讯智算的 TITAN-iX AI 超节点使用第五代英特尔至强可扩展处理器作机头。
此外，科创板上市公司澜起科技展示了其 CXL 互连方案、PCle 高速互连方案、服务器及加速卡时钟、津逮服务器平台等产品。CXL 互连方案的核心是 CXL 内存扩展控制器（MXC）芯片。据了解，澜起科技 CXL3.2MXC 芯片已导入三星、SK 海力士下一代 CXL 产品，预计 2027 年进入 CXL 规模商用元年。
