AI时代CPU与GPU分工重构，英特尔提出三类服务器协同方案

在2026年英特尔技术创新与产业生态大会上，公司首席执行官陈立武强调，人工智能的发展正在重塑计算基础设施的形态，特别是CPU与GPU的协作模式。过去一年，随着AI智能体（Agent）概念的普及，数据中心的工作负载发生了显著变化，这对计算架构提出了新的要求。

"智能体让数据中心的工作负载变得更加复杂，"英特尔中国区董事长王稚聪表示。"过去大模型主要通过对话完成问答，现在则需要处理更复杂的任务链，包括上下文工程、工具调用和循环验证等。"这种转变使得CPU在AI系统中的作用愈发重要，因为它能够处理操作系统、任务调度和数据管理等复杂逻辑。

基于此，英特尔提出了一个全新的AI数据中心架构：由三类服务器或集群协同组成。其中，CPU集群负责智能体执行和工作编排；GPU集群承担模型计算和Token生成；高性能存储集群则保存上下文、历史对话及业务数据。陈葆立解释说："当我们把Token工厂的概念升级到AI工厂时，讨论的就不止是这个Token工厂能产生多少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。"

这一架构的提出，源于对AI工作负载本质的理解。与传统的单次问答不同，智能体任务往往需要进行数十次甚至上百次的"计划-行动-评估"循环。"这种任务特性决定了它需要稳定的运行环境和强大的本地算力支持，"高嵩指出，"而PC凭借其成熟的软件生态、本地数据处理能力和持续计算能力，重新获得了成为个人智能中心的机会。"

为了支撑这一新架构，英特尔推出了采用18A制程的至强6+处理器，最高提供288个内核，并配套相应的智能体套件。陈葆立透露，在一组SWE-bench工作负载测试中，至强6+的单Agent平均性能比对比平台高15%。同时，英特尔还在优化其P-core和E-core两种路线的设计，P-core面向快速响应的任务，E-core则侧重提高Agent部署密度和能效。

"随着智能体能够执行的任务越来越多，CPU侧的执行量也会随之增长，"陈葆立表示。"这不仅改变了CPU的设计思路，也影响了整个产业链的供需格局。"

根据市场预测，到2030年，CPU市场规模将从2025年的约590亿美元增长至2100亿美元，数据中心AI负载占比也将从40%提升至80%。与此同时，数据中心GPU与CPU的配置比例预计将从4:1逐步向接近1:1演进。

"AI推理越普及，'打下手'的CPU就越不够用，"陈立武在9月14日承认，由于AI推理需求爆发，公司产能只能满足约一半客户的需求。"供需失衡直接传导到价格，10月5日PC处理器将再涨约10%，是去年以来的第三轮涨价，服务器处理器均价已涨20%，交货周期拉长到6个月。"

这一变化不仅影响了英特尔，也正在重塑整个CPU/GPU产业链。国内厂商如海光、沐曦等正在快速追赶，预计到2029年，中国GPU市场份额将从2024年的15.6%提升至37.8%。"国产替代正在加速，"陈立武表示，"这是英特尔面临的挑战，也是机遇。"

总的来说，AI智能体的兴起正在推动计算架构的全面革新，CPU与GPU的分工正在从简单的"计算"与"调度"关系，演变为更加紧密的协同关系。这一趋势不仅影响着硬件设计，也深刻改变了整个AI基础设施的生态格局。