過去兩年，AI硬體的核心幾乎只有一個：GPU。
從大模型訓練，到推理叢集，再到端雲算力，整個行業都在討論誰能拿到更多GPU、誰能把更多算力卡塞進資料中心。可以說，整個AI行業都在圍著GPU打轉，這也推動輝達股票價格屢創新高。
但在COMPUTEX2026上，英特爾給出了一個不同的判斷：AI的下一階段，不能只看GPU。這個判斷的核心，就是陳立武在主題演講中反覆強調的關鍵詞：AgenticAI，也就是我們常說的智能體。
智能體正在改變計算生態
智能體與傳統AI的區別其實很大，傳統AI使用起來就像是“回合制”的問答機器，而智能體則是要進入真實工作流，主動完成“思考、規劃、行動、反思”的循環。換言之，它要學會讀取資料、呼叫工具、執行任務並檢查結果，再不斷根據反饋調整下一步。
這意味著AI推理不再只是“一錘子買賣”，而是變成一套持續運行的自我決策和自我推理系統，這也完全改變了算力的運用方式。所以，英特爾這次最核心的觀點就是：Agentic AI會重塑資料中心的算力配比。
目前，在前沿模型訓練階段，CPU和GPU的比例可以接近1:8，GPU承擔了絕大多數計算壓力。但是在進入智能體推理模式後，CPU就需要負責任務編排、工具呼叫、資料遷移和系統協調等工作，此時CPU與GPU的比例會逐漸走向1:1，甚至需要更高的CPU密度來快速拆解任務。
事實上，當一個智能體不只是生成一段答案，而是需要不斷呼叫模型、工具和外部系統時，它的工作狀態就與傳統AI完全不同了。英特爾在演講中就提到過一個資料：與單輪推理相比，一個智能體的Token消耗量最高可增加1000倍。
換句話說，智能體帶來的不是簡單的推理量增長，而是更複雜、更高頻、更碎片化的系統負載。如果再把這些負載都丟給GPU解決，既低效也昂貴。
而英特爾此次發佈的至強6+處理器則是基於英特爾18A製程打造，最高搭載288顆能效核，並配備最高576MB三級快取，面向雲原生、AgenticAI和網路密集型等負載需求，可以提供更高的能效和更穩定的持續性能。
在英特爾給出的方案中，單個液冷機架佔用32U計算空間，就能提供36864個核心；機架功耗僅約100kW，足以承載高密度智能體部署。雖然100kW看起來唬人，但是與過往同等性能的伺服器機架相比，功耗已經大幅降低。
而在至強6+之外，還有個更值得關注的東西：英特爾對推理架構的重新拆分。
在演講中，英特爾宣佈聯合SambaNova、VistaEquityPartners、CambiumCapital等夥伴，正式推出全新的完全解耦推理方案。這個方案運行在VectorCoreCompute智能體雲上，由英特爾至強6處理器負責編排與執行，再通過SambaNovaSN40RDU負責解碼，最後由NVIDIABlackwellGPU負責預填充。
這套新方案就是針對智能體負載專門設計的。與過去很多AI系統習慣把推理鏈路里的大部分工作都交給GPU不同，在這個體系裡，CPU、RDU、GPU將會各司其職，分別負責系統調度、解碼、預填充等不同環節，讓每個推理階段都在最合適的硬體上運行，使效率最大化。
而在介紹完至強6+後，前段時間發佈的第三代酷睿Ultra處理器也再次登場。它是英特爾AI生態的另一環——端側AI核心。在演講中，英特爾和Perplexity展示的混合式本地伺服器，正是基於第三代酷睿Ultra和至強6+雲端伺服器建構的。
它可以根據裝置能力和功能特性，在本地與雲端之間動態分配工作負載，進一步降低對雲端算力的依賴。這也是未來AIPC的理想形態：通過動態分配性能，在降低Token成本的同時，確保任務的即時性和資料隱私性得到保障。
除了PC，英特爾還把第三代酷睿Ultra繼續擴展到遊戲掌機和邊緣計算領域，新發佈的銳炫G3系列處理器面向掌上遊戲裝置，基於同代架構進行最佳化，將在本月晚些時候上市（掌機使用者最期待的核顯要來了）。
從通用到定製，英特爾也想“無處不在”
而在通用處理器之外，英特爾這次還強調了定製晶片，這也是陳立武擔任英特爾CEO以來一直在主推的業務。
英特爾認為定製晶片將會在未來擁有龐大的市場，因為隨著AI進入不同行業，客戶將越來越不滿足於通用算力，為了追求更高的效率和性能，他們將會逐漸傾向於定製晶片來保持自己的競爭力。
在演講中，英特爾就提到，正與Google合作推出IPU，這類晶片對雲服務商提升基礎設施性能非常重要。同時，英特爾也與Ericsson等電信客戶合作，在全球範圍內提供先進無線基礎設施晶片。
這其實是陳立武這場演講的另一個主題：英特爾不再只靠一顆通用晶片來贏得市場，而是把晶片、系統、軟體和行業合作打包成一整套解決方案，並且可以根據不同企業的需求自由定製，以此最大化英特爾的優勢。
在雷科技看來，英特爾其實是在重新定義自己的生態位置：資料中心需要CPU負責智能體編排，推理系統需要異構解耦來降低成本，PC需要本地AI處理隱私和合規問題，邊緣與具身智能需要高能效晶片，行業客戶則需要定製化晶片。
通過滿足不同領域、不同鏈路上的企業需求，英特爾將變得比輝達還要“無處不在”。
當然，英特爾面前的壓力依舊很大，NVIDIA在AI加速器和軟體生態上的優勢仍然明顯，AMD也在伺服器CPU和AI晶片上持續進攻。英特爾要想把這條路走通，最終還要看18A的量產速度和Xeon6+的機架級方案是否能快速落地，以及客戶能不能真的從這套新方案中看到顯著收益。
但至少這一次，英特爾的方向比過去更清楚。
可以說，隨著AI進入智能體時代，競爭早已不再只是單顆晶片的峰值性能對比，而是涉及整個計算系統的協同效率最佳化。GPU仍然重要，但CPU、邊緣裝置、本地AI和定製晶片也會重新變得關鍵。
而英特爾想抓住的，正是這個AI基礎設施重新分工的窗口期。 (雷科技)