英特尔判断智能体将带动CPU需求，其至强6+在200毫秒沙箱启动时延测试下可支持350个沙箱并发

AI正从回答问题走向执行任务，数据中心的算力需求结构随之改变。过去围绕大模型训练展开的基础设施投资，主要聚焦GPU等加速芯片；而随着智能体开始调用工具、运行代码和处理文件，承担这些工作的CPU也迎来新的需求。

国际数据公司（IDC）与浪潮信息联合发布的报告预计，2026年中国智能算力规模将达2576.5EFLOPS，同比增长87.9%，到2030年将达10524.3EFLOPS。

“有客户要求10分钟之内做1万个沙箱，问我们怎么去做软件优化。”英特尔数据中心集团副总裁、中国区总经理陈葆立表示，这类需求已经真实出现，公司团队正开展相应优化。

沙箱是供智能体执行代码和操作文件的隔离环境，其启动速度、运行效率和部署密度，都会影响智能体服务的表现。

Omdia预计，到2026年，亚洲和大洋洲的智能体总数将达到约380亿个；随着AI智能体市场持续扩张，这一数字将在2030年大幅增至2.2万亿个，复合年增长率为176%。

2026年9月，Meta推出的个人智能体Muse迅速走红，进一步凸显了CPU在AI基础设施中的价值。

根据Meta公布的技术说明，每位用户拥有专属的云端虚拟机（Muse Secure VM），配备浏览器以及CPU、内存和存储资源，用于执行代码、运行工具并协调多个子智能体。

对于耗时较长的任务，即使用户关闭应用，Muse仍可在后台持续工作。这意味着，个人智能体的普及将需要大量CPU资源予以支撑。

智能体带来的变化，首先体现在处理计算的流程上。在典型的AI聊天场景中，用户提出问题，模型完成推理并输出答案。

智能体则需要把目标拆解成任务，调用外部工具执行，再检查结果，必要时重新规划，一次请求由此可能变成多轮模型推理与程序执行。

陈葆立表示，从上下文管理、工具调用到反复验证和改进，智能体背后是一层层软件机制，其中很多工作适合由CPU执行，这也是英特尔判断智能体将带动CPU需求增长的原因。

阿里云首席云服务器架构师陈健也提出，随着智能体需要拆解任务、重新编排和调度工具，CPU参与的工作随之增加，智能体时代将是CPU与GPU协同的时代。

不过，这种协同对CPU提出了不同于传统云计算的要求。智能体调用模型后需要等待结果，得到结果后又可能短时间内集中执行代码或调用工具，大量智能体同时运行，会形成间歇性与突发性并存的负载。

英特尔方面解释，如果CPU执行速度不足，GPU需要等待工具返回结果；如果单台服务器承载的智能体数量太少，又会影响资源利用率。

因此，处理器既要保证单个任务的响应速度，还需要支持大量任务并发。

2026年6月，英特尔发布采用Intel 18A制程的至强6+处理器，最多配备288个能效核。

陈葆立介绍，随着客户开始实际部署智能体，英特尔相应调整了处理器测试方式，进一步考察单颗CPU可承载的智能体数量，以及单个智能体的运行性能。

英特尔披露，在满足200毫秒沙箱启动时延的测试条件下，至强6+处理器可支持350个沙箱并发。

内存容量也可能成为限制。智能体等待模型反馈时，处理器资源可以让给其他任务，但任务状态和上下文仍需保存。

云厂商通过让多个智能体分时共享CPU提高利用率，也会相应增加内存需求。

市场有风险，投资需谨慎。本文为AI基于第三方数据生成，仅供参考，不构成个人投资建议。