Intel
2026-06-02
英特尔联手SambaNova推机架级AI，CPU重夺推理控制权
内容摘要
核心要点
英特尔在Computex 2026宣布多项AI创新，核心是推出基于至强6+处理器（Intel 18A制程，288核）和SambaNova SN-50 RDU的机架级AI基础设施，由富士康提供系统集成。该方案专为推理和智能体工作负载设计，强调CPU在Agentic AI中的主导地位，声称推理场景下CPU:GPU配比接近1:1。
同时，Vector Core Compute云服务展示完全解耦推理：至强6+负责编排与执行，NVIDIA Blackwell GPU负责预填充，SambaNova SN40 RDU负责解码。Together.ai在MiniMax 2.5模型上声称实现最快企业级推理。此外，英特尔宣布与西门子、日立等合作开发行业垂直解决方案，并推出第三代酷睿Ultra处理器。
重要性说明
英特尔此举表面上是为了优化推理成本效率，本质上是在防御和合围NVIDIA的GPU推理生态。通过将CPU重新定位为推理编排的核心，并引入SambaNova RDU作为专用加速器，英特尔试图将控制点从GPU计算平面转移到CPU控制平面，从而削弱NVIDIA在数据中心的话语权。
然而，该架构存在隐性锁定风险：一旦企业采用机架级方案，其推理工作流将深度绑定至至强6+和SambaNova RDU的专有编程模型与互连，导致跨供应商迁移成本极高。同时，英特尔刻意淡化了RDU的生态成熟度——SambaNova的软件栈远不如CUDA丰富，企业将面临工具链匮乏和人才短缺的困境。
此外，解耦推理方案中预填充使用Blackwell GPU，解码使用RDU，这种异构组合增加了系统集成复杂度和尾部延迟不确定性，而英特尔未提供任何端到端延迟基准测试数据。至强6+在100kW功耗下提供36864个核心，但实际推理吞吐量可能远低于同等功耗的GPU集群，尤其在需要高内存带宽的大模型场景中，DDR5带宽瓶颈可能成为性能短板。
PRO 决策建议
【厂商】竞争对手（如AMD、NVIDIA、Arm服务器厂商）应立即利用英特尔方案的短板：攻击其RDU生态封闭性和编程模型复杂度，推广自家标准化的推理方案（如AMD的ROCm+MI300、NVIDIA的TensorRT-LLM），强调CUDA/ROCm的开发者生态和可移植性。同时，向客户展示在同等功耗下，纯GPU集群在大模型推理吞吐量上的优势，揭露至强6+的DDR5带宽瓶颈。
【企业】CIO和架构师应对英特尔机架级AI方案进行严格的零信任技术审计：要求提供端到端延迟、吞吐量、功耗的独立基准测试（如MLPerf），并评估跨云可移植性——如果未来需要迁移至其他平台，现有基于RDU的推理代码能否轻松适配？建议优先考虑基于标准加速器（如NVIDIA、AMD GPU）或开源推理引擎（如vLLM）的方案，以避免供应商集中度风险。
【投资者】资本市场应看穿英特尔此公关辞令：虽然合作阵容看似强大（富士康、Vista Equity），但核心硬件SambaNova RDU的市场份额极小，且其可重构数据流架构尚未获得广泛验证。英特尔的战略转向CPU推理是防御性动作，而非颠覆性创新。投资者应关注英特尔实际出货量和客户采纳率，而非新闻稿中的性能声明。
觉得这篇分析有用？
每周收到3-5条AI基础设施关键信号 →
💬 评论 (0)