在近日举行的Connection 2026大会上，英特尔抛出一个具体场景：「10分钟内拉起1万个沙盒」。每个沙箱必须在60毫秒内创建，承载完整运行环境，这并非实验室假设，而是来自真实客户生产需求。它指向一个内核问题：当AI从聊天走向干活，数据中心该如何重塑，而英特尔给出的答案是，CPU正重返舞台中央，并围绕智能体工作负载重构硬件与系统。

英特尔数据中心集团副总裁、中国区总经理陈葆立在演讲中预测，到今年底，超过80%企业应用将至少嵌入一个AI智能体；到2031年，中国企业场景中的活跃智能体数量将达3.5亿个。

最新统计数据显示，中国大模型每日Token调用量已成长到2024年初的5000倍，且仍在增长。这些数字背后，是数据中心算力结构的深层调整。

智能体的工作流程与传统AI推理不同。陈葆立拆解称，Agent接到任务后需规划、拆解步骤、调用工具，中间结果要保存供后续参考，复杂任务还会启动多个子Agent并行。这些预处理、上下文管理、任务编排工作，大量适合由CPU承担。

他将软件工程演进分四阶段：从Prompt Engineering到Context Engineering，再到Harness Engineering和Loop Engineering，每一步都减少人工干预，也让CPU需求激增。市场预期随之重估：2030年CPU市场规模预估从半年前590亿美元上调至2100亿美元，约为原先3.6倍。数据中心AI负载占比将从2025年40%升至2030年80%。

英特尔首席执行官陈立武曾指出，AI工作重心由训练转向推理，CPU与GPU配比正从1:8向1:1演进；陈葆立则透露，某国内领先大模型厂商过去一年CPU需求已提高5倍。

智能体对硬件挑战集中在两点：KV Cache(推理过程的中间记忆)与沙盒隔离。一个235B参数模型配100万token上下文，KV Cache约占300GB，已超过许多GPU的HBM容量。英特尔推出KV Cache智能加速套件，内核组件KV Shrink采三层架构：DSA加速器实现显卡内存与内存高效拷贝，性能达CUDA方案近10倍；QAT引擎实现50%以上压缩率，300GB可压至200GB；系统优化让解压与计算并行，首字时延最高提升15倍。

沙盒则是轻量化虚拟机(MicroVM)，保护敏感信息并隔离不确定代码，单颗至强6+中央处理器在200毫秒启动约束下可支持350个沙盒并发，是某同类产品1.46倍；单处理器最高可稳定部署超1000个智能体，靠CPU超配与分时复用实现。

支撑这些场景的是至强6+中央处理器。它是首款基于18A制程的数据中心CPU，最高配288颗能效核，提供8000 MT/s DDR5带宽与576MB末级缓存。英特尔选择将QAT(压缩加速)、IAA(内存分析加速)、AMX(AI矩阵加速)等引擎全部集成至CPU内部。

陈葆立解释，若加速外置，数据往返开销会抵消卸载收益。在KV Cache场景，内置QAT不占用GPU即可压缩解压，DSA负责高效拷贝，AMX加速数据预处理与矢量数据库。

同时，英特尔发布基于Xe3P架构的新一代GPU Crescent Island，配备最高480G LPDDR5x大显卡内存，专攻AI推理与KV Cache。

当智能体数量从百级扩至千级，瓶颈转向系统级平衡。陈葆立将未来数据中心概括为三类协同集群：CPU集群负责智能体运行与编排，GPU集群承担模型推理，内存集群承载长对话与文档，三者共同点是都需要CPU做数据调度。

内存容量成为新焦点：传统虚拟机每核用不了数百兆，现在一个核要承载四五个Agent，每个需2GB，虽非时刻运行但持续占用存储。

英特尔联合产业伙伴发布开放Agent整机柜平台规范，引入CXL Flat Memory Mode，通过CXL扩展内存，硬件自动管理数据放置，对应用透明。

衡量AI基础设施的标准正在改变：从单纯Token产出转向有效任务完成。英特尔正为此铺设硬件底座——加速引擎内置、KV分层卸载、整机柜规范，让CPU重回系统调度中枢。

陈葆立指出，过去10到20年开源社区大量功能基于X86架构，Agent时代CPU运行优势明显。「未来五年，数据中心里每一颗芯片的定位都会被重新讨论。」