在近日舉行的Connection 2026大會上，英特爾拋出一個具體場景：「10分鐘內拉起1萬個沙盒」。每個沙箱必須在60毫秒內創建，承載完整運行環境，這並非實驗室假設，而是來自真實客戶生產需求。它指向一個核心問題：當AI從聊天走向幹活，資料中心該如何重塑，而英特爾給出的答案是，CPU正重返舞台中央，並圍繞智能體工作負載重構硬件與系統。

英特爾資料中心集團副總裁、中國區總經理陳葆立在演講中預測，到今年底，超過80%企業應用將至少嵌入一個AI智能體；到2031年，中國企業場景中的活躍智能體數量將達3.5億個。

最新統計數據顯示，中國大模型每日Token調用量已成長到2024年初的5000倍，且仍在增長。這些數字背後，是資料中心算力結構的深層調整。

智能體的工作流程與傳統AI推理不同。陳葆立拆解稱，Agent接到任務後需規劃、拆解步驟、調用工具，中間結果要保存供後續參考，複雜任務還會啟動多個子Agent並行。這些預處理、上下文管理、任務編排工作，大量適合由CPU承擔。

他將軟體工程演進分四階段：從Prompt Engineering到Context Engineering，再到Harness Engineering和Loop Engineering，每一步都減少人工干預，也讓CPU需求激增。市場預期隨之重估：2030年CPU市場規模預估從半年前590億美元上調至2100億美元，約為原先3.6倍。資料中心AI負載佔比將從2025年40%升至2030年80%。

英特爾執行長陳立武曾指出，AI工作重心由訓練轉向推理，CPU與GPU配比正從1:8向1:1演進；陳葆立則透露，某國內領先大模型廠商過去一年CPU需求已提高5倍。

智能體對硬體挑戰集中在兩點：KV Cache(推理過程的中間記憶)與沙盒隔離。一個235B參數模型配100萬token上下文，KV Cache約佔300GB，已超過許多GPU的HBM容量。英特爾推出KV Cache智能加速套件，核心組件KV Shrink採三層架構：DSA加速器實現顯示卡記憶體與記憶體高效拷貝，性能達CUDA方案近10倍；QAT引擎實現50%以上壓縮率，300GB可壓至200GB；系統優化讓解壓與計算並行，首字時延最高提升15倍。

沙盒則是輕量化虛擬機(MicroVM)，保護敏感資訊並隔離不確定代碼，單顆至強6+中央處理器在200毫秒啟動約束下可支持350個沙盒並發，是某同類產品1.46倍；單處理器最高可穩定部署超1000個智能體，靠CPU超配與分時復用實現。

支撐這些場景的是至強6+中央處理器。它是首款基於18A製程的資料中心CPU，最高配288顆能效核，提供8000 MT/s DDR5帶寬與576MB末級緩存。英特爾選擇將QAT(壓縮加速)、IAA(內存分析加速)、AMX(AI矩陣加速)等引擎全部集成至CPU內部。

陳葆立解釋，若加速外置，數據往返開銷會抵消卸載收益。在KV Cache場景，內置QAT不佔用GPU即可壓縮解壓，DSA負責高效拷貝，AMX加速數據預處理與向量數據庫。

同時，英特爾發布基於Xe3P架構的新一代GPU Crescent Island，配備最高480G LPDDR5x大顯示卡記憶體，專攻AI推理與KV Cache。

當智能體數量從百級擴至千級，瓶頸轉向系統級平衡。陳葆立將未來資料中心概括為三類協同集群：CPU集群負責智能體執行與編排，GPU集群承擔模型推理，記憶體集群承載長對話與文檔，三者共同點是都需要CPU做數據調度。

記憶體容量成為新焦點：傳統虛擬機每核用不了數百兆，現在一個核要承載四五個Agent，每個需2GB，雖非時刻運行但持續佔用存儲。

英特爾聯合產業夥伴發布開放Agent整機柜平台規範，引入CXL Flat Memory Mode，通過CXL擴展記憶體，硬體自動管理數據放置，對應用透明。

衡量AI基礎設施的標準正在改變：從單純Token產出轉向有效任務完成。英特爾正為此鋪設硬體底座——加速引擎內置、KV分層卸載、整機櫃規範，讓CPU重回系統調度中樞。

陳葆立指出，過去10到20年開源社區大量功能基於X86架構，Agent時代CPU執行優勢明顯。「未來五年，資料中心裡每一顆晶片的定位都會被重新討論。」