随着 AI 应用从聊天问答进一步走向能够调用工具、执行任务并持续交互的智能体，计算基础设施面对的问题也在变化。模型推理只是其中一环，CPU 调度、GPU 加速、内存容量、数据移动、安全隔离以及软件生态，都会影响 Agentic AI 最终能否稳定落地。

在 2026 云栖大会现场，英特尔以 "Agentic AI Computing" 和 "Agentic AI Solutions" 为两条主要展示线索，把下一代至强处理器、Crescent Island 数据中心 GPU、锐炫 Pro 专业显卡，以及可信计算、异构方案和内存技术放到同一展区。相比单纯展示芯片参数，这次展台更强调一个变化：Agentic AI 正在从模型能力竞争，走向系统级计算能力的竞争。

  2026 云栖大会英特尔展区

从 " 算模型 " 到 " 跑智能体 "，异构计算成为展区主线

Agentic AI 与传统生成式 AI 最大的不同之一，是工作负载更加复杂。一个智能体可能同时涉及大模型推理、知识检索、代码执行、数据库访问以及外部工具调用，并且需要在较长时间内维持上下文。对基础设施而言，这意味着单纯堆叠某一种算力并不能解决全部问题。

英特尔现场展示的多套方案都围绕 " 异构 " 展开。IAA 加速安全沙箱方案、面向智能体应用的异构方案以及 AI 赋能 XPU 生态迁移等内容，都在尝试让 CPU、GPU 及专用加速能力根据不同任务分工。现场还能看到基于 MicroVM 实现 Agent Sandbox 的演示，通过虚拟化与隔离机制，为智能体调用工具、运行代码等操作提供更独立的执行环境。

  Agentic AI Solutions 展区

Crescent Island 瞄准 Agentic AI 推理，大显存与能效成为关键词

在硬件展品中，Crescent Island 是最值得关注的新品之一。这款面向下一代 Agentic AI 推理的数据中心 GPU 采用 Xe3P 架构，英特尔在近期公布的架构信息中给出了 32 个 Xe 核心、256 个 XMX 引擎以及最高 480GB LPDDR5X 内存等关键规格，并采用 350W 风冷 PCIe 卡设计。

这些设计背后的方向很明确：Agentic AI 会持续推高上下文长度、并发智能体数量以及 Token 吞吐需求。相比只追求峰值算力，更大的本地显存可以减少模型和数据在不同层级之间频繁搬运，而相对易部署的风冷形态，则更贴近大量现有企业数据中心的基础条件。英特尔希望用这类 GPU 补充至强平台，在通用计算与高并行推理之间形成更清晰的分工。

  Agentic AI Computing 展区

下一代至强继续强化 CPU 底座，Diamond Rapids 现场亮相

GPU 在 AI 时代的存在感越来越强，但 Agentic AI 同样把 CPU 重新推到了系统编排的中心。现场展示了代号 Diamond Rapids 的下一代至强处理器，以及至强 6+、至强 6 性能核、至强 6 SoC 等多款产品。为了避免产品陈列变成简单的 " 芯片墙 "，更值得关注的是它们在整套 AI 系统中的位置。

根据英特尔此前公布的信息，Diamond Rapids 面向企业级 Agentic AI 与高性能计算，最高可提供 256 个新一代核心，并支持 16 通道内存、PCIe 6.0 与 CXL 3.0。对于智能体工作负载来说，CPU 不仅要承担传统业务计算，还要处理任务编排、数据移动、I/O 以及不同加速单元之间的协同。随着一台服务器里接入更多 GPU、内存与高速设备，CPU 平台的扩展能力也会直接影响整机效率。

  下一代英特尔至强处理器 Diamond Rapids

锐炫 Pro B70 补上工作站与开发端，AI 推理不只发生在数据中心

除了服务器产品，英特尔现场还展示了锐炫 Pro B70 专业显卡。B70 拥有 32GB 显存、32 个 Xe 核心和 256 个 XMX AI 引擎，官方给出的 INT8 峰值 AI 算力为 367 TOPS。它的定位并不是取代数据中心 GPU，而是覆盖专业工作站、内容创作以及本地 AI 开发和推理等场景。

这一层产品对于 Agentic AI 生态同样重要。企业开发者往往需要先在工作站上完成模型测试、量化、应用适配和智能体流程开发，再把工作负载迁移到服务器或云端。英特尔让 Arc Pro 与数据中心 Xe 架构共享较为一致的软件基础，目的之一就是降低不同部署层级之间的迁移成本。

  英特尔锐炫 Pro B70 专业显卡

可信计算进入 AI Agent 场景，安全开始从 " 数据保护 " 延伸到 " 执行保护 "

当 AI Agent 真正具备调用企业系统、执行脚本甚至处理敏感数据的能力后，安全边界也随之改变。现场 " 基于英特尔 TDX 构建阿里云 Confidential Agent" 的演示，就把可信执行环境与智能体结合起来。TDX 通过硬件级隔离，为虚拟机及其工作负载提供更独立的可信环境，让云平台在处理敏感数据和 AI 任务时拥有额外的隔离层。

这一思路在 Agent 时代尤其值得关注。过去谈 AI 安全，更多聚焦模型输出和数据隐私；当 Agent 开始真正 " 动手做事 "，运行环境本身是否可信、不同租户和任务之间能否隔离、工具调用权限如何约束，都会成为企业部署时绕不开的问题。

  龙蜥 OS 与 Intel CXL 2.0 内存池化、分级内存方案

CXL 与内存液冷登场，AI 服务器竞争延伸到数据通路和散热

在更靠近系统底层的位置，英特尔还展示了龙蜥 OS 与 Intel CXL 2.0 结合的内存池化、分级内存方案，以及 0.257 英寸间距的服务器内存液冷技术。它们看起来不像 CPU 和 GPU 那样抢眼，却对应着 AI 服务器规模化之后越来越现实的瓶颈。

  英特尔 0.257 英寸间距内存液冷技术展示

大模型与智能体应用会不断推高内存容量和带宽需求，CXL 提供了扩展和池化内存资源的新路径；另一方面，高密度服务器中内存本身的功耗与散热也开始成为系统设计的一部分。现场展示的窄间距 DIMM 液冷方案，强调在更紧凑空间内处理更高的内存散热需求。换句话说，AI 基础设施的优化已经从 " 芯片性能 " 一路延伸到了内存组织、互连和冷却。

热点科技洞察：Agentic AI 的下一轮竞争，不会只发生在 GPU 上

从这次云栖大会的展陈可以看出，英特尔并没有把 Agentic AI 简单理解成一次新的 GPU 算力竞赛。Crescent Island 负责面向高并发推理提供更大的内存空间和专用加速能力，Diamond Rapids 等至强平台承担通用计算、编排和数据移动，Arc Pro 则把开发与推理能力延伸到工作站，再配合 TDX、CXL 以及软件生态，把计算、安全和内存资源连接起来。

这也反映出 AI 产业正在进入一个更强调系统效率的阶段。训练大模型时，峰值算力往往是最醒目的指标；到了 Agentic AI 阶段，真正影响体验的因素会变得更多：一次任务要调用多少模型、同时运行多少 Agent、上下文能保存多长、数据如何流动、执行环境是否可信，以及整套系统能否在可接受的功耗和成本下长期运行。

对英特尔而言，CPU 仍然是其最深的基本盘，但现场的 Crescent Island、Arc Pro、TDX 以及 CXL 方案说明，它正在尝试把 CPU 的优势延伸到更完整的异构计算体系中。未来 Agentic AI 真正大规模进入企业之后，硬件厂商比拼的也许不再是谁拥有某一个最突出的单项参数，而是谁能把 CPU、GPU、内存、网络、安全与软件更顺畅地组合成一套可以直接部署的系统。