英特尔宋继强：以CPU为核心构建异构算力架构，助力智能体与物理AI发展
随着AI技术的加速落地，两大趋势正备受关注：一是具备“会说也会做”能力的智能体AI，不仅能够进行自然语言交互，还能自主完成任务规划和执行；二是物理AI的兴起，借助机器人、机械臂和智能汽车等实体平台，实现对现实世界的感知、分析与互动。这类技术的融合有望在教育、医疗、交通和制造业等多个领域广泛应用，为AI成为生产生活中的实用助手铺平道路。
智能体与物理AI的发展，正在重塑底层算力架构。近日，英特尔中国研究院院长宋继强与行业专家分享了英特尔在该领域的最新进展，强调以CPU为核心的异构计算架构，为智能体AI和物理AI的开发与部署提供开放且可持续的技术基础。
CPU在智能时代焕发新价值
在当前兴起的多智能体系统中，算力的角色正在发生变化。这类系统不仅需要完成模型训练与推理，还涉及数据处理、分析、工具调用、代码生成与测试、智能体通信等多方面计算任务。这些任务对通用计算能力和灵活调度能力提出了更高要求，使得CPU在系统中的地位和数量显著提升。
据摩根士丹利预测，数据中心“机头”CPU市场规模将在未来几年持续增长，潜在新增空间高达数百亿美元。英特尔首席执行官陈立武也指出，客户实践显示，数据中心中CPU与GPU的比例正在由1:8转变为1:1，而在前端部署多智能体系统进行产品级应用时，这一比例甚至可达到4:1。
企业希望利用智能体AI优化其数字化与智能化流程，核心需求是将任务拆解为多个步骤，根据需要调用不同AI模型，而非依赖单一模型完成所有任务。这种需求与异构计算理念高度契合。此外，在“词元经济”背景下，高效利用和分配算力资源也成为提升词元使用效率的关键。
在此趋势下，以CPU为核心，结合GPU、NPU、IPU和AI加速器等多样芯片的异构算力架构，正逐渐成为支撑智能体AI发展的主流方向。关键不在于单一芯片的绝对性能，而是如何在功耗、成本与灵活性之间找到整体最优。
构建全栈能力支持混合AI部署
在部署异构算力时，企业需综合考虑隐私、安全、性能和成本等因素。为实现平衡，英特尔主张推进“混合AI”架构，即在本地处理敏感任务，按需调用云端大模型，并在端侧与云侧之间建立高效协同机制，统一优化算力分布、响应延迟与数据安全。
从硬件到软件，英特尔正构建全栈能力，助力企业更轻松地部署混合AI。在硬件方面，第三代酷睿Ultra和即将发布的至强6+均基于Intel 18A先进制程，提供了出色的性价比与能效比。
系统层面，英特尔协助企业构建支持自有数据与业务流程的基础设施，能够在不同功耗、尺寸和部署条件下灵活选择多种XPU（CPU、GPU、NPU、IPU及各类AI加速器），并推动开放的异构硬件互联，实现低延迟、高性能的设备连接。
在软件方面，英特尔打造了开放的AI软件栈，上层兼容主流大模型和智能体开发框架，中层支持多种异构硬件接口。该软件栈能够统一调度计算、存储与互联资源，提升跨硬件的协同效率，并确保软件长期稳定运行，避免因硬件更换而引发的系统重构。
拓展智能体至物理世界
将智能体AI从数字空间拓展至现实世界，与物理载体融合，推动边缘计算向物理AI和具身智能演进，将为AI带来更广阔的应用前景。
物理AI需要具备感知、决策与执行能力。英特尔基于第三代酷睿Ultra打造了工业级平台，提供最高达180 TOPS的AI算力，并配套机器人和边缘AI软件包，强调实时性、安全性和多任务调度能力。针对机器人厂商和开发者，英特尔已推出参考设计板与开发套件，便于在实际硬件中验证和优化感知与决策模型。
随着模型与任务的持续演化，相关系统架构与芯片集成方式也将不断迭代。未来，智能体设备的形态将更加多样化，例如：
- AI PC将从支持少量大模型，演进为承载个人与企业智能体网络的终端设备；
- AI NAS通过本地智能分析与处理，将传统网络存储升级为更贴合家庭与中小企业需求的智能节点；
- AI Box作为通用“AI盒子”形态，可在车载、家庭、门店及边缘场景中灵活部署，基于不同算力平台与内存组合形成丰富的产品线。
随着智能体AI在多种硬件上的融合与协同，英特尔相信将引发新一轮产业爆发，推动物理AI、机器人等领域的快速发展。英特尔将持续以CPU为核心，优化异构算力架构，更好地支持智能体与物理AI的部署；同时，帮助企业构建混合AI架构，提升算力效率、降低成本与延迟、保障数据隐私；并基于先进制程与封装技术，打造多样化产品形态，覆盖更广泛的行业应用。
关于英特尔
英特尔（纳斯达克股票代码：INTC）专注于先进半导体的设计与制造，致力于连接并驱动现代世界。其工程师不断推动技术创新，塑造计算的未来，为客户创造更多可能。如需了解更多英特尔资讯，请访问英特尔中国新闻中心 newsroom.intel.cn 以及官方网站 intel.cn。