随着 Agentic AI 阶段到来，CPU 因承担更复杂的智能体执行与调度任务而需求升温。
CPU需求升温的同时，供应端压力也开始成为英特尔需要回应的问题。
2026英特尔技术创新与产业生态大会上，英特尔数据中心集团副总裁、中国区总经理陈葆立对第一财经记者表示，智能体执行的任务越来越复杂，CPU侧的执行量也会随之增加。
谈及供应问题时，英特尔方面表示，18A已经进入量产，希望新增产能帮助应对供应需求。
过去的大模型主要承担训练、推理和内容生成，GPU是核心算力。进入Agentic AI阶段后，一个智能体可能同时调用多个Sub Agent、Skill和沙箱，涉及任务拆解、调度、代码执行、外部工具调用等环节。“过去大模型只是输出一些文字，现在整体开始做执行了。”陈葆立对记者表示，随着智能体能够执行的任务越来越多，CPU侧的执行量也会增长。
这一变化已经开始影响CPU的设计思路。
英特尔此次披露，至强6+最高拥有288个能效核，单颗处理器最高可支持超过1000个智能体；在满足200毫秒SLA的条件下，最多支持350个沙箱并发。
相比传统虚拟机、数据库等负载，Agent任务更加碎片化，也更具突发性。“有客户提出过在10分钟内启动1万个沙箱的需求。这意味着，CPU竞争不再只是核心数量和峰值性能，前端资源、缓存、内存容量、带宽以及调度效率，都可能成为影响实际性能的因素。”一位现场的英特尔技术专家对记者说。
这意味着，CPU竞争不再只是核心数量和峰值性能，前端资源、缓存、内存容量、带宽以及调度效率，都可能成为影响实际性能的因素。
内存同样成为新的瓶颈。
随着Agent和代码生成场景的上下文不断拉长，KV Cache规模快速增长。KV Cache可以理解为大模型处理上下文时暂存的“中间记忆”，对话越长、同时处理的任务越多，需要占用的显存就越大。
英特尔正在推进KV Cache智能加速方案，其中KV Shrink可以将部分KV Cache从显存卸载至系统内存甚至远程服务器，并利用DSA进行数据搬运，通过压缩和流水线调度降低显存压力。英特尔方面称，相关项目已经在GitHub开源。
从英特尔的判断看，Agentic AI带来的并不是简单的“CPU替代GPU”，而是AI基础设施内部工作分工的变化。
陈葆立将未来数据中心概括为三类集群：CPU服务器或CPU集群负责智能体执行和工作编排，GPU服务器承担模型推理，即传统意义上的“Token工厂”，存储集群则承载长对话、文档、合同等不断增加的数据。三者之间的数据调度，仍然需要CPU参与。
真正的挑战也由此出现，当智能体数量快速增加，如何让CPU、GPU、内存、存储和网络保持平衡，而不是某一环节的算力提升后，其他资源反而成为瓶颈。
对于英特尔而言，这意味着CPU面对的不再只是传统服务器市场的性能竞争，而是AI基础设施扩张带来的新一轮需求变化。与此同时，如何扩大供应、匹配不断变化的AI工作负载，也成为芯片厂商需要面对的问题。
