看懂智能体AI：核心≠实力，产出才是关键

很多关于智能体AI CPU的讨论太窄了。行业对话大多聚焦于单线程性能、核心密度以及机架吞吐量。这三者固然重要，但无论哪个，都无法回答客户的核心诉求：在有限的延迟、成本和功耗要求下，我的基础设施究竟能稳定完成多少有价值的智能体工作？

核心的数量，可以反映企业在系统中投入了多少算力资源。而面对智能体AI，我们则需要一个方法来衡量，那些算力资源所完成的工作，从整个系统的转化效率来看，到底是高、还是低。

在单智能体循环中，衡量性能是一件很简单的事情：每一步都能完成得更快，那么整个工作流的速度也会变快。然而，系统往往并非单智能体循环，而是同时运行很多的智能体，共同争抢CPU、内存、I/O以及加速器等资源。在这种高负载的情况下，系统的瓶颈也会随之改变。

近期的一项公开分析，以739个匿名Claude Code会话为样本，包含多轮推理、代码生成和工具调用的代码智能体工作流。该分析显示，单个请求下CPU端的处理和等待时间占总延迟的不到1%，而当32个请求并发时，这一比例最高可提升到15%。新增的延迟大部分源于调度与排队，而非计算。

更快的核心可以提高任务的执行速度，但它无法避免排队的现象。

此类等待，同样会波及系统中最昂贵的组件——GPU。同样在这个分析中，针对代码执行智能体的研究预估，GPU的有效工作时间仅占整体实际运行时长的50%~60%。当智能体等待数据库、检索系统或沙箱返回结果时，GPU也会跟着陷入空转。在这里，阿姆达尔定律依然适用：

“最昂贵的加速器，其实是那些正在等待系统其他组件响应的加速器。”

英特尔提出了一个更实用的衡量指标，即每机架实际交付的智能体数量，也就是说，在既定功耗和成本范围内，一个机架能够在规定的吞吐量、质量和延迟要求下，稳定完成的智能体工作流数量。

如何理解实际交付容量呢？

每机架实际交付的智能体数量=每机架理论智能体数×路由效率×资源平衡度×卸载效率

理论容量反映机架可用的计算、内存和带宽资源。路由效率反映任务的部署分配效果。资源平衡度体现因瓶颈和排队造成的损失。卸载效率反映将基础设施任务从通用核心移出后，系统所释放出的容量。随附的白皮书对这些因素及具体方法作了更详细的说明。

真正的容量上限，不是理论吞吐量图表的最高点，而是增加智能体数量后，延迟超过客户目标的那个点。图1给出了一个示例说明。

英特尔不是在“更快的核心”和“更多的核心”之间二选一，而是在构建一个系统，让两者都转化为实际的工作产出。

保持状态可用。带宽让智能体持续运行，容量则防止它重新启动。借助英特尔至强6平面内存模式（Flat Memory Mode），CXL附加内存与原生DDR5可以共享同一个地址空间。根据英特尔与SAP的联合评估，该方案的性能能够达到全DDR5配置的96%，与此同时，内存TCO降低约25%。这为企业以更低成本维持更多活跃会话，提供了一条可行之路。

把容量还给系统。英特尔^® 数据保护与压缩加速技术（英特尔^® QAT）、数据流加速器（英特尔^® DSA）和存内分析加速器（英特尔^® IAA），可卸载原本会占用通用核心的基础设施任务。公开资料显示，使用英特尔IAA进行快照压缩，快照完成速度可提高约1.2倍。卸载不再只是功能列表上的选项，而是将容量还给客户。

按任务需求匹配算力资源。编排调度、工具执行、数据服务与状态迁移的算力需求各不相同。至强产品系列依托统一架构，既有性能核的高单线程性能，也有能效核的高密度吞吐，这让系统有能力为每一阶段的工作流，匹配最合适的执行配置。

避免加速器陷入闲置。当然，企业既需要CPU，也需要专为智能体优化的GPU，英特尔正在筹备的Crescent Island GPU，正是为满足这一需求而来。然而，如果GPU持续处在等待状态，那它终究就只是一块昂贵的硅片，白白消耗机架电力而已。这就是CPU在当下，依然事关重要的原因。至强承担了智能体系统总调度者的角色，维持会话运行、工具调用、数据流通等，持续为加速器供给任务。

所有智能体AI的性能声明，也包括英特尔自己所发布的在内，都应标明并发规模、延迟目标，以及理论性能与实际交付之间的损耗。一旦缺少这些，测试数据所代表的，也只是潜在上限，而无法反映实际的生产力。

英特尔将基于真实智能体轨迹，以明确的P99延迟目标为基准，公开单机柜智能体数量、路由效率、固定功能卸载所带来的性能增益、GPU挂载系统的主机侧效率，以及机柜功耗约束下的每瓦智能体数量等。

单线程性能重要，核心密度也重要。但最终胜出的系统，一定能让每个线程都有活干、每个会话都保持活跃、每个加速器都充分运转。

行业花了太多时间盘点机柜的硬件规格。现在，是时候衡量它的实际产出了。