芝能智芯出品在 Hot Chips 2026 上，Intel 展示了 Crescent Island,一颗面向智能体 AI 推理的加速器。
没有使用 HBM，而是选择了 LPDDR5X,通常用于手机和轻薄本的内存。容量从 160GB 到 480GB 可选，远高于同价位 HBM 方案。
Intel 的想法是大模型推理，尤其是智能体工作负载，瓶颈常在内存容量上，内存带宽只是次要因素。
如果模型权重能全部驻留在本地内存里，就不需要频繁从外部存储或其他节点搬运数据，推理延迟和成本都会下降。
这和 NVIDIA、AMD 用 HBM 堆带宽的路线形成鲜明对比。
两条路线没有对错，只是面向的工作负载不同：训练和超大模型需要 HBM 的极致带宽，中等规模模型的高并发推理往往更需要大内存容量和低功耗。
智能体AI的计算需求和传统推理不一样
智能体（Agent）工作负载不只是连续生成 Token。它要调用工具、检索文档、执行代码、处理多轮对话。这些任务的特点是：批量小、延迟敏感、上下文长度变化大、中间状态多。
Crescent Island 的设计就是围绕这些特征展开的。它基于 Intel Xe 架构，加入了面向 AI 的计算优化和 RAS（可靠性、可用性、可维护性）特性。Intel 看重的是“每瓦 Token 数”，峰值 FLOPS 退居其次。
这是一个务实的定位。在推理市场，客户最终关心每个 Token 的成本，基准测试跑分只是次要考量。如果 LPDDR5X 方案能用更低的功耗和成本，在中等模型上提供足够的推理性能，它就有自己的市场。
大内存容量的优势：权重常驻和推测解码
Crescent Island 最高 480GB 的 LPDDR5X 容量，让几十亿到上百亿参数的模型可以把全部权重放在本地内存里。
◎ 第一，推理时不需要从其他设备或存储层级搬运权重，延迟更低，也减少了网络流量。
◎ 第二，支持推测解码（Speculative Decoding）,用一个小模型快速生成候选 Token，再用大模型验证，从而在不损失质量的前提下提高生成速度。
推测解码需要同时加载多个模型或额外的草稿模型，对内存容量有要求。
Intel 在演讲中展示了 Crescent Island 在智能体推理总占用中的表现：所有权重常驻内存，减少了跨节点通信和外部存储访问。
对部署大量中等模型的云厂商和企业来说，这种"大内存+够用带宽"的组合，可能比"HBM+极致带宽"更划算。
LPDDR的代价：带宽和可升级性
LPDDR5X 也有短板。它的带宽低于 HBM，而且内存焊死在板上，不能像 DDR 那样灵活升级。如果客户的模型规模增长超过预期，可能得更换整卡，没法靠加内存条解决。
LPDDR 的长期供货和车规/工规认证，也需要 Intel 和内存厂商共同保障。在数据中心环境下，LPDDR 的稳定性和寿命还需要大规模部署验证。
Intel 的选择是一次明确的市场细分：不和 NVIDIA 在 HBM 高端训练市场正面硬刚，而是用大内存、低功耗、低成本的方案，切智能体推理和中等模型服务的市场。这个市场正在快速增长，而且对成本极度敏感。
Crescent Island 给国内 AI 芯片创业者一个提醒：HBM 未必是所有加速器都需要的。根据目标场景选择内存类型，比盲目追高带宽更重要。
如果目标是大模型训练和超大模型推理，HBM 几乎是必须的。但如果目标是百亿参数模型的高并发推理、智能体服务、边缘和企业部署，LPDDR 或 DDR 方案可能在成本、功耗和供货上更有优势。
国内不少 AI 芯片项目一上来就对标 HBM 和高端训练，导致成本高、供货难、软件生态压力大。
Crescent Island 的路线说明：找准一个细分场景，用合适的内存和架构做深做透，比在所有指标上追平头部更现实。
Intel 的 AI 路线几经波折，Crescent Island 能否跑出来还要看市场，智能体推理时代，AI 加速器的最优解可能是更大的内存，大力出奇迹。
