伴随阿里巴巴通义实验室发布Qwen3-VL中小尺寸模型，英特尔今日宣布已在Day 0完成了针对该模型的适配，并实现对近期发布的Qwen3-Next模型的高效部署。全新模型在搭载英特尔® 酷睿™ Ultra处理器的AI PC上均展现了流畅的运行表现，充分发挥其CPU、GPU、NPU的XPU架构优势，并带来优异的系统性能提升和流畅的用户体验。这也彰显了英特尔致力于持续赋能AI技术创新、积极推动模型生态合作的承诺。
本次英特尔与阿里通义实验室联合发布成果主要亮点
● 英特尔 Day 0优化Qwen3-VL MOE，多轮对话赋能AI PC更强理解力
● 英特尔AI PC部署Qwen3-Next-80B-A3B大模型， 解锁更多端侧智能体新应用
● 英特尔客户端事业部和通义实验室联合发起“端侧AI创新挑战赛”，加速Qwen模型落地AI PC
全新发布的Qwen3-VL系列模型在显著提升视觉理解能力的同时，还保持了强大的纯文本处理能力，在复杂多模态任务中能够展现出卓越性能。这是在Qwen3-Next系列模型亮相后的又一次创新发布。英特尔的XPU架构和硬件特性，高度适配日趋复杂的模型结构，可将模型的链路（pipeline）进行混合部署，在引入NPU加速模型推理的加持下，能够实现高性能、高性价比和高可扩展性的端侧部署。模型加硬件的创新能力，拓展了更多应用场景，让智能体多轮对话、长上下文窗口、增强的AI PC多模态感知能力和交互能力得以充分施展，进一步缩短了AI PC的愿景与现实之间的距离。
英特尔Day0优化Qwen3-VL MOE，多轮对话赋能AI PC更强理解力
近期开源的Qwen3-VL-235B-A22B系列模型，将视觉语言模型（VLM）的性能推上了新高度。Qwen3-VL大幅提升了视觉Agent、视觉编程和空间感知等关键能力，不仅可调用抠图、搜索等工具完成“带图推理”，也可以凭借一张设计草图或一段小游戏视频直接“视觉编程”，所见即所得地复刻图表、网页和复杂程序。在开发者期待之中，我们迎来了适合端侧部署的Qwen3-VL-30B-A3B模型。
目前，英特尔酷睿Ultra平台已经实现了针对Qwen3-VL-30B-A3B模型的优化部署。通过优化算法，开发者可以在大参数量的模型推理过程中，避免重复计算，进而提升多轮对话的推理效率。在典型的输入场景下，吞吐量可以达到28tps。这使开发者可以充分发挥模型的agent能力，构建复杂的使用场景，同时保证优异流畅的运行效果，这也将有助于解锁更丰富的应用场景。
下面的视频展示的就是用Qwen3-VL-30B-A3B模型来实现的多图片识别、多轮对话总结分析的智能体应用。
英特尔AI PC部署Qwen3-Next大模型，解锁更多端侧智能体新应用
Qwen3-Next-80B-A3B的创新架构，在大幅降低训练和推理成本的同时，实现了接近甚至超越更大规模模型的性能，模型的长文本能力进一步提升，满足更复杂的智能体应用需求。
其中对长上下文能力提升起到重要作用的Gated DeltaNet算子，可以被基于Xe架构的英特尔GPU和NPU平台原生支持，这体现了英特尔XPU硬件路线图的战略布局, 以及原生支持大模型架构的发展趋势。
现在，80B大模型已不再是云端专属。Qwen3-Next-80B-A3B模型已经高效部署在基于英特尔酷睿 Ultra 200系列处理器AI PC的 iGPU上。在32K长上下文的任务场景下，吞吐量可以达到23.43tps，是Qwen3-32B的十倍。
同时，得益于推理性能和模型能力的提升，AI PC 上所搭载的智能体应用场景也更为多样，能够更高效地应对复杂任务需求。以下示例展示了基于Qwen3-Next-80B-A3B模型构建的智能体，基于一个包含三万六千字、《红楼梦》前五回的长文本，完成内容理解、情节续写、人物关系梳理，并最终自动生成演示文稿的全流程效果。
Qwen3-Next-80B-A3B 10倍推理效率提升
Qwen4-Next-80B-A3B Agentic workflow
软硬兼修是英特尔发力AI的大局观。英特尔酷睿Ultra系列处理器奠定了本地AI创新的算力基石，加速了AI技术的普及与落地。而诸如OpenVINO的软件生态则确保了AI模型与下一代Panther Lake AI PC平台的原生兼容性，实现了从“当前平台”到“未来平台”的平滑过渡与“即开即用”的流畅性能。
AI 的未来，根植于模型创新与软硬件生态的协同，更得益于广大社区和开发者的共创活力。基于此，阿里通义实验室和英特尔客户端事业部强强联手，在模型Day 0成功合作的基础上，联合发起“端侧AI创新挑战赛”，此举标志着双方合作从模型与硬件的深度适配，迈向推动技术普惠与生态繁荣的新阶段，旨在为开发者提供强大支撑，加速其应用创新与商业落地进程。
英特尔通过硬件平台、软件工具与生态网络的深度协同，实现对新模型的Day 0适配，不仅加速了技术到应用的转化，更推动着整个 AI 产业的高效创新。未来，英特尔将持续深化与合作伙伴的协同，让 AI 创新更快赋能千行百业和触手可及。
了解“端侧AI创新挑战赛”的详情情况，请参见：
https://marketing.csdn.net/p/2259814a3f79579b5f7a00ffb3f48582?pId= 3133
*The performance data was obtained through testing conducted using the OpenVINO framework on Ultra9 285H , computing happened on iGPU. The tests evaluated first-token latency, and average throughput for 960*686 resolution image input under int4-default precision settings. Each test was executed three times following a warm-up phase, with the avg value selected as the reported data.
*The performance data was obtained through testing conducted using the PyTorch framework on Ultra9 285H , computing happened on iGPU. The tests evaluated first-token latency, and average throughput for 32k input under sym-int4 precision settings. Each test was executed three times following a warm-up phase, with the avg value selected as the reported data.
向上滑动阅览
©英特尔公司，英特尔、英特尔logo及其它英特尔标识，是英特尔公司或其分支机构的商标。文中涉及的其它名称及品牌属于各自所有者资产。
相关资讯
/转载请注明出处/
