作者 | Potatooo

當 AI 大模型從實驗室沖向產(chǎn)業(yè)一線，企業(yè)的算力需求正經(jīng)歷一場前所未有的“撕裂式分化”：一邊是 3A 游戲、AI 渲染等場景對極致性能的“軍備競賽”，一邊是 Web 服務(wù)、視頻轉(zhuǎn)碼等高頻場景對性價比與能效比的“精打細算”，電力成本的飆升與數(shù)據(jù)安全的紅線，更讓這場算力抉擇變成“既要又要還要”的多重考驗。

過去“一套拳法打天下”的時代早已落幕，當行業(yè)還在為“性能優(yōu)先”還是“成本優(yōu)先”爭論不休時，英特爾與騰訊云的聯(lián)合實踐給出了不一樣的答案。在最新一期《C 位面對面》欄目中，InfoQ 極客傳媒創(chuàng)始人 &CEO 霍太穩(wěn)和英特爾數(shù)據(jù)中心與人工智能集團副總裁兼中國區(qū)總經(jīng)理陳葆立、騰訊云 CVM 產(chǎn)品副總經(jīng)理李德鎧的深度對話，揭開了算力“分野與合流”的核心邏輯——以芯片雙架構(gòu)為底層支撐，以分層云實例為落地載體，讓高性能與普惠性不再對立，讓軟硬件協(xié)同成為破解行業(yè)痛點的關(guān)鍵鑰匙。

算力分化時代的三重困局

數(shù)字化與智能化的加速，讓企業(yè)算力需求的分化從隱性走向顯性，而 AI 技術(shù)的爆發(fā)則讓這種分化演變成不可調(diào)和的多重矛盾，倒逼行業(yè)從“大一統(tǒng)”走向“精細化”。

性能與能效的對立統(tǒng)一

“AI 算力的盡頭其實是電力”，李德鎧的這句話點破了行業(yè)核心困境。隨著大模型參數(shù)指數(shù)級增長，電力成本在算力總支出中的占比已攀升至極高水平，單純追求極致性能的算力配置，往往會陷入“高能耗、高成本”的惡性循環(huán)。但另一方面，GenAI、游戲等場景，又對算力的主頻、內(nèi)存帶寬和并行計算能力提出了苛刻要求，性能短板直接影響用戶體驗。

這種矛盾催生了算力需求的分層：一部分場景需要“火力全開”，另一部分場景則需要“精打細算”。陳葆立補充道：“這種分化不是短期現(xiàn)象，而是 AI 時代的長期趨勢?！?/p>

安全與生態(tài)的剛性需求

除了性能與成本，數(shù)據(jù)安全與生態(tài)適配也成為企業(yè)算力選型的“必選項”。隨著數(shù)據(jù)資產(chǎn)價值的提升，企業(yè)對數(shù)據(jù)存儲、傳輸、計算全流程的安全要求越來越高，而算力解決方案能否與現(xiàn)有生態(tài)無縫對接，直接影響部署效率與遷移成本。陳葆立強調(diào)：“企業(yè)需要的不僅是算力本身，更要構(gòu)建完整的安全防護體系和生態(tài)支持。”

通用與專用的場景分化

過往企業(yè)依賴一套通用架構(gòu)解決所有問題的模式，在 AI 時代也徹底失效。不同業(yè)務(wù)場景的算力訴求呈現(xiàn)出顯著差異：3A 游戲需要單核高主頻保障操作無延遲，視頻轉(zhuǎn)碼需要高并發(fā)處理能力降低成本，AI 推理需要矩陣運算加速提升效率，Web 服務(wù)需要穩(wěn)定性能避免抖動。

場景的細分要求算力供給必須“精準匹配”，而非“大水漫灌”。騰訊云與英特爾的合作，正是抓住了這一核心趨勢，推出針對性的產(chǎn)品組合，讓不同場景都能找到“量身定制”的算力解決方案。

雙軌破局：從芯片到云實例的協(xié)同革命

面對算力撕裂的三重困局，英特爾與騰訊云的聯(lián)合創(chuàng)新并非簡單的產(chǎn)品疊加，而是從芯片架構(gòu)到云實例、從硬件優(yōu)化到軟件協(xié)同的全鏈路重構(gòu)，構(gòu)建起“性能 + 普惠”的雙軌算力體系。

實際上，英特爾在最新的至強?6 處理器中推出雙架構(gòu)設(shè)計，便是應(yīng)對算力需求分化的破題關(guān)鍵?！耙粋€是性能核 P-core，另一個是能效核 E-core，我們希望通過兩種不同的處理器架構(gòu)，提供不同的算力服務(wù)于客戶。”陳葆立介紹道。

其中，性能核 P-core 主打極致性能，具備高主頻、大緩存、高內(nèi)存帶寬等特性，完美適配 AI 訓練、高性能計算等核心場景；能效核 E-core 則聚焦高內(nèi)核密度與更優(yōu)每瓦性能，通過精簡設(shè)計，在保證性能的同時降低功耗，特別適合云原生、高并發(fā)等普惠型場景。

基于英特爾至強?6 的雙架構(gòu)，騰訊云打造了 S9E、S9Pro、S9 三款分層實例：其中 S9E 與 S9Pro 主打極致性能，搭載至強?6 P-core，專為 AI、游戲、圖像渲染等高性能場景而生；S9 實例則是全球首發(fā)搭載至強?6 E-core 的 SRF-AP 云實例，主打高性價比與高并發(fā)適配。

高性能場景：CPU 與 GPU 如何“1+1＞2”？

在 RAG（檢索增強生成）等高性能場景中，行業(yè)曾普遍認為 GPU 能包攬所有核心任務(wù)，CPU 并無用武之地，但基于英特爾至強?6 P-core 的 S9E/S9Pro 用實踐打破了這一認知。

“進入大模型時代，GPU 和 CPU 有各自的優(yōu)勢——GPU 算力強，CPU 內(nèi)存大。如果以籃球隊為例，CPU 就像控球后衛(wèi)，既可以傳球給 GPU 前鋒，也能自己得分?！标愝崃⒈硎尽?/p>

一方面，作為“控球后衛(wèi)”，CPU 能幫助 GPU 更好的釋放性能。陳葆立表示：“大模型就像記憶力不好的天才，無法在 GPU 中存儲大量用戶上下文。但是如果通過 CPU 與系統(tǒng)內(nèi)存的協(xié)同，就能最大化發(fā)揮 GPU 的能力?！?/p>

例如，在 RAG 場景中，借助 CacheClip 技術(shù)，能夠有效提升 KVCache 的利用率，從而支持更長的上下文窗口并提高執(zhí)行效率；另外，通過英特爾推出的異構(gòu)計算框架 HeteroFlow，能夠?qū)?MoE 模型中的“冷專家”模塊直接卸載至 CPU 處理（卸載、調(diào)度、加速三管齊下），讓 GPU 的工作更聚焦，從而突破顯存瓶頸，為用戶帶來更高的整體性能。

“許多客戶在 TTS、ASR、OCR 等預處理任務(wù)上的日常支出，甚至達到后續(xù)大模型推理費用的數(shù)十倍。這些 AI 工作的前置準備階段，以前常常要 GPU 分心兼顧。AI 工作負載里的非結(jié)構(gòu)化數(shù)據(jù)解析、格式轉(zhuǎn)換、特征清洗，看著是‘細活’，實則要高并行邏輯和高 I/O 吞吐，正好是機頭 CPU 的強項。更重要的是：數(shù)據(jù)預處理通常具有流程復雜、數(shù)據(jù)量巨大、需彈性擴展、實時性要求低但吞吐量極高等特點。而這些需求，恰恰與至強?6 的架構(gòu)優(yōu)勢高度契合。CPU 把預處理扛了，GPU 就不用在訓練推理這樣的核心任務(wù)和預處理這種邊緣任務(wù)之間來回切換，算力與時間一點兒都不浪費?！标愝崃⒔忉尩?。

“這種 1+1>2 的組合拳，不僅幫客戶解決了 GPU 資源緊張的燃眉之急，更通過更優(yōu)的部署成本和更低的系統(tǒng)延遲，實現(xiàn)了全鏈路的性能提升?！崩畹骆z補充道。

另一方面，CPU 本身也能在 AI 場景“上大分”。英特爾至強?6 P-core 集成了 AMX 加速引擎，專為大規(guī)模 AI 訓練和推理工作負載提供支持，能夠助力客戶提高效率，降低推理、訓練和部署成本以及降低總擁有成本 (TCO)。值得一提的是，由于 AMX 是直接集成在 CPU 內(nèi)核上且靠近系統(tǒng)內(nèi)存的內(nèi)置加速器，相比于獨立加速器，它能提供更便捷、更快速的加速支持。

“利用 AMX 矩陣加速能力，S9e/S9pro 可以非常高效地處理 Embedding（向量嵌入）、數(shù)據(jù)清洗和中小型模型的推理任務(wù)?！崩畹骆z舉例稱。騰訊云實測數(shù)據(jù)顯示，在千問 4B 小模型的 Embedding 場景中，搭載英特爾至強?6 P-core 的 S9E/S9Pro 相比 T4 GPU 卡，性能提升了 25%，綜合性價比直接提升了 66%。

當然，在游戲?qū)?zhàn)服、AI 渲染和圖像處理等傳統(tǒng)高性能場景中，S9E/S9Pro 憑借著高主頻和高內(nèi)存帶寬等特性，也成為了“客戶的優(yōu)選”?！巴婕?PK 時的實時響應(yīng)至關(guān)重要，S9E/S9Pro 能保障數(shù)據(jù)傳輸?shù)母邘捄偷脱舆t，讓操作指令即時生效不卡頓?！崩畹骆z介紹道，“此外，在 AI 渲染和圖像處理場景中，S9E/S9Pro 的多線程核與高內(nèi)存帶寬，也能幫助客戶企業(yè)快速處理海量數(shù)據(jù)，大幅提升渲染效率，縮短項目周期?！?/p>

普惠場景：如何實現(xiàn)“性能無抖動、滿載不降頻”？

“普惠不代表性能不行，搭載至強?6 E-core 的 S9 相比上一代實例性能提升了 15%-20%，能穩(wěn)定支撐 Web 服務(wù)、小程序等輕負載場景的高并發(fā)需求。”李德鎧強調(diào)。

“性能無抖動、滿載不降頻”的背后是英特爾與騰訊云在設(shè)計細節(jié)上的不妥協(xié)。

“我們首先肯定不希望普惠版的云實例在性能上縮水?！标愝崃⒈硎?。硬件層面，英特爾在 E-core 中關(guān)閉了超線程功能，讓每個虛擬機擁有獨立的物理核、顯存和內(nèi)存，避免用戶間的性能干擾，保障性能穩(wěn)定無抖動?！傲硗?，能效核（E-core）顧名思義它的能效比是非常好的，也就是在性能更優(yōu)的同時功耗更低，這也符合國家倡導的節(jié)能減碳以及綠色數(shù)據(jù)中心等理念?！?/p>

軟件與優(yōu)化層面，騰訊云也做了非常多用戶“看不見”的工作。其中最關(guān)鍵的就是“綁核設(shè)計”——將 CPU 核心與虛擬機綁定，確保單個虛擬機高負載運行時，不影響整片 CPU 的性能表現(xiàn)；同時優(yōu)化了 CPU 與總線、內(nèi)存的搭配關(guān)系，進而縮短了數(shù)據(jù)傳輸路徑，提升了計算效率?！啊壓嗽O(shè)計’對于計算密集型任務(wù)的提升非常明顯?！崩畹骆z補充道。

這種軟硬件協(xié)同的優(yōu)化，讓 S9 在教育行業(yè)大受歡迎。教育機構(gòu)的錄播視頻課程通常需要轉(zhuǎn)碼為不同碼率，以適配不同網(wǎng)絡(luò)環(huán)境，S9 實例搭配英特爾軟件庫后，轉(zhuǎn)碼性能獲得了 90% 以上的提升，在降低成本的同時，保障了課程傳輸?shù)牧鲿承浴?/p>

“S9 的高并發(fā)適配能力，也使其在 Web 服務(wù)和小程序場景中備受青睞。很多客戶反饋，S9 能穩(wěn)定支撐高峰期的并發(fā)請求，且成本比傳統(tǒng)實例更低。”李德鎧補充道。

此外，基于英特爾至強?6 E-core 的 S9 云實例，在騰訊內(nèi)部的超大規(guī)模業(yè)務(wù)中，也得到了普遍驗證。

以微信存儲為例，不僅通過高 I/O 實例配置的使能以及軟件優(yōu)化，高效解決了 Gen5 SSD 高吞吐性能所帶來的存儲壓力，還通過英特爾 QAT（數(shù)據(jù)保護與壓縮）加速器，使得存儲壓縮效率提升了 70%，真正實現(xiàn)了“用更少空間存更多數(shù)據(jù)”。

在搜索業(yè)務(wù)領(lǐng)域，騰訊新一代海量搜索引擎借助 SRFAP 平臺能力，使得元寶的搜索性能提升了 15%。另外，在大數(shù)據(jù)業(yè)務(wù)中，S9 實例的多核并行能力與擴展性，也幫助騰訊實現(xiàn)了顯著的降本增效。

產(chǎn)品成功的背后，是雙方更深層次的戰(zhàn)略共識。

“我們雙方的合作已經(jīng)超越了簡單的買賣關(guān)系，上升到了聯(lián)合定義產(chǎn)品的高度。騰訊的宗旨是一切以用戶價值為依歸，英特爾則以客戶場景為核心，雙方的價值觀高度契合。我們不會盲目追求單純的技術(shù)參數(shù)，而是先去聽市場和用戶的聲音，再回過頭來定義產(chǎn)品?！崩畹骆z表示。

這種契合體現(xiàn)在合作的全流程：從芯片設(shè)計階段，英特爾就與騰訊云緊密溝通，了解最終用戶的實際需求，定制化設(shè)計芯片；在產(chǎn)品定義階段，雙方共同規(guī)劃了三款實例的定位，確保硬件架構(gòu)與場景需求精準對接；在技術(shù)優(yōu)化階段，雙方專家聯(lián)合研發(fā)，充分發(fā)揮 AMX、QAT 等指令集的優(yōu)勢，將好鋼用在刀刃上，真正讓技術(shù)紅利轉(zhuǎn)化為客戶價值。

AI Agent 引爆的算力“新戰(zhàn)場”

談及未來，李德鎧表示：“AI 的技術(shù)熱潮已經(jīng)從模型向 Agent（智能體）演進，這將帶來算力需求的新變化?！?/p>

在 AI 發(fā)展的早期，算力資源幾乎全部向“模型訓練”傾斜，但隨著 AI Agent 時代的到來，這種天平正在發(fā)生逆轉(zhuǎn)——從“重訓練”轉(zhuǎn)向“重推理”?！皳?jù)專家預測，未來推理算力的需求將達到現(xiàn)在訓練算力的 10 倍。”陳葆立指出。如果說訓練主要是 GPU 的“大力出奇跡”，那么 Agent 架構(gòu)中的各種推理需求則讓 CPU 的角色將變得空前重要。

“Agent 的本質(zhì)是‘大腦 + 工具’。GPU 負責思考，而 CPU 負責執(zhí)行（比如運行 Python 代碼、查詢數(shù)據(jù)庫、讀寫文件、網(wǎng)絡(luò)通信等），每一步推理后，CPU 都要介入處理非線性邏輯，這會導致 CPU 的負載大幅增加。騰訊云第九代云實例及至強?6 平臺的設(shè)計，正是致力于通過更高性能、更優(yōu)能效的通用算力，幫助客戶應(yīng)對推理與 Agent 負載帶來的計算密度挑戰(zhàn)?！崩畹骆z表示。

同時，“算力即財富”的 AI 時代也對系統(tǒng)的穩(wěn)定性、可靠性提出了更高的要求。隨著 AI 集群正加速向萬卡規(guī)模突破，系統(tǒng)越復雜，計算密度越高，就越可能出現(xiàn)更多的靜默數(shù)據(jù)錯誤。

陳葆立指出，至強?6 具備 99.999% 的 RAS（可靠性、可用性、可維護性），能夠全面保障整體系統(tǒng)的穩(wěn)定運行；同時其內(nèi)置的 TDX 技術(shù)，能夠為云服務(wù)提供硬件級可信執(zhí)行環(huán)節(jié)，有效支持通用機密計算和異構(gòu)機密計算，助力構(gòu)建端到端的可信 AI 服務(wù)能力。

“TDX 技術(shù)，幫助我們在云上打造了一個‘數(shù)據(jù)保險箱’，企業(yè)可以無縫地把它的 AI 模型、Agent 應(yīng)用部署到 S9 系列實例上，來確保模型與數(shù)據(jù)的安全。”李德鎧補充道。

此外，AI 應(yīng)用的大爆發(fā)也將進一步催生數(shù)據(jù)海量吞吐的需求，對內(nèi)存、SSD 等部件廠商提出了更高的要求，也對生態(tài)適配提出了新挑戰(zhàn)?！坝⑻貭栕鳛槠脚_方，一直以來保持著‘生態(tài)聯(lián)盟’的方式，跟伙伴廠商保持密切互動、相互驗證，以確保整個平臺生態(tài)的高質(zhì)量、高安全、高可用。”陳葆立表示。

據(jù)介紹，英特爾最新的 18A 制程工藝已進入量產(chǎn)階段，性能提升可達 15%，密度提升 30%。基于 18A 制程的至強?6 Plus 處理器（Clearwater Forest）將于 2026 年內(nèi)發(fā)布，目前英特爾已經(jīng)與部件廠商、騰訊云等合作伙伴展開了早期的適配與驗證工作。

“下一步，隨著英特爾 18A 等革命性制程工藝的推進，我們也會在第一時間推出結(jié)合下一代芯片性能的云實例。同時，我們正在緊鑼密鼓地研發(fā)適配 vRDMA 網(wǎng)絡(luò)的新一代 CVM 機型，這將進一步釋放底層硬件的傳輸潛力。此外，在加密計算、可信計算等對安全性要求極高的垂類場景，我們也會持續(xù)演進，利用最新的指令集優(yōu)勢，為企業(yè)數(shù)字化轉(zhuǎn)型和 AI 應(yīng)用的全面落地提供一個更高效、更安全、更具性價比的底座。”李德鎧表示。

結(jié) 語

算力的分野與合流，本質(zhì)上是 AI 產(chǎn)業(yè)從“技術(shù)狂歡”走向“價值落地”的必然。當狂熱褪去，企業(yè)終將回歸理性：算力的核心競爭力，從來不是參數(shù)的堆砌，而是對場景需求的精準響應(yīng)與資源的最優(yōu)配置。

英特爾與騰訊云的雙軌實踐，撕開了行業(yè)“非黑即白”的選型困局：性能核與能效核的二元架構(gòu)，消除了“殺雞用牛刀”的尷尬；CPU 與 GPU 的異構(gòu)協(xié)同，打破了“誰主誰次”的偏見；分層實例的場景適配，終結(jié)了“一套方案包打天下”的粗放。這不是簡單的產(chǎn)品組合，而是對算力分配邏輯的底層重構(gòu)，讓每一份算力投入都能匹配對應(yīng)的業(yè)務(wù)價值，讓技術(shù)創(chuàng)新真正服務(wù)于成本與效率的平衡。

AI Agent 時代的到來，將會讓這種精準匹配的需求愈發(fā)迫切。推理算力的爆發(fā)式增長、多模態(tài)場景的復雜訴求，會進一步放大“按需分配”的重要性。而英特爾與騰訊云的合作，早已提前卡位這一趨勢：從芯片到實例，從硬件到軟件，構(gòu)建起了一套“場景定義技術(shù)”的完整閉環(huán)。

AI 時代的算力革命，終將是一場“以場景為錨、以協(xié)同為綱”的效率革命，誰能更深刻地洞察不同業(yè)務(wù)的算力痛點，誰能更高效地整合軟硬件資源形成精準解決方案，誰就能掌握 AI 落地的核心話語權(quán)。那些真正能夠破解“既要又要還要”困局的玩家，才能成為最終的規(guī)則制定者。