记者 郑晨烨
进入AI时代后，个人电脑时代的霸主英特尔曾一度被认为彻底“掉队了”。
近年来，AI算力的竞争主要围绕AI加速芯片展开，英伟达占据了这一市场的主要份额，其主力产品是H100、B200这类数据中心GPU（图形处理器，如今被广泛用于大规模并行计算）。投资者判断一家芯片公司在AI时代的价值，很大程度上是看它能从AI算力投入中拿到多少订单。
按照这个标准，英特尔确实一度掉队了。它没有推出能与英伟达抗衡的AI加速芯片，代工业务也连年亏损。2024年，英特尔股价下跌超过50%，是道琼斯工业平均指数成分股中表现最差的一只；当年11月，英伟达取代英特尔进入该指数。
在这样的背景下，英特尔随即经历了剧烈的人事变动：2024年12月，时任首席执行官帕特·基辛格退休；2025年3月，英特尔董事会任命陈立武接任。陈立武曾是半导体行业的资深投资人，创办了风险投资机构华登国际；2009年至2021年执掌EDA（芯片设计软件）公司Cadence期间，该公司股价上涨超过3000%。
“这是一个从根本上重塑行业传奇的机遇，是一个足以载入商学院教材的经典复兴案例。”就任英特尔CEO之后，陈立武在致全体员工的信中如此表示。
转眼间，陈立武已经掌舵英特尔满18个月。在这18个月里，陈立武把英特尔在AI上的重心从训练转向了推理和智能体（Agent），要求公司从新兴AI应用的需求出发，倒推软件、系统和芯片的设计，同时着手重振x86生态（x86是英特尔开创的处理器架构，个人电脑和服务器大多采用），试图在数据中心市场夺回份额。
2026年一季度，英特尔营收约136亿美元，同比增长7%，超出公司此前预计的117亿至127亿美元，公司给出的二季度营收指引也高于市场预期。业绩发布后，英特尔股价于4月24日大涨23.6%，收盘价超过互联网泡沫时期创下的纪录，时隔二十余年重回历史高点。
随后的第二季度，英特尔营收达到161亿美元，同比增长25%，再次超出指引上限，毛利率从上年同期的27.5%升至40.4%。陈立武称，这是英特尔十五年多来最强劲的营收增长。
把英特尔推回高点的，主要是它的老本行CPU（中央处理器，负责通用计算和任务调度的芯片）。其背景是，随着智能体的兴起，AI从生成答案走向执行任务，CPU重新成为紧缺资源。陈立武近期在美国的一场行业活动上表示，公司的CPU供给目前只能满足客户大约一半的需求。
英特尔离真正的“复兴”可能还有不少距离，但至少它已经重新从AI算力投入中拿到了订单。
9月22日至23日，2026英特尔技术创新与产业生态大会在苏州举行，这是英特尔第三年在中国举办这一大会，今年的焦点就是智能体。
英特尔在会上展示了以CPU为中枢的智算中心，还与产业伙伴发布了开放智能体整机柜平台规范。所谓整机柜，是指服务器、网络、供电和散热按整个机柜一体设计和交付的产品。
经济观察报记者在大会现场了解到，英特尔将很快与国内合作伙伴一起，把基于这套规范的CPU整机柜产品推向市场。这也意味着，在智能体进入规模化部署阶段以后，英特尔与对手比拼的重点，将落在整机柜的交付速度和芯片的产能上。
错过训练，赶上智能体
在AI时代，英特尔是先在训练算力上掉队的。
上一轮AI算力投入，很大一部分用于训练大模型。训练要做海量的并行计算，英伟达的GPU和配套软件在这方面积累最深，几乎成了行业的默认选择。尽管英特尔也推出了Gaudi系列AI加速芯片，试图在这个市场追赶英伟达，但进展不顺。2024年10月，英特尔时任首席执行官基辛格在业绩电话会上承认，Gaudi全年的收入达不到5亿美元的目标，客户采用的速度比预期慢。
另外，在制造上，英特尔又投入过猛。2024年，英特尔代工业务的经营亏损超过130亿美元。陈立武在2025年7月的致员工信中直言，英特尔过去几年投资太多、太早，需求却没有跟上，工厂布局也变得分散、利用率不高。他亦同时宣布，英特尔放弃德国和波兰的建厂项目，进一步放缓美国俄亥俄州工厂的建设；对下一代芯片制造工艺14A（1.4纳米级工艺，A指埃，1埃等于0.1纳米）的投资，将以确定的客户承诺为基础，“不再开空白支票”。
英特尔的转机，来自智能体带来的新需求。
在上述苏州大会现场谈及智能体为何带动CPU需求时，英特尔数据中心集团副总裁、中国区总经理陈葆立表示，不久之前的AI还只是一个对话框，问一句答一句，但如今的智能体已可以调用工具帮人干活，给出结果以后还会一次次验证和检查，再不断改进。在这一层又一层的软件机制里，很多工作比较适合由CPU来执行。
英特尔数据中心AI产品与市场推广副总裁Anil Nanduri近期在一次行业访谈中亦表示，CPU是智能体的执行引擎和验证引擎，也负责运行沙箱（智能体执行代码、调用工具时使用的隔离运行环境）；CPU之所以出现短缺，正是因为这类执行和验证工作大幅增加。他同时预计，今后智能体完成一项任务的实际耗时，将主要由模型之外的执行、验证、存储和网络等环节决定。
也就是说，智能体部署得越多，数据中心需要搭配的CPU越多。
英特尔首席财务官David Zinsner此前在2026年一季度业绩电话会上就曾介绍，在训练任务中1颗CPU通常搭配7至8颗GPU，在推理任务中1颗CPU通常搭配3至4颗GPU；到了智能体和多智能体场景，这一比例甚至可能稍微反过来，变成CPU数量多于GPU。
市场对CPU的判断也随之改写。比如，美银证券分析师Vivek Arya在2026年8月份发布的研报中，把2030年全球服务器CPU市场规模的预测上调至2100亿美元以上，而2025年这一市场仅约为350亿美元。
面向个人电脑的“酷睿”和面向服务器的“至强”，是英特尔最主要的两个CPU品牌，“至强”是这一轮需求最直接的受益者。2026年第二季度，以至强为主的数据中心与AI业务营收同比增长59%，增速在英特尔各项主要业务中最高；这项业务的经营利润也超过了营收规模更大、以酷睿为主的客户端计算与物理AI业务（物理AI指机器人等在现实环境中感知和行动的AI），居英特尔各业务之首。
客户已经开始提前锁定英特尔的供货。公开信息显示，2026年第二季度，英特尔与客户新增了多项长期供应协议。也正是有了这些长期协议，英特尔才重新加大资本投入——2026年7月，英特尔把全年资本开支从180亿美元上调至200亿美元以上，预计2027年还会增加。
在欧洲，英特尔把投入集中到了已经量产的爱尔兰工厂。2026年4月，英特尔以142亿美元的代价买回了2024年出售给阿波罗旗下基金的爱尔兰Fab 34工厂合资企业49%股权；7月，英特尔又宣布投资50亿欧元升级爱尔兰莱克斯利普园区的现有工厂，扩大至强处理器的产能。
当然，CPU的重新紧俏也引来了竞争者：英伟达推出了主打智能体的Vera CPU，可以脱离GPU单独部署；亚马逊、谷歌等云厂商也有自研的服务器CPU。这些芯片都基于Arm架构，与x86是两套不同的技术体系，软件不能直接通用。
英特尔能倚仗的，是x86积累下来的软件生态。全球企业现有的大量软件都在x86上开发和运行，换到Arm需要重新适配。英特尔首席营销与传播官Annie Shea Weckesser表示，英特尔预计到2030年，全球新部署的服务器中将有八成左右采用x86架构。
英特尔的掉队和追赶，都与AI需求的变化有关。比拼训练算力时，它的AI加速芯片没能打开局面；进入智能体阶段，大量执行、验证和调度的工作落到CPU上，英特尔的老本行重新迎来机会。
陈立武较早地把英特尔的业务重心转向推理和智能体，扩产也改为以客户承诺为前提，才使英特尔赶上了这一波的需求爆发。
从芯片到系统
智能体要大规模部署，光靠芯片还不够。陈葆立举例称，有客户在云端运行智能体，需要在10分钟内启动1万个甚至10万个沙箱，每个沙箱的启动时间不超过200毫秒。
至强6+是英特尔2026年6月发布的服务器CPU，采用其已量产的最先进工艺18A（1.8纳米级工艺），最多拥有288个能效核心。记者在现场了解到，按照英特尔与客户的实测，在满足上述启动时间要求的条件下，一颗至强6+最多可以同时创建350个沙箱。
陈葆立在大会现场表示，英特尔在国内的许多硬件合作伙伴，包括服务器厂商和液冷厂商（为服务器提供液体散热方案的厂商），此前都在和英特尔讨论，CPU的核心数和要支撑的智能体数量大幅增加以后，是否需要一起设计新的架构。
在他看来，新的机柜要把CPU性能、网络、存储、散热和供电放在一起进行平衡设计；英特尔的做法是提供规范和芯片，由合作伙伴制造整机。英特尔相关工作人员在大会现场亦告诉记者，更多厂商可以基于这次发布的开放智能体整机柜平台规范，打造自己的整机柜产品。
陈葆立同时判断，随着AI负载在数据中心里的占比越来越高，整个数据中心的架构也会随之改变。他把未来的数据中心分成了三类集群：CPU服务器集群负责智能体的执行和工作编排（安排任务的先后顺序和资源分配）；配备AI加速芯片的服务器集群负责模型计算；高性能存储集群保存智能体产生的文档、分析结果和长对话。三类集群都需要CPU来做数据调度。
他还表示，衡量这样的数据中心，应当看整个系统以多少资源消耗完成多少工作量。
至于加速芯片本身，英特尔选择了性价比路线。根据Nanduri的介绍，代号为Crescent Island的下一代数据中心GPU不主打对时延要求最高的推理场景，其选用的内存也是手机和笔记本电脑常用的低功耗内存，而没有采用价格更高的高带宽内存。
记者在大会现场了解到，为了让算力更快落地，英特尔和合作伙伴还带来了两种新的部署形态：一种是集装箱式AI算力仓，用模块化设计应对大型数据中心建设周期跟不上业务需求增长的问题；另一种是“词元一体机”（词元即token），把AI算力从大型数据中心延伸到企业的业务一线。
也就是说，智能体正在走出数据中心。对此，英特尔副总裁、端侧计算和物理AI事业部中国区总经理高嵩认为，模型越做越小，也越来越聪明，当前一个90亿参数的新模型，智能程度已经达到几个月前1200亿参数大模型的水平，个人电脑等终端设备也能跑起智能体。另外，一个智能体任务从接收指令到完成目标，往往要在后台进行几十次上百次的计划、行动、评估再重新开始的循环，负责计划、决策和逻辑推理的，正是CPU。
制造能力则是英特尔区别于英伟达这类芯片设计公司的地方。Weckesser将英特尔的战略归纳为三项——覆盖个人电脑、边缘计算和数据中心的开放计算平台，面向特定计算任务的定制芯片，以及支撑英特尔产品的制程与封装技术。在大会现场，她还向国内企业发出邀请，希望与开发差异化方案的企业携手探索定制芯片。
高端AI芯片越做越大，往往要把多颗芯片和高带宽内存封装在一起，先进封装产能因此成了AI供应链里的瓶颈之一。英特尔在这一环节的主力是EMIB-T（英特尔的先进封装技术，用嵌在基板里的硅桥把多颗芯片连在一起）。
这当前这一轮AI基础设施建设浪潮中，CPU、内存、先进封装和基板都出现了供不应求现象，AI算力扩张的速度，将越来越多地取决于整条供应链的供给能力。在这几个环节中，英特尔自己能生产CPU、提供先进封装，也有晶圆厂可以扩产。
但英特尔在制造上要面对的对手是台积电——全球大部分先进制程代工订单都在台积电手里，英特尔争取外部代工客户，主要是从台积电手中争订单；在先进封装上，EMIB-T主要瞄准的也是台积电CoWoS（一种先进封装技术，英伟达等公司的高端AI芯片大多采用）产能不足时溢出的需求。
“英特尔曾被普遍视为全球最具创新力的公司。只要推动必要的改变，我们没有理由回不到那个位置。”在上任英特尔CEO之初，陈立武在致员工信里这样说。
至少，这段话如今听起来已经不像空话。
