晶圆上的命运轮回| 图 AI生成
作者／ IT时报 贾天荣
编辑／ 王昕 孙妍
“英特尔，是不是就是那个做电脑芯片的？”
9月21日，从苏州高铁站前往苏州国际博览中心的路上，出租车司机看着沿途出现的英特尔技术创新与产业生态大会广告牌，突然随口问道。
这个问题虽然很普通，却也代表了很多人对英特尔最直接的印象。过去数十年，“Intel Inside”的贴纸成为亿万人的标配，英特尔与PC、CPU之间形成了牢固的品牌绑定。
但如果跟着这些宣传牌一路来到苏州国际博览中心，走进2026英特尔技术创新与产业生态大会，或许会得到一个不太一样的答案。
相比2024年成都大会近万平方米展区、超过730种产品及解决方案，今年苏州大会的展馆面积扩大到1.5万平方米，技术应用数量也超过1400项。数字不断增长，英特尔想讲的故事也在发生变化。
过去几年，从错失移动互联网时代，到AI浪潮初期GPU成为绝对主角，这家曾经定义PC时代的芯片巨头一度远离聚光灯。2025年3月，陈立武接任英特尔CEO，开始推动新一轮调整。
9月22日，陈立武在大会视频致辞中表示：“过去一年多来，我和团队致力于塑造一个焕然一新的英特尔。”在他给出的关键词中，除了“技术创新”和“工程实力”，还有“快速执行”和“客户至上”。
资本市场也开始重新打量这家公司。就在大会开幕前一天，英特尔股价收涨12.14%，创7月30日以来最大单日涨幅；今年以来，其股价累计涨幅已经超过230%。
这场大会呈现了英特尔的三条路径：推动CPU在AI时代重回C位，让芯片进入更多端侧设备，以及提升先进制程的能力。
每条路径都有新的机会，也都要面对强大的对手。
AI变了
CPU重回C位
过去几年提起AI芯片，人们首先想到的往往是GPU。但在苏州大会的主舞台上，英特尔反复讲的却是再熟悉不过的产品——CPU。
背后的逻辑是，AI正在发生变化。
英特尔数据中心集团副总裁、中国区总经理陈葆立在现场摆出几组数字：预计到2026年底，超过80%的企业应用将至少嵌入一个AI智能体；到2031年，中国企业场景中的活跃智能体数量将达到3.5亿个；中国大模型每天的Token调用量已经增至2024年初的5000倍；2026年全球AI优化型IaaS支出预计增长96%。
智能体的出现，正在让AI从一个“回答问题的模型”变成一套能够真正执行任务的系统。
陈葆立从今年很多人的AI使用经历讲起。年初，大家还在安装“小龙虾”，不断向AI提问；到了夏天，桌面智能体已经开始帮助用户制作文档、制作PPT、搜索资料。表面上看，只是AI从“回答问题”变成“替人干活”，背后却叠加了一层又一层的软件工程。
上下文工程让大模型拥有更长的“记忆”，Harness相当于给AI装上工具和“手”，Loop Engineering则让AI拿到任务后，不断经历“执行、检查、修正”的循环。一个智能体真正完成任务时，后台可能经历几十次乃至上百次循环。
模型推理只是其中一环。任务编排、工具调用、数据预处理、网页访问、信息传输以及安全隔离等大量工作，都需要通用计算资源参与。
“这一层又一层的软件机制，听起来很简单，但其中很多工作都比较适合CPU来执行。”陈葆立说。
这正是英特尔重新强调CPU价值的逻辑。
按照陈葆立的描述，未来的AI数据中心可以粗略拆成三部分：GPU服务器继续充当“Token工厂”，承担大模型训练和推理；CPU集群负责智能体运行过程中的任务编排、工具调用以及大量通用计算；高性能存储则保存不断增长的长对话、文档以及KV Cache等数据。三部分之间频繁发生的数据交换和任务调度，同样离不开CPU。
英特尔在现场公布的数据颇具针对性：至强6+单颗处理器最高可以支持超过1000个智能体稳定部署；在200毫秒启动时延的SLA约束下，可以同时创建350个沙箱。英特尔还联合产业伙伴发布开放Agent整机柜平台规范，希望进一步整合CPU、内存、网络、供电和散热。
陈葆立表示，对于2030年CPU市场规模的预估，在半年时间里已经从今年2月的590亿美元上调至8月的2100亿美元；与此同时，数据中心AI负载占比预计将从2025年的40%提高至2030年的80%。
AI越从“模型”走向“系统”，计算架构反而越复杂。对于英特尔来说，这恰恰给了CPU重新走向舞台中央的机会。
不过，英特尔的“老对手”AMD同样把EPYC（霄龙）定位于智能体编排、沙箱执行和数据库调用等场景，而Arm今年也大举进攻CPU市场，对于客户而言，选择哪一个芯片厂商成为AI基础设施的底座，最终还是要看TCO（总拥有成本）。
从一台PC
长出AI Box、AI NAS和机器人
不过，如果英特尔看到的机会仅仅是“智能体需要更多CPU”，还不足以解释整座1.5万平方米的会场。
走进展区，另一种变化更加直观：PC虽然看上去还是那个PC，但它的边界正在变得模糊。
英特尔首席营销与传播官Annie Shea Weckesser在演讲中透露，第三代酷睿Ultra已经能够在本地运行350亿参数级模型，并通过CPU、GPU和NPU协同，将不同AI任务分配到不同计算单元。英特尔已经与百度搭子、Marvis、千问办公、TRAE、WorkBuddy等软件伙伴展开混合智能体AI的部署和优化。
过去一年，端侧AI最明显的变化之一，就是AI不再满足于给电脑增加一个聊天框，而是开始拥有记忆、视觉感知、网页访问和工具调用能力。过去用户需要自己打开多个软件、复制粘贴信息、一步步完成任务，现在智能体试图接管其中一部分流程。
因此，AI PC需要回答的问题，也从“电脑能不能跑大模型”逐渐变成“电脑能不能让智能体真正工作起来”。
英特尔公司副总裁兼端侧计算和物理AI事业部中国区总经理高嵩认为，“个人计算”本身也正在突破PC原有的边界。他在现场列出了一串正在出现的新物种：家庭AI中心、车载AI Box、AI NAS、AI创意工作站……形态各不相同，背后的逻辑却很相似：把原本发生在云端的一部分AI计算，搬到距离用户和数据更近的地方。
模型迅速变“小”，成为这种变化的重要前提。
高嵩引用“密度定律”解释这一趋势：大约每隔三个月，同样大小模型的智能密度提高一倍。他举例称，一个90亿参数的新模型，其能力已经能够达到甚至超过几个月前1200亿参数模型的水平。与此同时，低比特量化、稀疏注意力、KV缓存卸载等技术，也在进一步降低端侧运行模型的门槛。
这意味着，一些过去必须送到云端完成的事情，开始有机会留在电脑、汽车乃至机器人内部完成。当企业数据、个人文件、摄像头画面不必全部上传云端，数据隐私、响应时延以及对网络的依赖也会随之改变。
再往前一步，就是物理AI。
此次大会上，英特尔联合科通工业、神州数码发布具身智能开发套件，搭载第三代酷睿Ultra处理器，将实时控制平均抖动降低至1.6微秒，希望让开发者更快跑通“感知、规划、执行”链路。另一边，节卡机器人已经把实时运动控制、感知、自主规划和执行放进统一的边缘计算架构。
到了这里，AI终于从电脑屏幕里的文字和图片，变成机械臂的一次抓取、机器人的一次转身。
对于英特尔而言，这意味着一个比传统PC更大的端侧市场，然而，英特尔在这些新市场将遇到更多的挑战，汽车、工业和机器人客户对长期供货、功耗、实时性及方案适配各有要求，且市场参与者也远比PC领域多元，尤其是基于Arm和RISC-V的芯片均已占领一席之地。
AI底座
最终还要落到那块晶圆上
无论AI最终运行在数据中心、PC还是机器人里，所有故事最终都绕不开一个最底层的问题：芯片如何被制造出来。
近日，陈立武在公开活动中透露，目前市场对CPU的需求非常旺盛，英特尔现阶段只能满足大约50%的客户需求。他认为，随着AI从训练进一步进入推理和智能体阶段，CPU承担的协调和通用计算工作增加，供需紧张仍可能持续。
需求重新旺盛的另一面，是制造能力必须跟上。
2021年，英特尔提出“四年五个制程节点”的激进路线图，希望追回先进制程上的差距。如今，这一路线开始进入检验成果的阶段。
Annie Shea Weckesser在会上表示，Intel 18A已经进入量产阶段，其高性能版本Intel 18A-P目前也已进入风险试产阶段，Intel 14A同样进展顺利。
财务表现则提供了另一重尺度。据英特尔披露，2026年第二季度的代工部门销售额为58亿美元，但其中约55亿美元是英特尔向自家产品部门供货的内部转移。外部客户能否带来足够订单并改善盈利，更将检验其代工战略。
展区工作人员告诉《IT时报》记者，18A有两项关键创新：RibbonFET全环绕栅极晶体管和PowerVia背面供电技术。前者让晶体管在FinFET之后继续缩放，后者则把原本位于晶圆正面的电源线移至背面，为信号布线腾出更多空间，并改善供电效率和信号完整性。
相比18A，英特尔公布的数据显示，18A-P在相同功耗下可实现超过9%的性能提升，或者在相同性能下降低超过18%的功耗，同时保持与18A设计规则兼容。
再往下一代是Intel 14A。按照英特尔已经公布的技术路线，14A将继续使用新一代RibbonFET 2晶体管，并将18A上的PowerVia进一步升级为PowerDirect直接接触式背面供电。英特尔给出的目标是，相较18A，在相同功耗下提升15%～20%的性能，或在相同性能下降低25%～35%的功耗，并实现最高30%的晶体管密度提升。
但到了AI时代，仅仅把晶体管做得更小已经不够。
随着CPU、GPU、加速器、内存以及不同I/O模块不断被组合在一起，如何把不同芯粒高效连接起来，先进封装正在成为另一场竞争。陈立武近期将先进封装称为未来的重要增长方向，同时指出关键基板供应正在成为新的瓶颈。
当然，英特尔先进封装面对的市场并非一片空白：台积电已将CoWoS（台积电2.5D先进封装技术）用于高性能计算与AI芯片，并持续扩展封装规模。英特尔不仅要证明技术路线可行，还要在交付规模、成本、客户信任和长期回报等方面都能形成正循环。
今年6月，英特尔还聘请SK海力士前CEO李锡熙负责晶圆代工部门先进封装及后段技术研发与制造。无论是18A、14A，还是先进封装，英特尔显然都在试图回答同一个问题：当AI把芯片变得越来越复杂，这家公司能否重新建立从设计、制造到封装的完整能力。
生态雪球
已经开始滚动
如果只看展台上的芯片，很容易忽略这场大会真正庞大的部分——超过300家生态伙伴。
从算力、存储、供电、液冷、互连，到企业智能体、机器人和个人终端，再落进制造、能源、交通、医疗、教育和零售等场景，英特尔试图展示的并不是某一颗芯片，而是一套围绕计算展开的生态。
这其实是英特尔最熟悉的打法。
PC时代，英特尔真正建立起来的壁垒，从来不只是一颗CPU，而是围绕X86形成的庞大软硬件体系：OEM厂商制造电脑，操作系统和软件厂商开发应用，渠道把产品送到消费者手中，英特尔则位于整个体系的底层。
到了智能体时代，英特尔试图把这套能力重新复制一遍，只不过“PC生态”正在被扩展为“云、边、端生态”。
Annie Shea Weckesser将英特尔目前的战略概括为三个方向：覆盖PC、边缘和数据中心的开放计算平台；围绕特定工作负载设计定制化芯片；以及利用先进制程与封装能力，实现越来越复杂的系统集成。
从2024年成都到2025年重庆，再到今年苏州，场地规模、技术应用和合作伙伴数量不断增加，但更值得关注的变化，是英特尔展示的产品正在不断从传统PC向外生长。
向上，智能体让CPU重新承担更多编排、调度和执行工作，英特尔希望让X86进入从“Token工厂”走向“AI工厂”的过程；向外，小模型和端侧AI让酷睿从PC进入AI Box、AI NAS乃至机器人；向下，18A、18A-P、14A和先进封装，则决定着这些产品最终能够做到怎样的性能、能效与集成度。
三条线最终汇聚到一起，构成了今天英特尔试图重新寻找的位置。
这家曾经站在PC时代舞台中央的老牌芯片巨头，正在证明一件事：当AI产业从单纯追逐大模型和GPU，进入智能体、端侧AI以及异构计算共同发展的下一阶段，过去几十年积累下来的CPU、X86、制造能力和产业生态，仍然是牌桌上最重要的筹码。
排版／ 季嘉颖
图片／ 英特尔 AI生成
来源／《IT时报》公众号vittimes
E N D
