芯耀
与非AI
217
就在前几天，SambaNova和Intel搞了个大新闻。
两家宣布联手搞了一套专门为“Agentic AI”设计的硬件方案。
什么叫Agentic AI？
通俗点说，就是那种不光会聊天，还会自己动手干活的AI。
写代码、调工具、查数据库、跑编译——跟个刚入职的实习生似的，你得给它分配任务，它还真能给你干出点东西来。
但问题来了。
这种能干活的AI，把现有的GPU-only架构给干废了。
为什么？
因为传统的GPU就像个偏科严重的学霸——矩阵运算牛逼得不行。
但你要让它同时管代码编译、工具调用、任务协调、数据库访问……
这就好比让博尔特去参加铁人三项，跑得快有什么用？
自行车不会骑，游泳直接沉底。
一、GPU：我全都要，结果全都要不起
过去两年，AI圈的主流叙事就一句话：GPU is all you need。
训练用GPU，推理用GPU，连你家猫的照片分类都用GPU。
英伟达的市值就是这么被吹上天的。
但Agentic AI来了之后，剧本变了。
这帮AI Agent干活的时候，其实分三个阶段：
第一个阶段叫prefill。就是你给AI一段长长的提示词，它得把这段文字消化掉，转换成自己能理解的形式。这个阶段，GPU确实猛——并行处理，唰唰唰就干完了。
第二个阶段叫decode。AI开始一个字一个字地往外蹦答案。这个阶段，瓶颈不在计算，在内存。因为整个对话的上下文都得存着，GPU那点显存根本不够看。而且生成是串行的，GPU的并行优势完全发挥不出来，只能干瞪眼等着。
第三个阶段更离谱——AI Agent要开始干活了：编译代码、调用API、查数据库、协调多个任务。这些活儿，GPU完全不在行。就好比你让一个顶级厨师去修下水道，他可能连扳手都不会拿。
所以现在的情况是：GPU在前面两个阶段还能勉强撑住，到了第三个阶段直接歇菜。
那怎么办？
传统思路是：再加GPU，使劲加，堆到天上去。
但这就像你车发动机不行了，你不去修发动机，反而在后面多挂几节车厢——能跑得快才见鬼了。
二、Intel：没想到吧，老子又回来了
这时候，Intel带着它的Xeon 6 CPU，一脸坏笑地出现了。
“兄弟们，别慌，这种杂活，我熟。”
CPU这东西，过去两年被GPU按在地上摩擦。
所有人都说CPU是“傻大粗笨”，干不了AI的精细活。
但Agentic AI一来，大家突然发现——那些GPU干不了的杂活，恰恰是CPU的舒适区。
代码编译？
CPU干了三十年。
任务调度？
操作系统就是干这个的。
数据库访问？
CPU的指令集里专门有这玩意儿。
多任务协调？
你当多核处理器是摆设？
Intel这次学聪明了。它没跟GPU抢prefill的活儿——那确实是GPU的强项。它也没跟SambaNova抢decode的活儿——那需要专门的推理加速器。
Intel选择了一个很鸡贼的位置：我做管家，我不干活，我管干活的人。
具体来说，在Intel和SambaNova这套新方案里：
GPU负责prefill——把长提示词快速消化掉，生成KV缓存。
SambaNova的RDU负责decode——高速生成token，一个字一个字往外蹦。
Intel Xeon 6负责剩下的一切——任务协调、工具调用、API执行、代码编译、结果验证……反正脏活累活都归它。
这就好比一个餐厅：
GPU是切菜工，刀工一流，切得快。
SambaNova是炒菜师傅，颠勺技术好，出菜快。
Intel是餐厅经理，点单、传菜、结账、处理投诉——什么杂活都干。
没有经理，这餐厅根本转不起来。
三、SambaNova：你们可能不知道我是谁，但我的RDU是真猛
说到SambaNova，可能很多人没听过。
这家公司做的是“可重构数据单元”（RDU），说白了就是一种专门为AI推理设计的芯片。
跟GPU不一样的是，它的架构是数据流架构——数据走到哪，计算就跟到哪，不像传统CPU/GPU那样需要频繁搬来搬去。
这玩意儿在decode阶段有多猛？
文章里说，SambaNova最新的SN50芯片，搭配64GB HBM、432MB SRAM和最高2TB DDR5，能跑10万亿参数的模型。
10万亿什么概念？
GPT-4据说也就1.8万亿左右。
而且SambaNova吹了个牛逼：一个256颗SN50组成的集群，在30千瓦、风冷的机柜里，就能给1万亿参数的模型提供“顶级AI体验”。
同样的效果，如果用Nvidia的Groq LPU，需要2000多颗，还得上液冷，功耗直接干到1兆瓦。
1兆瓦 vs 30千瓦，兄弟们自己算算电费。
当然，这数字是SambaNova自己说的，可能有水分。
但方向是对的——decode这个活儿，确实需要专门的硬件，GPU不是最优解。
四、这波操作，妙在哪？
Intel和SambaNova这套方案，最骚的地方不是技术，是现实可行性。
你想想，现在有多少企业的数据中心是风冷的？液冷数据中心又贵又难建，还得改楼体结构，审批流程走一年。
SambaNova说：不用折腾，我们的方案直接塞进你现有的风冷数据中心，插上就能用。
而且Xeon 6是x86架构，你现有的软件生态、开发工具、运维脚本，全都无缝兼容。不用重写代码，不用培训员工，不用推倒重来。
这就是Intel最大的底牌——存量市场。
全世界有多少数据中心跑的是x86？
你让它们全换成Arm或者别的架构，那不是升级，那是拆迁。
SambaNova的CEO Rodrigo Liang说得直白：“GPUs to start the job, Intel Xeon 6 to run it, and SambaNova RDUs to finish it fast.”
翻译成人话就是：GPU开个头，Intel干杂活，SambaNova收尾快。
Intel数据中心老大Kevork Kechichian也补了一刀：“Workloads of the future will require a heterogeneous mix of computing.”
未来的活儿，不是单一芯片能干的。
你得搞“混搭”。
什么是“混搭”？
就是不是GPU一家独大，还要有CPU，LPU......
原来，这就是叫混搭啊。
五、CPU：我胡汉三又回来了
其实这波趋势，圈内人早就嗅到了。
Nvidia自己都在搞“超级芯片”——把GPU和CPU焊在一起，比如Grace Hopper、Vera Rubin。
为啥？
因为它也知道，光有GPU不行。
Arm最近也发布了自家的数据中心CPU，专门为AI推理优化，名字就叫“AGI CPU”。
（这名字起得，生怕别人不知道它是干嘛的。）
d-Matrix收购了GigaIO的数据中心业务，也是为了搞异构计算。
大家都意识到一个问题：单一芯片，搞不定所有活。
GPU强在并行计算，但弱在内存带宽和任务多样性。
CPU强在通用性和生态，但弱在大规模并行。
专门加速器（比如RDU、LPU）强在特定任务，但弱在通用性。
那怎么办？
全都要。
这就是异构计算的逻辑：让专业的芯片干专业的活，然后通过高速互联把它们串起来。
Intel和SambaNova这次合作，就是这套逻辑的落地版。
六、蓝图已出，落地还要等等
这套方案会在2026年下半年正式推向市场。
注意，是2026年，不是明年。
还有几个月说的时间。
到时候，企业、云服务商、主权AI项目都可以买。
Intel之前还想用16亿美金收购SambaNova，没成，但投了人家最新一轮3.5亿美金融资。
关系处得不错，合作也顺理成章。
至于具体用哪款GPU，文章没明说。
Intel自己也有GPU，叫“Crescent Island”，也是2026年下半年出。
说不定就是它。
不过，也可以用老黄的GPU，毕竟老黄都投资了intel。
这事儿其实挺有意思的。
过去两年，AI圈子的叙事一直是“GPU is king”。“GPU is all you need”
这是大模型训练时代的叙事。
英伟达市值涨了十倍，所有人都觉得未来是GPU的天下。
但现在Agentic AI一来，大家发现：光有GPU不行，CPU又回来了。
这不是说GPU不行了，而是说单一芯片的神话破灭了。
未来的AI基础设施，一定是多种芯片混搭。
GPU做一部分，CPU做一部分，各种XPU、RDU、LPU再做一部分。
谁也别想独吞。
这就像一支球队：前锋进球多，但你不可能让11个人全踢前锋。
得有后卫、中场、门将，各司其职。
Intel这波操作，其实是在告诉市场：我CPU又回来了
SambaNova则证明了一件事：在decode这个细分赛道上，专门芯片确实比GPU更香。
至于最终谁能赢？
别急，2026年下半年，答案会慢慢揭晓。
最后说一句：
AI这玩意儿，本质上是系统工程。
不是某个芯片牛逼，整个系统就牛逼。
就像你做饭，锅再好，刀不行，火候不对，调料乱放，一样难吃。
系统，不是芯片。
在大模型训练的黄金时代，GPU is all you need。而在推理变现的Agentic AI时代，
逻辑变成了，AI system is all you need
