英特尔至强6+落地腾讯云：288核单颗支撑1000个智能体

结论先说：英特尔至强 6+ 用 288 颗能效核和内置 IAA 加速器，把单颗 CPU 可承载的智能体数量推到 1000 个以上，腾讯云基于它发布的新一代云实例综合性能较上一代提升 30% 以上。

2026 年 10 月底举行的腾讯全球数字生态大会上，英特尔与腾讯云联合发布了基于至强 6+（Clearwater Forest）的新一代云实例。这不是一次常规的云主机换代。它的目标写得很直白：智能体 AI 带来的工作负载形态变了，CPU 承担的角色也在变。智能体不再只做一次问答，它要反复拆解步骤、调用工具、执行代码、等待环境就绪，这些环节把并发密度、启动时延和内存占用同时推高，而 CPU 恰好卡在这三件事的交汇处。

下面把这次发布里可验证的数字逐项拆开，再看它与上一代实例、和下一代产品、和当前内存成本之间的位置关系。

至强 6+ 的规格底座：288 能效核与 12 通道内存

至强 6+ 是英特尔第一款跑在 Intel 18A 制程上的数据中心处理器，代号 Clearwater Forest，2026 年 6 月 1 日上市。它在封装里集成了 12 个 18A 计算模块、3 个 Intel 3 有源基底模块（承载缓存与内存控制器）和 Intel 7 的 I/O 模块，用 Foveros Direct 3D 堆叠连接。全部型号只用 Darkmont 能效核，峰值 288 核。

关键差别在内存。上一代 Sierra Forest 是 8 通道 DDR5-6400，至强 6+ 换成了 12 通道 DDR5-8000，末级缓存从 108 MB 涨到 576 MB（每核 2 MB），每插槽内存容量最高 1.5 TB。英特尔自己的说法是内存带宽接近前代两倍，通用数据中心负载每瓦性能最高提升 48%。

对照前一代的 Xeon 6900E，核数上限从 144 翻到 288，Darkmont 核心每周期指令数提升 17%，内存通道从 8 条增加到 12 条，UPI 链路增加到 6 条 24 GT/s。封装还支持 96 条 PCIe 5.0 通道和 64 条 CXL 2.0 通道，全系内置 QAT、DSA、DLB、IAA 四类加速器以及 TDX 信任域扩展。这些不是纸面参数，后面腾讯云的三项优化全部踩在其中的 IAA、AMX、TDX 上。

在 5G 核心网这类电信负载上，英特尔给出的口径是每瓦性能提升 60%，运行时机架功耗下降 38%，相对第二代至强可做 4 比 1 的服务器整合。整机型号由戴尔、慧与、联想、超微等厂商同步推出。

腾讯云这一代实例解决什么：CPU 与 GPU 配比在往 1 比 1 走

腾讯云此前已基于至强 6 推出 S9、S9e、S9pro 三代实例，此次发布的第四代把至强 6+ 的能力接了进来。官方的说法是综合性能较上一代提升 30% 以上，适配云原生微服务、高并发 Web 与智能体任务编排三类场景。

为什么是 CPU 而不是 GPU 在挑大梁。麦肯锡覆盖 97 个国家的调查显示，在年营收超过 10 亿美元的企业中，40% 已经在至少一个业务职能上规模化部署 Agent，2025 年这个数字是 27%。中国信通院《大模型词元服务性能监测报告（2026 年）》显示，2026 年 6 月国内日均 Token 消耗量约 500 万亿，接近去年 12 月的 4 倍。

于是 CPU 与 GPU 的配置关系成了一个被反复讨论的话题。今年上半年行业还在说 1 比 8、1 比 4 的比例，进入下半年有人提出未来可能走向 1 比 1。支撑这个判断的现实是，智能体在跑任务时会制造短时的计算需求高峰，但单个 Agent 全程的 CPU 利用率并不高；真正占住不放的是内存。就算没有计算任务，Agent 的运行状态也持续吃内存。

这里有个具体的账，英特尔专家在现场算过：假设每个 Agent 分配 2 GB 内存，一份 vCPU 跑 4 个 Agent，就需要 8 GB 内存；而在一颗 256 核、12 通道、每通道 128 GB 的示例配置里，平均每个 vCPU 只对应 6 GB 物理内存。内存容量比 CPU 算力更早成为密度的天花板，这直接决定了腾讯云这次优化的重心。

内存优化：IAA 把解压时延从 5 毫秒压进微秒级

腾讯云团队最初尝试过 LZ4、ZSTD 等纯软件压缩方案。LZ4 在单路解压时延还能接受，多路并发之后最大时延一度达到 5 毫秒，同时并发上升还引发内存带宽争抢。业务要求解压时延严格可控，这个方案过不去。

最终的落点是至强内置的 IAA（内存分析加速器），即内存分析与加速引擎。腾讯云对内核驱动做了轻量适配以简化调用路径，测试多种批量并行配置后选定 IAA-batch-8。结果是 2 MB 大页的解压时延被拉进微秒级，相比软件方案平均耗时加速 16 倍、最大耗时加速 9 倍。并发规模从 32 路升到 256 路时，LZ4 的解压时延随之上升，IAA-batch-8 的时延基本保持稳定。该方案已经过腾讯云验证并完成业务上线。

这条链路和已有的行业数据能对上。DeepSeek V4.1 Flash 用 552B MoE 把 KV Cache 缩小 437 倍，而高并发场景下的缓存流转效率正是这类模型的共同瓶颈。缓存压得越小、并发拉得越高，内存子系统被反复压缩解压的次数就越多，IAA 这类硬件卸载的价值就越直接。

沙箱底座：单机 350 个并发创建，比主流平台高 46%

智能体要执行代码，隔离环境就得随叫随到。在部分大模型强化学习场景里，一轮训练要启动成千上万甚至数十万个沙箱用于评测和推理。传统容器启动快但共享宿主内核，完整虚拟机有独立内核却吃资源。腾讯云开源的 CubeSandbox 采用微型虚拟机、快照和资源复用，让多个沙箱共享基础资源，只对变化部分独立存储。

在这套底座上，至强 6+ 的实测成绩是：在满足 200 毫秒 SLA 的前提下，单机支持 350 个沙箱并发创建请求，较其他主流测试平台提升约 46%。软件侧的准备工作包括把创建沙箱所需的部分资源提前池化，以及对未修改的内存和磁盘内容做共享以降低重复占用。英特尔与腾讯团队还共同排查内核执行路径，把相关优化合入 OpenCloudOS 内核。

同样受限于单机资源上限的做法，谷歌的 Agent Compute Engine 走的是 MicroVM 加挂起恢复的路线，实现了 20 万智能体与 500 毫秒级挂起恢复。两家的思路不同，但指向同一个判断：沙箱的启动时延已经进入和模型推理同一量级的成本表，值得单独做硬件级优化。

多模态与存储：Xpark 借 AMX 把 CPU 用起来

视频、图像、音频正在大量进入智能体工作流。腾讯云多模态计算引擎 Xpark 应用了至强内置的 AMX（高级矩阵扩展）指令集，把 CPU 资源用于小模型推理和轻量级多模态任务。它的能力项包括高性能多模态算子、异构资源协同加速、AMX 指令集加速，以及单机算子分布式化实现。

落地数字有两条。在 Xpark 的视频处理工作流里，配合 iVTAL（英特尔视频转码加速库），视频转码性能相比开源 PyAV 提升 1.5 倍。Xpark 已经正式上线并用于实际业务。

存储侧的逻辑是同一个：智能体上下文增长让 KV Cache 越来越大，装得下和流得动是两回事。英特尔给出的路径是靠高速 I/O，加上 QAT、DSA 等内置加速器和 UINTR 加 TPAUSE 专用指令做软硬件协同，专门解决 KV Cache 的流转与复用效率。这类问题在国内的推理框架项目里同样被反复提及，DeepSeek 开源的 DeepInfer 就把 GPU 占用降低 35%、成本降低 28% 作为主要指标。国产推理卡一侧，天数智芯天垓 300 的单卡吞吐达到 H200 的 1.05 倍，硬件路线之外的调度与搬运效率正在成为竞争焦点。

下一代 Diamond Rapids 与 GPU D 系列的分工

英特尔预告了专为下一代智能体 AI 基础设施设计的至强处理器，代号 Diamond Rapids。按既有规划，它将采用 Intel 18A-P 制程，最高集成 256 个 CPU 核心，支持 16 通道内存和 128 条 PCIe 6.0 通道，并引入高级性能扩展 APX 与增强版 AMX。腾讯云高级产品经理夏士悦透露，腾讯云计划继续与英特尔合作开发基于该平台的云服务器实例。

除了 CPU 线，英特尔同时展示了一条面向推理的 GPU 线。GPU D 系列代号 Crescent Island，基于 Xe3P 架构，在 350 瓦功耗范围内提供最高 480 GB LPDDR5X 内存、1.5 TB/s 内存带宽以及 1.3 PFLOPS 的 FP8 算力，定位是持续运行的内存密集型 AI 推理。软件侧，英特尔把 AI 软件栈开源并优先贡献上游，覆盖 PyTorch、vLLM、SGLang，以及 Triton、oneDNN、oneCCL 等计算与通信库。针对跨架构迁移，英特尔引入了基于大语言模型的 AI Agent，结合专业 Skill 能力原生重构代码并完成编译、验证与性能调优闭环。

成本现实：内存涨价正在改写部署密度

这套优化不是纯技术洁癖。内存密集型 AI 负载的另一条路线也在同期推进，高通 HBC 验证把 AI250 的内存带宽做到 133 TB/s，验证的是同一个方向上的另一组数字。TrendForce 集邦咨询数据显示，2026 年第二季度服务器 DRAM 平均合约价环比上涨 53% 到 58%，第三季度预计继续上涨 13% 到 18%。当采购成本一路往上走，想在一台服务器上塞进更多 Agent 任务，把现有内存的利用率榨出来的动力就格外强。压缩内存是绕开涨价的现实路径，而解压时延又必须扛得住并发，这就是 IAA 被推到台前的直接原因。

从芯片到云实例到业务上线，这次发布走完了一条完整链路：软件方案撞到时延墙，引入内置硬件加速，再做驱动适配，最后进入生产。腾讯云与国大药房合作的智慧药房场景已经在上海多家门店常态化运行，机器人在 80 厘米宽的窄通道内自主完成从订单接收、智能分拣到商品交付的全流程，不改造陈列和门店布局。这套思路同样体现在 CubeSandbox 对强化学习场景的支撑上。

常见问题

至强 6+ 相比上一代提升了多少，主要提升在哪？

核数从 144 上限翻倍到 288，内存从 8 通道 DDR5-6400 换成 12 通道 DDR5-8000，末级缓存从 108 MB 扩到 576 MB。腾讯云新一代实例的综合性能较上一代提升 30% 以上。提升的重心是并发密度和时延，而不是单核跑分。

TDX 在智能体场景里解决了什么问题？

TDX 是硬件级的信任域扩展，通过隔离与认证让不同智能体的工作区互不可见，数据可用但不可见。腾讯云在新一代实例里引入它，构建的是覆盖数据全生命周期的可信边界，目标是让多个智能体共享同一台机器时不互相读到对方的状态。

如果现在要选型，IAA 和 GPU D 系列该优先看哪个？

看负载性质。大量并发的小模型推理、内存压缩解压和沙箱启动属于 CPU 侧瓶颈，IAA、AMX 和更高的能效核密度是主要杠杆。持续运行的大容量推理负载则更贴近 Crescent Island 这类 GPU D 产品的目标区间，350 瓦功耗下提供 480 GB LPDDR5X 和 1.3 PFLOPS FP8 是它的卖点。

相关阅读

• AWS 开源 Infinity 运行时：8GB 内存塞下 75000 个智能体
• 谷歌 Agent Compute Engine：20 万智能体 500 毫秒挂起恢复
• 高通 HBC 验证完成：AI250 内存带宽 133 TB/s 与 18 倍对比
• 天数智芯天垓300实机跑通：单卡吞吐达H200的1.05倍

小结

至强 6+ 这次的价值不在参数表，在它重新划出了一条界线：智能体基础设施的瓶颈已经从纯算力转向内存带宽、启动时延和并发密度，Intel 18A、IAA、AMX、TDX 这些能力恰好各自对应其中一个卡点。腾讯云用三代实例的迭代把这套思路跑通并推上线，30% 的综合性能提升只是这个过程的结果，30% 背后的每一个数字对应着一条被验证过的工程路径。