Intel联合SambaNova推机架级AI推理，CPU重掌数据中心控制权
内容摘要
核心要点
Intel宣布了多项AI基础设施创新，核心是机架级AI基础设施，基于Intel Xeon 6+处理器（采用Intel 18A工艺，最高36,864核/32U液冷机架）与SambaNova SN-50 Reconfigurable Dataflow Units (RDUs)。该方案针对推理和智能体工作负载，声称能提供更高性价比和能效。
同时，Vector Core Compute（由Vista Equity Partners和Cambium Capital组建）展示了完全解耦推理：使用Xeon 6+进行编排与执行，SambaNova SN40 RDUs负责解码，NVIDIA Blackwell GPUs负责预填充。Together.ai作为首个商业客户，在MiniMax 2.5模型上实现了最快企业推理。
此外，Intel宣布了Xeon 6+的详细规格：基于18A工艺，强调功耗受限下的持续性能，每机架提供最高智能体密度。同时，与Foxconn、Siemens、Hitachi等合作开发行业垂直解决方案。
重要性说明
Intel的这套方案表面上是在推动CPU回归推理主导，实质上是在防守NVIDIA的GPU生态合围。通过将SambaNova RDUs作为解码专用硬件，Intel试图在推理管道中建立一个非GPU的控制点，从而削弱NVIDIA在预填充和解码阶段的垄断地位。然而，这里存在明显的隐性锁定：用户一旦采用SN-50/SN40 RDUs，就被绑定到SambaNova的专有数据流架构，该架构缺乏通用性，无法运行PyTorch/TensorFlow原生模型，需要特定编译和优化，增加了供应商锁定风险和迁移成本。
更关键的是，Intel刻意淡化了解耦推理的网络复杂性：将预填充（GPU）和解码（RDU）分离意味着数据中心内需要高带宽、低延迟的互联（如RoCEv2或InfiniBand），这会显著增加尾部延迟和拥塞控制瓶颈。Intel未提及实际部署中PFC/ECN可能导致的性能抖动。此外，Xeon 6+的18A工艺虽然宣称高密度，但Intel的良率历史表明，早期批次可能存在供应限制和功耗表现不稳定，企业大规模部署时需警惕实际功耗与TCO偏离宣传值。
PRO 决策建议
【厂商（AMD、NVIDIA、Arm服务器阵营）】
AMD应立即推出基于EPYC的同类解耦推理参考架构，利用Infinity Fabric和ROCm开放生态，避免依赖专有RDU。NVIDIA应强化GPU直接解码能力，通过TensorRT-LLM和NVLink展示解耦部署的尾部延迟劣势，并推动GB200 NVL72等一体化方案。Arm服务器厂商（如Ampere）应强调CPU推理原生性能与开放标准，攻击SambaNova的锁定风险。
【企业CIO与架构师】
对Intel/SambaNova方案进行零信任审计：要求提供独立基准测试（包括尾部延迟百分位、功耗实测），验证解耦推理在真实多租户环境下的稳定性。评估跨云可移植性：确保模型能无缝迁移至其他推理硬件（如NVIDIA GPU或AMD MI300），避免被RDU架构锁定。要求Intel明确Xeon 6+的18A良率和供应承诺，并对比同等TCO下的纯GPU方案（如H200或B200）。
【投资者】
Intel此举本质是系统集成战略而非芯片突破，利润率可能低于纯CPU销售。关注SambaNova的财务健康和客户留存，因为RDU生态狭窄。警惕Intel为推广方案而压低Xeon 6+定价，挤压自身利润。长期看，解耦推理可能成为趋势，但Intel若无法主导标准互联协议（如UALink），其控制权将被NVIDIA或AMD夺回。
觉得这篇分析有用？
每周收到3-5条AI基础设施关键信号 →
💬 评论 (0)