惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

J
Java Code Geeks
美团技术团队
Microsoft Azure Blog
Microsoft Azure Blog
V
Visual Studio Blog
Jina AI
Jina AI
博客园_首页
M
MIT News - Artificial intelligence
D
DataBreaches.Net
L
LangChain Blog
宝玉的分享
宝玉的分享
F
Fortinet All Blogs
A
About on SuperTechFans
月光博客
月光博客
Stack Overflow Blog
Stack Overflow Blog
Google DeepMind News
Google DeepMind News
N
Netflix TechBlog - Medium
Y
Y Combinator Blog
腾讯CDC
Vercel News
Vercel News
雷峰网
雷峰网
GbyAI
GbyAI
aimingoo的专栏
aimingoo的专栏
阮一峰的网络日志
阮一峰的网络日志
博客园 - 【当耐特】

InfoQ - 促进软件开发领域知识与创新的传播

Meta 收购 Manus 这事儿泡汤了 5.5万 Star 开源项目 Ghostty 被迫出走,GitHub 正在终结一代技术人的乌托邦 谷歌开源“Agent Skill 超级工具箱”,云、库、引擎、AI全线打通,开发者狂喜 Slack 长时运行多智能体系统的上下文管理方案 从 T+1 到分钟级:金城银行基于 Apache Doris 构建高可靠、强一致的实时数据平台 谷歌云推出 Agents CLI,简化 AI 智能体开发全流程 Claude官方击穿高薪、高学历的安全防线!Anthropic点名10大高危职业,但有群人暂时稳了 亚马逊云科技终止 WorkMail 服务,并将 App Runner 转入维护模式 OPPO小布记忆:全模态碎片化内容的理解与智能整理实践|AICon上海 模力工场038周AI应用周榜:工具在消失,工作流在出现 Akamai CEO Tom Leighton:Agent 时代来临,云基础设施正从“中心化”转向“分布式边缘” 日均数百亿入库背后:从“人肉调度”到K8s弹性架构,度小满金融基于OceanBase重构入库架构实践 百度文库网盘发布GenFlow 4.0:月活用户超1亿,要把网盘变成全端AI工作台 Altman 投的 Agent 终端 Warp 开源了!斩获3.5万star 哪些客户需要拒, 敢让龙虾决定吗?_AI&大模型_InfoQ 中文站_InfoQ精选视频 从开发到生产:为什么越来越多的机器学习团队纷纷迁移到 Snowflake | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 探索多智能体工作流:LangGraph Snowflake Cortex AI | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 腾讯云分布式缓存数据库:AI Agent - 从提示词工程到 Harness 工程 | 腾讯云数据库 DBTalk_腾讯_凌敏_InfoQ精选视频 基于 Streamlit 为 CSV 数据构建分析智能体 | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 AI 智能体:告别文档缺漏 | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 构建 AI 驱动的数据管道:深度探讨 Snowflake Openflow 与非结构化数据 | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 云端太贵、本地不够聪明,英特尔押注“端云混合AI”:智能体PC会替人完成工作 不到10%的存储投入,可能拖垮90%的GPU投资!IBM把AI Agent塞进存储系统,算清企业最容易忽略的一笔账 Snowpark 上手实战 | BUILD 2025_大数据_王玮_InfoQ精选视频 ClickHouse + Langfuse,构建 Agent 可观测基石 腾讯云分布式缓存数据库:Cluster Proxy 共享连接架构深度解析 | 腾讯云数据库 DBTalk_腾讯_凌敏_InfoQ精选视频 AI 写代码太烧钱了:Copilot、Claude 一起涨价,不如把程序员请回来? 腾讯云分布式缓存数据库:从 Redis 到 Valkey - 开源社区如何快速创新 | 腾讯云数据库 DBTalk_腾讯_凌敏_InfoQ精选视频 印奇这次要“从0重做”智驾模型!首谈阶跃和千里双公司布局:中国AI商业闭环要靠车跑出来 从Cursor返聘归来,90后华裔女高管带Claude开启日更模式:token成本比工程师工资低多了!
英特尔发布至强600系列工作站处理器与锐炫Pro B70 GPU,全新A...
褚杏娟 · 2026-04-29 · via InfoQ - 促进软件开发领域知识与创新的传播

4 月 23 日,英特尔发布新一代 AI 工作站平台,推出了英特尔® 至强® 600 工作站处理器与英特尔锐炫™ Pro B70、B65 GPU。这次英特尔把重点放在了本地 AI 推理、企业智能体、AIGC 创作和部门级 AI 部署上。

至强 600:把数据中心级能力带到工作站

新发布的英特尔至强 600 工作站处理器,主要面向专业重负载场景,包括高性能工作站、AI 开发、边缘部署、内容生产和企业级应用。

从规格看,至强 600 最高配备 86 个性能核,多线程性能较上代最高提升 61%,睿频最高可达 4.8GHz。对于需要长时间高强度运行的工作站来说,多线程能力直接关系到工程仿真、渲染、编译、数据处理等任务的效率。

扩展能力也是这代平台的重点。至强 600 支持 128 条 PCIe 5.0 通道,配合芯片组后,可以为工作站带来更灵活的扩展空间。这意味着企业可以根据不同 AI 和专业负载需求,配置多卡 GPU、高速存储、网络设备或其他加速卡。

在 AI 能力上,至强 600 每个核心内置英特尔 AMX 引擎,并新增 FP16 原生支持。英特尔称,这使其 AI 和机器学习性能最高提升 17%;在图像降噪等典型影像处理场景中,速度可提升 4 到 5 倍。对于企业本地 AI 部署来说,这类能力可以降低对外部算力的依赖,也有助于控制总体拥有成本。

内存方面,至强 600 支持 8 通道内存,包括 RDIMM 6400 和 MRDIMM 8000 规格。其中,MRDIMM 通过内置 data buffer,可同时激活两个内存 Rank,将单次传输从 64B 提升到 128B,传输吞吐提升 2 倍,内存加载延迟降低 40%。

英特尔中国区技术部总经理高宇表示,今天很多 AI、数学计算和数据处理任务,瓶颈并不在计算本身,而是在内存吞吐,也就是所谓“内存墙”。MRDIMM 正是突破内存墙的一种手段,使至强 600 更适合 AI 大模型推理、高性能计算和大数据分析等对内存带宽要求高的场景。

此外,至强 600 还依托英特尔 vPro 技术体系,支持多种企业级管理特性,包括多密钥内存加密、一键恢复等功能,可适配塔式、机架式和边缘等多种部署形态。也就是说,它不只是面向单台高性能工作站,还试图覆盖企业批量部署和集中运维场景。

在工作站领域权威基准测试 Specworkstation 4.0 中,至强 600 在 5 个垂直行业实现最高 61%的性能提升。

英特尔至强 600 工作站处理器和英特尔锐炫 Pro B70/B65 显卡

锐炫 Pro B70/B65:瞄准本地 AI 推理、AIGC 和专业图形

GPU 侧,英特尔发布了锐炫 Pro B70 和 B65。其中,锐炫 Pro B70 基于第二代 Xe2 架构,面向图形渲染、通用并行计算和 AI 加速计算等专业负载。

B70 配备 32GB 显存,拥有 32 个 Xe 核心,AI 算力峰值达到 367 TOPS。英特尔强调,32GB 显存可以在 AI 推理场景中支持更大规模模型和更长上下文窗口。对于企业知识库、智能体、多轮问答、RAG 和行业模型推理来说,显存容量往往直接影响模型部署的可用范围。

在 Agentic 时代,长上下文变得尤其重要。英特尔认为,64K 上下文长度已经是完成 OpenClaw 类智能体对话的基础要求,而大显存正是支撑长上下文和高并发的关键。

在多用户并发场景中,B70 也被设计用于支持高吞吐量和快速响应,面向企业 AI 应用的本地部署。它支持 SR-IOV 虚拟化,并通过 50 余家 ISV 软件认证,可扩展多卡配置,同时配套 Linux 软件栈,包括 vLLM、oneAPI 和 PyTorch,以满足更多开发和部署需求。

同步推出的锐炫 Pro B65 同样搭载 32GB 显存,提供 197 TOPS AI 算力,为专业用户提供更灵活的选择。B70 更强调高性能 AI 推理和多用户并发,B65 则更适合对算力要求相对适中、但同样需要大显存的专业场景。

模型支持方面,B70 覆盖从 7B 到 100B 以上的模型,包括稠密模型、MoE LLM、多模态模型以及生图、生视频等 AIGC 模型。英特尔特别提到,针对国内流行的 Qwen3/3.5 家族,B70 已经支持 Qwen3-80B-Coder、Qwen3.5-122B 等模型。

结束语

IDC 数据显示,AI 驱动工作站正在呈现端侧 AI 算力快速增强、多元专业场景适配、端云协同联动和本地数据安全强化四大趋势。预计到 2026 年,中国 AI 工作站出货量将同比增长 65.2%,占整体工作站市场的 51.7%。

英特尔希望把 AI 工作站变成企业本地 AI 应用的入口。高宇表示,至强 600 工作站处理器与锐炫 Pro B70 共同为新一代 AI 工作站构筑了更完整的底座,可支撑智能体部署、大模型推理、内容创作和专业图形处理等场景。

英特尔市场营销集团副总裁、中国区总经理郭威表示,工作站正成为补齐 Agent 智能体与大模型落地的关键基石。

为此,英特尔提出了企业 AI 三层部署架构:中央级服务器集群提供规模化算力底座,个人级 AI PC 支撑轻量交互,而部门级 AI 工作站作为承上启下的核心枢纽,承载一线智能体与大模型推理,兼顾性能、成本与易用性。同时,工作站也是传统负载与 AI 融合的桥梁,能够在不改变用户习惯的前提下注入 AI 能力,实现传统业务与 AI 应用的无缝协同。

英特尔理念在实际业务中已有落地。比如,英特尔与火山引擎共同打造 AgentSphere 一体机联合方案。该方案基于至强 600 和锐炫 Pro B70 提供的本地算力与 32GB 显存,面向多智能体协同场景,强调更高并发、更低时延和更少抖动。标准一体机形态也降低了企业部署和维护门槛,帮助企业打造 AI 员工管理平台。

在智能办公场景中,联想智能会议系统 Lenovo SCH-900S 借助锐炫 Pro B70 的 32GB 显存和最高 367 TOPS AI 算力,实现多会议室并发接入和实时 AI 会议纪要生成,提升会议沟通和执行效率。