Intel 推出面向智能体推理的 D270 数据中心 GPU

1. 我的工具

3. 最近

智能体 AI 正在改变数据中心工作负载

智能体读取的内容远多于写入：长上下文、多步骤工作流，计算以预填充为主。随着需求增长，挑战已超越带宽。英特尔 D 系列 GPU 为智能体 AI 的新时代而打造，能在实用的功耗和成本范围内高效处理更大上下文、更多并发会话和更多 token。

内存高达

480

GB

每卡 LPDDR5X

功耗

350

W

风冷

计算

32

Xᵉ

Xᵉ3P 核心

计算

256

XMX

Xᵉ3P 矩阵引擎

扩展智能体 AI

智能体集群

在数千步、100K token 上下文和数十个并发会话中，保持智能体常驻，有助于在整个智能体循环中维持吞吐量。

对更多上下文进行推理

全上下文推理

让更多模型和长上下文常驻，以更少的 GPU 实现更丰富的推理，且无需高带宽内存 (HBM)。

推理的经济性

高效的 token 服务

密集型、风冷、标准 PCIe 基础设施有助于最大化每机架每瓦的 token 数，提升服务容量并控制成本。

在您现有的功耗和机架内实现更多推理

随着智能体 AI 推动更长的提示和更多的并发会话，客户需要可扩展的基础设施，同时不影响功耗、成本或部署复杂性。英特尔 GPU D270 提供高达 480 GB LPDDR5X 内存，可在数据中心环境中实现高能效、内存密集型的推理。

为 AI 而生

为智能体工作负载而生

芯片面积从图形和光线追踪管线重新分配至 Xᵉ3P 核心和矩阵计算，提升推理效率。

为计算而生

算力用在关键处

每瓦更多提示处理：32 个 Xᵉ3P 核心和 256 个 XMX 引擎加速预填充，控制长上下文和智能体成本。

为工作负载而生

满足每种工作负载的精度

从原生低精度推理到 FP64 科学计算，精度由工作负载决定，而非硬件。

为效率而生

标准 PCIe 5.0

标准外形尺寸、标准互连，兼容现有服务器。无需专有网络或定制系统。

为可靠供电而生

350W 风冷

在您现有的机架中采用被动散热，在评估和部署之间无需液冷改造。

为数据中心而生

天生开放

对领先的开源模型提供零日支持，可在您已运行的框架上提供服务：vLLM 和开源 PyTorch 生态系统。

及时了解英特尔 GPU D 系列新闻和面向企业的最新 AI 资源。

感谢您注册！

您很快就会开始收到更新。

英特尔 GPU D270 是一款针对推理优化的数据中心 GPU，专为智能体 AI 时代而设计。它旨在支持企业 AI、SaaS、GPUaaS 以及需要内存丰富、高能效 AI 加速的政府或主权云部署。

Intel GPU D270 专为生产环境中的 AI 推理工作负载而设计，例如智能体 AI、长上下文检索增强生成（RAG）、企业 AI 助手、编程助手、文档理解、多模态 AI、扩散模型以及高并发服务。

智能体 AI 通常会将单个任务拆分为多轮模型调用、工具使用、检索、推理以及响应生成。Intel GPU D270 专为应对这些环境中变得尤为关键的推理需求而设计，包括预填充处理、更大的上下文、内存容量、并发能力以及能效。

"面向推理优化"意味着该 GPU 专为在生产环境中运行 AI 模型而设计，而非用于大规模训练。Intel GPU D270 聚焦于已部署 AI 应用的需求，包括提示处理、高并发服务、内存容量、高效的电力使用以及系统级性能。

长上下文 AI 工作负载可能需要更多内存来支持更大的提示、检索密集型工作流以及推理过程中 KV 缓存的增长。Intel GPU D270 具备高可用内存容量，旨在帮助支持更大的模型、更长的上下文以及更多的并发会话。

Intel GPU D270 的相关宣传应在获批的前提下，提及开发者所熟悉的 AI 软件与推理服务框架，例如 PyTorch、vLLM、SGLang 和 OpenAI Triton。这有助于开发者和平台团队了解该产品如何融入现有 AI 工作流。

Intel GPU D270 采用标准 PCIe 5.0 规格和风冷部署方式设计，可帮助企业在现有数据中心环境中评估 AI 推理加速能力，而无需进行专门的液冷改造。

主要受众包括 AI 系统架构师、AI 平台架构师、基础设施与云工程负责人、企业 AI 决策者、SaaS 供应商、GPU 即服务（GPUaaS）提供商、政府或主权云团队，以及部署生产推理工作负载的开发人员。

客户应与 Intel 联系，以进一步了解 Intel GPU D270，评估其如何契合自身的 AI 推理路线图，并在获得更多产品信息时收到更新。

免责声明

相对于 RTX Pro 6000 的性能预估基于截至 2026 年 2 月的公开信息以及 Intel 内部分析。实际性能因使用场景、配置及其他因素而有所不同。内存容量对比在相近带宽条件下进行。