堆GPU已過時？英特爾將在蘇州開講智能體時代AI工廠，速速來報名
英特爾近日宣布，將於2026年在中國蘇州舉辦「英特爾技術創新與產業生態大會」，本屆大會的主題聚焦於「智能體時代AI工廠」。大會籌備期間，英特爾率先拋出「堆GPU已過時？」的產業議題，迅速在業界引發廣泛討論。這場年度技術盛會預計將深入剖析AI基礎設施從過去單純疊加GPU算力的模式，轉向更高效、更智慧化的系統級整合方案，同時展示英特爾在邊緣運算、AI加速以及開放生態體系的最新布局。隨著大型語言模型與多模態AI應用快速落地，傳統透過大量GPU堆疊來提升算力的做法正面臨嚴峻考驗。
業界普遍觀察到，單純增加顯示卡數量不僅導致能耗急遽攀升，採購與營運成本也跟著水漲船高，更重要的是，GPU叢集的調度效率經常無法跟上即時推理與持續學習的需求。英特爾認為，未來的AI工廠需要兼顧運算架構、記憶體頻寬與軟體最佳化，才能真正支撐智能體（Agent）時代所需的即時決策與自主學習能力。所謂「智能體時代AI工廠」，是英特爾對於下一代人工智慧基礎設施的願景。不同於以往將AI模型訓練與推論視為獨立任務，智能體強調的是能夠感知環境、自主規劃、執行動作並從反饋中持續演化。這樣的工作負載要求底層硬體必須具備高度的靈活性與低延遲特性，而非僅僅堆疊浮點運算效能。
英特爾認為，未來的AI工廠將更像一座智慧生產線，從資料輸入、模型推論到行動輸出，每個環節都需要精準的協同。為此，英特爾在蘇州大會上預計展示其涵蓋CPU、GPU、加速器與網路方案的完整產品組合。其中，英特爾至強處理器內建的AI加速功能（如AMX指令集）已被許多企業用於端側推論；而新推出的Gaudi系列AI加速器則鎖定訓練與大規模推論場景，強調在記憶體頻寬與總體擁有成本上的優勢。此外，英特爾也將推廣OpenVINO推論最佳化工具與oneAPI跨架構開發框架，讓開發者不必被特定硬體鎖定，能更從容地部署智能體應用。邊緣運算將是本次大會的另外一個重點。
英特爾觀察到，越來越多的智能體需要部署在工廠產線、零售門市、自動駕駛車輛等邊緣環境，這些場景對即時性與資料隱私的要求遠高於雲端。傳統透過GPU堆疊打造的雲端資料中心難以滿足邊緣的低功耗與即時需求，因此英特爾在邊緣端提供從低功耗Atom處理器到高效能Xeon Scalable的完整解決方案，並結合Intel Distribution of OpenVINO工具套件，協助開發者在邊緣裝置上實現高效的AI推論。生態合作同樣是英特爾在AI工廠時代的核心策略。蘇州大會將邀請眾多產業專家與合作夥伴，分享他們在實際場景中如何建構智能體驅動的AI工廠。
這些案例涵蓋製造業的缺陷檢測、零售業的無人結帳、物流業的智慧排程，以及智慧城市的即時交通調控等領域。透過現場的展示與座談，與會者將能深入了解從硬體配置走向全棧協同的具體路徑，以及英特爾開放生態體系如何降低AI導入門檻。值得注意的是，英特爾此次刻意以「堆GPU已過時？」作為大會的開場提問，背後反映了整個AI基礎設施產業正在發生的典範轉移。過去幾年，深度學習的快速進展幾乎與GPU效能的提升畫上等號，但隨著模型規模持續擴大，能耗與成本的邊際效益逐漸遞減。
許多大型雲端業者開始自行開發專用晶片（如TPU、LPU），而英特爾則主張，真正的解答不在於更換特定硬體，而是建構一個能靈活調度運算資源、並透過軟體最佳化來壓榨每一瓦效能的系統級平台。大會將於2026年在蘇州國際博覽中心舉行，目前已經開放報名，由於場地與議程名額有限，英特爾建議有興趣的專業人士儘速透過官方管道登記。與會者將有機會搶先掌握英特爾最新的技術路線圖，包括下一代處理器架構、AI加速器量產時程，以及智慧邊緣解決方案的合作機會。對於從事AI基礎設施規劃、智能體應用開發或企業數位轉型的技術決策者而言，這場大會無疑是了解產業前沿動態的重要窗口。
除了主舞台的專題演講，大會還規劃了多場分組論壇與實作工作坊，涵蓋模型最佳化、資料管線設計、資安合規等實務議題。英特爾也將在展區設置互動體驗區，讓與會者實際操作基於Intel架構的智能體原型系統，感受從雲到端的端到端延遲表現。整體而言，蘇州大會不僅是一次技術發布會，更是一次凝聚生態共識的契機，為即將到來的智能體浪潮鋪設基礎設施的基石。業界分析認為，英特爾選擇在蘇州舉辦這場關鍵大會，凸顯中國市場在全球AI布局中的戰略地位。蘇州所在長三角地區擁有密集的半導體供應鏈與製造業聚落，對於AI工廠的落地測試具備得天獨厚的條件。
英特爾若能在會中提出具體的量產時程與合作夥伴清單，可望進一步鞏固其從資料中心到邊緣的完整AI硬體陣容，並回應市場對於「GPU是否仍是唯一解」的長久疑問。隨著報名持續進行，英特爾官網也已釋出初步議程亮點，包括多位來自英特爾實驗室、資料中心事業群及物聯網解決方案集團的高階主管演講。預計大會的討論將為AI基礎設施領域帶來新的思考方向，特別是如何在兼顧效能與成本的前提下，支援日益複雜的智能體工作負載。對於任何關注AI產業未來的人來說，這場2026年的蘇州之約，顯然不容錯過。
Related
相關文章
Transformers Model Integration Contracts
Back to Articles Transformers Model Integration Contracts Published November 3, 2026 Update on GitHub Upvote - Tarek Ziadé tarekziade Follow On July 30, 2026, Transformers enabled PyTorch's scaled dot-product attention (SDPA) for T5.
NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required
Back to Articles NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required Enterprise + Article Published October 21, 2026 Upvote 1 Joshua Przybylko jprzybylko Follow nvidia Jure Leskovec profjure Follow nvidia Matthias Fey rusty1s Follow nvidia Federico Lopez flopeznv Follow nvidia Valter Hudovernik valterh-nv Follow nvidia Akihiro Nitta akihironitta-nv Follow nvidia Ramona Bendias RBendiasN Follow nvidia TL;DR NVIDIA Kumo Relational is a pre-trained relational foundation model that makes predictions directly on enterprise databases.
NVIDIA Kumo Forecast Combines Pretrained Time-Series Representations with Historical Pattern Retrieval and Interpretability
Back to Articles NVIDIA Kumo Forecast Combines Pretrained Time-Series Representations with Historical Pattern Retrieval and Interpretability Enterprise + Article Published October 21, 2026 Upvote - Saira Qureshi sairaq Follow nvidia Aditi Gautam adgautam Follow nvidia Manikandan Ravikiran mravikirannvidia Follow nvidia Sena Ekiz neptunel1 Follow nvidia Viraj P Modak vmodak Follow nvidia Highlights (TL;DR) NVIDIA Kumo Forecast (formerly known as NV-Tesseract Forecasting) is a multi-variate time-series forecasting model that combines a pretrained Transformer backbone with Domain-Aware Representation and Retrieval (DARR), a context-enhanced forecasting mode that blends direct model predictions with patterns retrieved from historical data.
Announcing SimReady Central: An Open Library of Simulation-Ready 3D Assets for Robotics and AI Factories
Back to Articles Announcing SimReady Central: An Open Library of Simulation-Ready 3D Assets for Robotics and AI Factories Enterprise + Article Published October 21, 2026 Upvote 1 John Kosnik jkosnik Follow nvidia Frank DeLise delisef Follow nvidia Pomi Lee pomilee Follow nvidia Building robotics simulations and high-fidelity AI factory digital twins takes more than 3D models.
NVIDIA Cosmos3-H-Dreams: Bringing Clinical Surgery to Life Through Generative Simulation
Back to Articles NVIDIA Cosmos3-H-Dreams: Bringing Clinical Surgery to Life Through Generative Simulation Enterprise + Article Published October 20, 2026 Upvote - Lukas Zbinden lzbinden Follow nvidia Javier Gamazo javirk1 Follow nvidia Nigel Nelson nigeln Follow nvidia Mostafa Toloui mtoloui Follow nvidia Sean Huver shuver Follow nvidia Picture moving the Cadiere grasper, grasping the gallbladder, and lifting it, all within a generated surgical scene that responds in real time.
擴展印度語言預訓練：2.8兆詞元與開放資料生成管線
本文介紹了針對22種印度語言的預訓練擴展計畫，使用了2.8兆詞元，並提供了12種語言的羅馬化資料。作者來自AI4Bharat與NVIDIA，開發了一套可重用的GPU加速管線，用於翻譯、品質評估與修復，以支援這些語言的模型訓練。