AI热榜 过去几个月，大厂接连发布了新一代基础模型。
Claude Fable 5.1、Gemini 3.8 Flash 与 GPT-6 Astra 等层出不穷。
不难看出，这些模型几乎都在追求 Agent 的适配能力，让整个推理时间更长，工具调用更顺，决策链条也更稳。
这也让 Agent 加速进入企业端。
数据显示，2026—2027 年，中国企业场景中的活跃智能体（Agent）数量单年同比增长超 200%，到 2031 年预计可达到 3.5 亿个。
值得注意的是，这种全民狂欢的背后，数据中心正面临巨大的挑战。
现有数据中心基础设施，基本都是为大模型单次推理调用的吞吐量而设计的，并未真正考虑过 Agent 那种高频、突发、有状态，并且工具调用穿插其中的工作负载。
谷歌最近的调研提出，近 83% 的企业高管认为基础设施需要为 Agent 时代重新调整。
前不久，AMD 也表示 CPU 和 GPU 的配比要重新调整；8 月，AWS 和 NVIDIA 更是宣布，要联手搞下一代 AI 基础设施。
然而，这些说法更多是围绕输入端的能力参数——比如有多少核心、多少带宽、在功率上限下能运行多少节点。
英特尔在 8 月发布的一份白皮书中，却表明了不同的立场。
英特尔提出，对数据中心进行优化的关键，并不在于提升理论参数值，而是考虑它在实际应用场景下，满足延迟承诺时，能够维持多少 Agent 的任务量。
一句话说就是：“去计算数据中心的实际工作量，而不是理论的性能上限。
” 这是一个系统级的论点。
对于还在摸索 Agent 生产到底需要什么基础设施的行业来说，不失为值得认真对待的思路。
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接