英伟达选择英特尔的至强6处理器作为其DGX Rubin NVL8系统的主机CPU。DGX Rubin NVL8是英伟达下一代旗舰AI系统产品组合的一部分,旨在帮助企业加速采用智能体AI。
系统架构与技术规格
DGX Rubin NVL8系统专为大规模AI工作负载而设计,结合八个Rubin GPU和高带宽内存及互连技术,支持高吞吐量推理和数据移动。系统采用英特尔至强6776P处理器作为主机CPU,并使用NVLink技术实现GPU之间的快速通信以支持并行处理。
英特尔表示,在工作负载转向大规模实时推理的趋势下,至强6 CPU将为GPU加速AI系统提供架构连续性和可扩展性。
企业兼容性考量
分析师认为,选择英特尔CPU与企业兼容性和部署要求密切相关。
EIIRTrend & Pareekh Consulting首席执行官Pareekh Jain表示:"随着AI转向实时推理和智能体工作负载,CPU的作用变得更加关键,因为管理复杂工作流程和高效向GPU提供数据可能成为瓶颈。"英伟达正在优化最佳主机CPU生态系统——性能、兼容性、供应和企业就绪性,而x86继续主导数据中心基础设施。至强6凭借其高内存带宽和强大的x86兼容性,有助于确保GPU保持充分利用而不出现数据延迟。
企业环境仍然在运营工具、安全框架和生命周期管理方面严重依赖x86生态系统。Greyhound Research首席分析师Sanchit Vir Gogia表示:"英伟达选择保持x86兼容性,这使企业能够将这些系统集成到现有环境中,而无需重新构建整个基础设施堆栈。今天强制采用新的CPU范式的成本将是采用速度放缓、集成风险增加和运营摩擦。"
系统级竞合关系
尽管在系统层面进行合作,但两家公司的关系并不构成正式的战略联盟。
TechInsights半导体分析师Manish Rawat表示:"英特尔-英伟达的动态关系最好理解为系统级竞合。长期合作在数据中心和PC生态系统中持续存在,英特尔CPU与英伟达GPU配对形成标准化AI服务器架构并实现更深入的集成。"
然而,竞争在结构上正在加速。
尽管英伟达在GPU领域占据主导地位,但该公司也在扩大其在数据中心堆栈更多层面的存在。它一直在开发自己的CPU,如Grace CPU,旨在实现计算、内存和互连之间的更紧密集成。该公司还在GTC 2026上推出了专为智能体AI而构建的Vera CPU。
这反映了英伟达构建更多内部系统的更广泛方法,涵盖硬件和软件,即使它继续在需要的地方整合外部组件。
Rawat补充说:"英伟达进军CPU(Grace、Vera)和基于NVLink的紧密集成系统,标志着向涵盖计算、网络和软件的全栈所有权转变。这挑战了英特尔在CPU和系统控制方面的传统主导地位。本质上,英伟达在战术上合作以维持生态系统采用,同时在战略上定位以取代现有厂商并获得对下一代AI基础设施的更大控制。"
另一方面,英特尔也在通过基于Xe的GPU和Gaudi加速器等产品进军GPU和AI加速器领域。但在市场采用和生态系统成熟度方面,它仍然落后于英伟达。
英特尔CPU在英伟达DGX Rubin NVL8中的使用对英特尔具有战略重要性。
Jain强调,即使在AI加速器方面落后,至强在英伟达旗舰系统中的存在使英特尔嵌入AI基础设施经济中,允许它从控制平面和数据移动层获得价值,同时避免被Grace等基于ARM的替代方案完全取代。即使英特尔可能在GPU战斗中失利,它在更广泛的系统堆栈中仍然具有相关性。
投资意图与长期控制
这一发展是在英伟达披露其在2025年12月购买了价值50亿美元的英特尔股份之后出现的。当时,英伟达创始人兼首席执行官黄仁勋在新闻稿中表示,这一历史性合作将英伟达的AI和加速计算堆栈与英特尔的CPU和庞大的x86生态系统紧密结合。
Rawat解释说,这项投资为英特尔提供了资产负债表支持,并向市场发出了信心信号。但更深层的意图是架构杠杆。通过确保与英特尔x86生态系统的更紧密对齐,英伟达可以推动跨AI基础设施、数据中心和新兴AI PC的CPU-GPU协同设计。这在多个方面起到对冲作用,减少对基于ARM平台的依赖,在x86领域对抗AMD,并限制生态系统分化。
专家也将此视为确保长期控制的战略举措。
Gogia补充说:"这项投资应被视为基于供应链韧性、制造对齐和长期生态系统稳定性的战略举措。先进封装的可用性、制造能力的获取以及围绕半导体供应链的地缘政治考虑正在成为决定性因素。英伟达对英特尔的投资表明了在这些领域确保可选性的意图。"
Jain指出,这项投资是确保未来供应链合作的战术举措。虽然不能与英伟达台积电的深度战略联盟相提并论,但它反映了战略可选性,而非整合。
Q&A
Q1:英伟达为什么选择英特尔至强6处理器作为DGX Rubin NVL8的主机CPU?
A:主要原因包括企业兼容性和部署要求。企业环境仍严重依赖x86生态系统,英伟达选择保持x86兼容性,使企业能够将系统集成到现有环境中,避免重新构建基础设施。至强6具有高内存带宽和强大x86兼容性,确保GPU充分利用而不出现数据延迟。
Q2:英伟达和英特尔之间是什么关系?
A:两家公司的关系被称为"系统级竞合"。虽然在系统层面合作,英特尔CPU与英伟达GPU配对形成标准化AI服务器架构,但竞争也在加速。英伟达在开发自己的CPU产品,而英特尔也在进军GPU和AI加速器领域,双方既合作又竞争。
Q3:英伟达投资50亿美元购买英特尔股份有什么战略意图?
A:这项投资旨在确保架构杠杆和长期控制。通过与英特尔x86生态系统更紧密对齐,英伟达可以推动CPU-GPU协同设计,减少对ARM平台依赖,在x86领域对抗AMD,同时确保供应链韧性、制造对齐和生态系统稳定性,为未来发展保留战略可选性。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。