英特尔与谷歌扩大AI合作，共同应对CPU性能瓶颈

英特尔与谷歌近日宣布扩大基础设施合作，双方签署了一项涵盖CPU和定制基础设施处理单元（IPU）的多年期协议。此举凸显了业界在GPU及其他加速器之外，重新平衡AI系统架构的迫切需求。

据悉，谷歌云将持续在其全球基础设施中部署英特尔至强处理器，同时深化基于ASIC架构的IPU联合研发，旨在将网络、存储和安全功能从主机CPU中剥离出来。

此次合作公告折射出，随着超大规模云服务商应对大规模AI系统运营复杂性，AI基础设施设计理念正在经历深刻转变。此前，英特尔已相继与英伟达生态系统和SpaceX建立合作关系，积极布局下一代计算平台的多个层级。

CPU在AI系统中重新确立核心地位

尽管加速器需求持续攀升，CPU在AI工作负载中依然扮演关键角色，尤其体现在任务编排、数据准备和系统级协调等方面。

谷歌表示，至强处理器持续应用于多种工作负载优化实例，涵盖支持AI训练协调、推理及通用计算的系统。

英特尔首席执行官陈立武在声明中表示："AI并非仅靠加速器运行，而是依托整个系统运行。CPU和IPU是满足现代AI工作负载对性能、效率和灵活性需求的核心所在。"

这一表述契合了业界日益形成的共识：尽管GPU在模型训练乃至推理领域占据主导地位，但整体系统效率往往取决于CPU在数据管道、调度和互联开销方面的处理能力。

HyperFrame Research驻场分析师史蒂芬·索普科指出，CPU正日益成为制约整体系统性能的瓶颈，而非仅仅发挥辅助支撑作用。

"CPU已不再被视为后台基础设施，而是正在成为系统的主动瓶颈，"索普科表示，"智能体AI的兴起带来了复杂的多步骤工作负载，正在显著推高CPU需求。这类编排问题无法单靠GPU解决。"

"在纯粹围绕加速器优化的集群中，我们越来越将CPU视为系统级约束，"他补充道，"谷歌与英特尔的合作是对这一现实的又一次印证。"

Constellation Research副总裁兼首席分析师霍尔格·穆勒表示，随着AI工作负载向智能体驱动架构演进，CPU的重要性也在进一步凸显。

"在智能体调用API和业务应用的场景中，CPU最适合承担这项工作，"穆勒说，"从英伟达为新款Vera Rubin机器增配Vera CPU集群一事中也可见一斑。"

"在推理方面，GPU还是CPU更具优势，目前尚无定论——GPU在训练领域已经胜出，TPU等定制ASIC也在持续发力，"他补充道，"但有一点可以明确：谷歌需要混合处理器架构，与英特尔合作引入至强处理器是明智之举，因为至强在CIO群体中拥有良好的品牌信誉。"

IPU精准攻克基础设施瓶颈

此次扩大合作的另一重点在于定制IPU。这类芯片作为专用基础设施加速器，能够接管传统上由CPU处理的网络、存储和安全功能，旨在提升大规模环境下的资源利用率，减少资源争用。

谷歌一直在其基础设施体系中推进类似策略，CPU与IPU的深度集成有望在超大规模场景下实现更稳定可预期的性能表现。

谷歌云AI基础设施高级副总裁兼首席技术官阿明·瓦赫达特表示："CPU和基础设施加速依然是AI系统的基石，贯穿从训练编排到推理和部署的全过程。"

索普科认为，IPU的实际效果在很大程度上取决于系统瓶颈的具体位置。

"我们的判断是：取决于瓶颈在哪里，"他表示，"IPU将网络、存储和安全负担从主机CPU上剥离，这一点没有问题，因为它提供的是实实在在的容量恢复，而非障眼法。"

"但如果瓶颈在于GPU内存带宽或互联延迟，IPU未必能起到决定性作用，"索普科补充道，"IPU真正发挥价值的场景是具有可预测基础设施开销的超大规模环境，而这正是谷歌的典型应用场景。"

他还表示："对于企业级生产部署而言，利用率提升能否覆盖架构复杂度带来的成本，目前仍有待观察。"

穆勒认为，IPU在系统层面会增加一定复杂性，但这种权衡是值得的。

"从技术角度来看，这确实增加了复杂性，但性能提升和成本优化带来的收益使其物有所值，"他表示，"英特尔提供的集成方案降低了部署门槛。"

"个人电脑上的网卡芯片某种程度上也可以看作IPU，我们并不觉得它增加了多少复杂性，"穆勒补充道，"在数据中心能耗日益紧张的背景下，任何能够在不损害性能甚至提升性能的前提下提高效率的方案，都受到热烈欢迎。"

深度分析：此次合作究竟新在何处

尽管此次合作被定位为下一代AI的重要推进，但其本质更像是一次渐进演化，而非颠覆性突破。英特尔长期以来一直是谷歌的CPU供应商，而通过IPU、DPU和SmartNIC实现基础设施卸载，也已是超大规模云服务商的惯常做法。

然而，值得关注的是此次合作的叠加效应。英特尔不仅深化了与谷歌的合作，还在AI生态系统中全面布局，包括与英伟达的合作，以及通过SpaceX向天基连接等相邻领域延伸。

随着AI基础设施规模持续扩张，系统瓶颈正从原始算力向系统级低效问题转移，包括数据搬移、能耗管理和编排开销。这使得CPU和基础设施加速器重新成为降低总体拥有成本的关键抓手。

此次合作折射出业界向均衡异构架构迈进的大趋势。超大规模云服务商正在系统性优化整体架构，将GPU、CPU与ASIC有机结合，而非仅仅依赖单一类型的加速器。

Q&A

Q1：英特尔和谷歌合作开发的IPU是什么？它的主要作用是什么？

A：IPU（基础设施处理单元）是一种专用基础设施加速芯片，能够承接原本由主机CPU处理的网络、存储和安全功能。它的核心价值在于减少CPU资源争用、提升大规模环境下的资源利用率，从而改善整体系统效率。IPU最适合应用于具有可预测基础设施开销的超大规模场景，例如谷歌云的数据中心环境。

Q2：AI系统为什么还需要CPU？GPU不够用吗？

A：GPU在模型训练和推理方面占主导地位，但AI系统的整体运行还依赖CPU来处理数据管道、任务调度、编排协调等工作。尤其是在智能体AI兴起后，多步骤复杂工作负载对CPU的需求显著增加，CPU正从"后台支撑"变为"主动瓶颈"，单纯依赖GPU无法解决这类编排层面的问题。

Q3：英特尔至强处理器在谷歌云中扮演什么角色？

A：谷歌云持续在全球基础设施中部署英特尔至强处理器，应用于工作负载优化实例，涵盖AI训练协调、推理以及通用计算场景。至强处理器凭借其在企业级市场的成熟品牌信誉，成为谷歌构建混合异构计算架构的重要组成部分。