英特尔正式入局GPU战场，剑指英伟达

就在本周二，旧金山举行的思科人工智能峰会上，英特尔CEO陈立武（Lip-Bu Tan）首次公开确认：公司即将推出自研GPU产品，正式加入AI加速芯片的激烈竞争。这不是一次试探，而是一次全面的战略转身——英特尔不再只做CPU，而是要成为AI算力生态中不可或缺的一环。

过去几年，英伟达凭借H100、Blackwell等芯片牢牢掌控着AI训练市场，份额一度超过80%。而英特尔，虽然在数据中心CPU领域仍占有一席之地，但在AI加速器上几乎缺席。如今，随着AI模型规模持续膨胀，算力需求远超供给，市场开始寻求替代方案。英特尔的入场，恰逢其时。

核心团队集结：从Arm、高通挖来顶尖人才

这场转型的背后，是一支被精心搭建的团队。项目由数据中心事业部执行副总裁凯沃尔克·凯奇奇安（Kevork Kechichian）直接领导。这位曾在Arm负责服务器芯片架构的资深高管，去年9月加盟英特尔，被视为公司重振数据中心业务的关键人物。

更引人注目的是首席GPU架构师的加入——埃里克·德默斯（Eric Demers）。他曾任职高通13年，主导过多个移动GPU和AI加速器的设计，是业内公认的“架构大师”。据多位知情人士透露，德默斯今年1月正式入职，负责从零构建英特尔首个高性能GPU架构。他的加入，意味着英特尔不再满足于“模仿”，而是要打造真正能与H100对标的产品。

团队中还包括来自AMD、NVIDIA离职的多名资深工程师，他们在内存子系统、并行计算和AI编译器优化方面拥有实战经验。这不是一次“招人”，而是一次“重组”。

不拼算力，拼存储：英特尔的差异化路线

陈立武在会上直言：“现在的AI芯片，90%的功耗都花在了数据搬运上。”他指出，当前主流GPU面临严重的“内存墙”问题——模型参数越来越大，但显存带宽增长缓慢，导致大量时间浪费在数据读取上。

英特尔的应对策略不是一味堆核心、加频率，而是从底层重构：利用其在封装技术上的长期积累，把HBM（高带宽内存）和计算芯片通过EMIB或Foveros技术紧密集成，减少数据移动距离。同时，公司正与多家云服务商合作，开发针对推理场景的低功耗、高吞吐GPU方案，目标直指企业级AI部署的“最后一公里”。

有分析师指出，英特尔的首款GPU可能不会在2025年就挑战H100的巅峰性能，但会在边缘计算、私有云、工业AI等对成本和能效敏感的领域快速切入，用“够用、稳定、可量产”打开缺口。

不只是芯片：18A工艺+代工业务成关键支点

英特尔的野心，远不止于卖一块GPU。公司正全力推进18A工艺（相当于台积电2nm级别），并将其作为代工服务的核心平台。这意味着，未来英特尔不仅能自己用，还能为其他AI公司代工GPU芯片。

这背后是一盘更大的棋：通过自研GPU带动18A工艺的良率提升和生态建设，再反过来吸引第三方客户使用其代工服务。目前，已有至少三家AI初创公司与英特尔达成早期合作意向，计划在2026年前采用18A节点生产定制AI芯片。

与此同时，英特尔正在与微软、AWS、谷歌等云厂商探讨联合优化方案，包括硬件级的AI模型压缩、内存调度协议等，试图构建一个“英特尔+软件+云”的完整生态，而不是只卖硬件。

未来三年，市场格局或将重塑

据行业消息，英特尔首款自研GPU代号为“Gaudi 3”，预计将在2025年下半年亮相，初期聚焦AI推理市场，2026年推出训练版本。与英伟达动辄上万美元的H100不同，英特尔计划将价格控制在6000美元以下，主打性价比和供应链安全。

对客户而言，这不只是多了一个供应商的选择，更是摆脱单一依赖的关键一步。尤其在地缘政治紧张、出口管制升级的背景下，越来越多企业开始主动寻求“非英伟达方案”。

陈立武在演讲最后说：“我们不是要打败谁，而是要让AI算力变得更可及、更可靠。”这句话，或许正是英特尔这次转型最真实的动机——不是为了追赶，而是为了重建。