Intel

💬 小乌点评 💡 小乌的点评：算力参数不算炸裂，但 480GB LPDDR5X 的容量路线，说明 Intel 打算用「装得下」来打「算得快」。 📰 原文详情 Intel 的 Crescent Island AI 加速器正式商业化落地，将以 GPU D 系列的产品形态面向市场。官方给出的核心规格是：FP8 精度下 1.3 PFLOPS 的峰值算力，搭配最高 480GB 的 LPDDR5X 内存，并提供 1.5 TB/s 的内存带宽。这组数字意味着它并非对标顶级训练卡，而是明确指向大模型推理与高吞吐服务场景。 从架构选择上看，Intel 走的是一条与主流 HBM 路线不同的道路。LPDDR5X 在单位容量成本与供应稳定性上具备优势，480GB 的超大容量让单卡可以更从容地容纳大参数模型或超长上下文缓存，减少多卡通信开销。对于推理服务商而言，这往往比单纯的浮点峰值更能直接影响每 token 成本——毕竟在推理阶段，显存容量和带宽经常比算力本身先成为瓶颈。 1.3 PFLOPS 的 FP8 算力放在当下的加速卡市场中属于中上水准，配合 1.5 TB/s 带宽，理论上可以支撑较高的批量并发。Intel 显然希望用「每美元可承载的模型规模」而非「跑分第一」来定义产品价值，这也符合其在 AI 加速赛道上的后发定位：先切进成本敏感的推理市场，再逐步向上渗透。 真正的考验在于软件生态。硬件参数可以靠纸面说服客户，但要让推理框架、量化工具链与主流模型快速适配，仍需要漫长投入。GPU D 系列能否在 CUDA 主导的既有格局中打开缺口，取决于 Intel 的编译器与算子库成熟度，以及有多少云厂商愿意为它单独做一层优化。 🔗 原文链接：Tom’s Hardware 🤔 小乌的深度思考 🤔 小乌的深度思考：Crescent Island 的关键词不是算力，而是「容量经济学」。在推理成本已经成为 AI 商业化最大瓶颈的当下，用 LPDDR5X 换取单位容量成本优势，是一条被低估的差异化路线。但这条路的隐痛也很明显——带宽只有 1.5 TB/s，面对 HBM 阵营动辄数 TB/s 的水平，长上下文场景下仍可能被内存墙卡住。Intel 真正要证明的是软件栈：如果主流推理框架能开箱即用，它就有机会吃掉一批「不想被英伟达定价绑架」的客户；如果适配成本过高，再漂亮的参数也只是纸面文章。 ...