英特爾(INTC.US)執行長陳立武盛讚中國前沿AI模型，堅定支持開源以提升效率

據智通財經APP報導，英特爾（INTC.US）執行長陳立武於週一表示，中國前沿人工智慧（AI）模型的單Token成本更低，並且已獲得「非常迅速」的應用。據悉，陳立武指出DeepSeek、Kimi和GLM等模型的效能「已經足夠好」。他還表示：「我是開源的堅定支持者。這是推動效率提升的最佳方式。」他同時補充，最終哪些模型適用於哪些應用場景，將會由市場決定。

陳立武的觀點與英偉達（NVDA.US）執行長黃仁勳同屬一派。黃仁勳多次為中國開源模型辯護。今年7月，黃仁勳表示，DeepSeek、阿里巴巴和Moonshot AI的模型都「非常出色」，應該得到應用。他還強調，開源模型能夠擴大AI的應用範圍，而不是減少對英偉達晶片的需求。

開源AI模型的一項重要特點即是模型使用成本相對較低。對於英特爾來說，更廣泛地採用低成本AI模型，可能推動AI更大規模地部署，進一步增加市場對於運行這些工作負載所需CPU、伺服器及數據中心基礎設施的需求，而這正是英特爾目前著力發展的方向。

與此同時，陳立武已將英特爾的數據中心業務定位為智能體AI的受益者。數據顯示，英特爾第二季度營收按年增長25%至161.3億美元，為2011年以來最快增速，優於市場預期的144.2億美元。其中，數據中心及AI業務營收達到63億美元，按年大幅增長59%，增速超過公司整體營收的兩倍，高於市場預期的53.7億美元。

隨著業界從訓練大模型轉向大規模部署能自主執行任務的智能體AI，通用CPU的需求出現暴增。智能體AI可執行多步驟任務，因此需要大量運算能力。傳統AI推理高度依賴GPU完成矩陣運算，但智能體工作流程會把一個任務拆解成規劃、檢索、文件讀寫、規則驗證、程式碼執行、工具調用及結果驗證等多個階段，這些環節天然更依賴通用CPU、記憶體存取、I/O及系統調度。傳統推理場景中GPU與CPU資源需求比約為7:1，而在智能體工作流中可能接近1:1甚至CPU比例更高。這並非意味著GPU不再重要，而是代表AI數據中心從「GPU孤島」邁入「CPU+GPU+ASIC+光互聯網路基礎設施+儲存」的異質系統時代。

此外，有分析認為，開源模型的發展還能協助英特爾減少對單一AI生態的依賴。目前AI基礎設施市場主要圍繞英偉達CUDA生態建立。而開源模型的發展有機會令企業打造更為多元化的AI基礎設施。例如，企業可能選擇英偉達GPU+英特爾CPU，亦有可能是英特爾CPU+其他AI加速器，或者由CPU負責通用計算+專用加速器執行AI推理。對英特爾而言，最重要的不一定是成為「第二個英偉達」，而是盡可能令自身成為AI數據中心不可或缺的通用計算基礎設施供應商。