英特尔发布至强600工作站处理器与锐炫Pro B70/B65 GPU，双芯以“双芯协同”的协同炫方式，为AI开发者与企业提供了一套兼具性能、构建灵活性与成本效益的底座全新工作站解决方案。

在AI应用加速渗透的英特背景下，企业对本地算力平台的尔至需求正在发生深刻变化：既要应对日常办公与开发任务，又要支撑大模型推理、强锐多智能体协同等高负载场景，发布同时还需兼顾成本与部署效率。双芯在这一趋势下，协同炫英特尔发布至强600工作站处理器与锐炫Pro B70/B65 GPU，构建以“双芯协同”的底座方式，为AI开发者与企业提供了一套兼具性能、英特灵活性与成本效益的尔至全新工作站解决方案。

英特尔市场营销集团副总裁、中国区总经理 郭威

此次发布的核心逻辑并非单一硬件性能的堆叠，而是围绕平台能力的系统性重构。通过CPU与GPU在架构层面的深度协同，英特尔试图构建一个覆盖从轻量应用到重载AI任务的统一算力底座，使AI工作站真正具备“能攻、能守、能合”的综合能力。

在计算核心层面，英特尔至强600工作站处理器面向高性能与高扩展需求场景进行了四个维度的强化。首先在性能方面，其最高配置达到86个性能核，多线程性能较上代提升最高达61%，睿频频率最高可达4.8GHz，为复杂计算任务提供充足的基础算力。其次在扩展能力上，处理器支持128条PCIe 5.0通道，结合芯片组可实现更为灵活的硬件扩展，为多GPU、存储及高速网络设备提供充分带宽保障。

更关键的是AI能力的原生增强。至强600每个核心内置英特尔AMX引擎，并新增FP16原生支持，使AI与机器学习性能最高提升17%。在实际应用中，如图像降噪等典型影像处理任务，其处理速度可提升高达4至5倍。这种提升不仅意味着性能增长，也直接降低了企业在本地部署AI时的技术门槛与总体拥有成本（TCO）。与此同时，依托英特尔vPro技术体系，该处理器还支持多种企业级管理特性，包括多密钥内存加密与一键恢复等功能，能够适配塔式、机架式及边缘等多种部署形态，满足企业对安全与运维的多样化需求。

如果说至强600提供了强大的通用计算与调度能力，那么锐炫Pro B70/B65 GPU则进一步补齐了AI推理与图形计算的关键一环。锐炫Pro B70基于第二代Xe2架构，面向图形渲染、通用并行计算以及AI加速等专业负载进行优化。其配备32GB显存与32个Xe核心，AI算力峰值可达367 TOPS，能够支持更大规模模型与更长上下文窗口的推理任务。在多用户并发场景下，依然可以维持高吞吐量与快速响应，这对于企业级AI应用尤为关键。

在软件与部署层面，锐炫Pro B70支持SR-IOV虚拟化技术，并通过50余家ISV软件认证，同时兼容完整的Linux软件栈，包括vLLM、oneAPI与PyTorch等主流框架。这意味着企业可以基于统一平台灵活构建多卡系统，实现从开发到部署的平滑过渡。与之同步推出的锐炫Pro B65同样配备32GB显存，提供197 TOPS算力，为不同规模与预算需求的用户提供更多选择空间。

“双芯”协同的价值，在实际应用场景中得到进一步体现。英特尔联合多家合作伙伴，围绕企业AI落地的关键痛点，构建了多样化解决方案。例如，与火山引擎联合推出的AgentSphere一体机，依托至强600与锐炫Pro B70所提供的32GB显存与高密度算力，实现了更高并发、更低时延与更稳定的多智能体协同能力。标准化一体机形态也显著降低了企业部署与维护成本，使AI员工管理平台能够更快速落地。

在办公场景中，联想智能会议系统Lenovo SCH-900S借助锐炫Pro B70的32GB显存与367 TOPS算力峰值，实现多会议室并发接入与实时AI会议纪要生成，大幅提升沟通效率与执行速度。而在企业知识管理领域，飞致云基于锐炫Pro B70多卡能力打造的长上下文RAG解决方案，支持LLM/VLM高效并发推理，依托高带宽显存与算力优势，有效提升知识检索与智能问答的响应质量。

在垂直行业应用方面，这一平台同样展现出广泛潜力。例如在医疗领域，东华医为利用该AI工作站平台实现病历质控与辅助生成，提升诊疗效率与质量；在创意领域，亦心闪绘借助锐炫Pro B70的32GB显存与强大算力，实现秒级图生图能力，让创作者能够实时生成高质量作品，显著释放创意潜能。

可以看到，从处理器到GPU，从底层算力到行业应用，英特尔此次发布并非单点突破，而是围绕“AI工作站平台”进行的系统性布局。通过至强600与锐炫Pro B70/B65的协同，企业不仅可以获得覆盖全场景的算力支持，还能够在成本、部署效率与安全性之间取得更优平衡。

英特尔中国区技术部总经理高宇展示新品

在AI从“可用”迈向“规模化应用”的关键阶段，本地算力平台的重要性持续提升。英特尔通过“双芯”架构所构建的工作站解决方案，正在为企业提供一条更现实、更高效的落地路径——既能支撑复杂AI任务，又不失灵活性与经济性。这种以平台为核心的创新思路，或将成为未来AI基础设施演进的重要方向。