英特尔 D 系列 480GB 风冷推理卡入场:单卡装下三千亿参数模型,带宽账得先算清
事件:在 2026 年 OCP Global Summit 上,Intel 把代号 Crescent Island 的推理加速卡正式定名为 GPU D 系列。
完整规格是:Xe3P 架构、32 个核心与 256 个 XMX 矩阵引擎、32MB L2、最高 480GB LPDDR5X 显存、1.5TB/s 带宽。
算力侧为 1.3 PFLOPS FP8、350W 功耗、标准 PCIe 卡风冷散热,单机最多插 8 张,目前已在客户处送样。
厂商说法是:单卡可装下 3000 亿参数模型,8 卡系统可覆盖 1 万亿参数以上。
对做私有化部署的团队来说,这是一张久违的牌:它不是整机柜,也不是必须液冷改造的 SXM 模组。
它是一张能直接插进现有服务器的风冷 PCIe 卡。
生态名单覆盖 Dell、HPE、Lenovo 等服务器厂商。
再加上红帽与威睿的渠道参与,意味着采购链路和维保体系不用重建,这是很多企业选型时真正的隐性成本。
一、显存账:480GB 是上限,不是默认货
最容易被销售话术带偏的地方在这里。 480GB 是代工伙伴可以做到的上限。
英特尔自有品牌卡出厂只带 160GB 的低功耗内存,差距来自伙伴在同一颗芯片上堆更多内存颗粒。
比价时必须问清容量档位,而不是只问型号。
二、带宽账:算得快不等于写得快
容量只解决装得下,速度决定能不能用。低功耗内存让英特尔把显存做到 480GB。
代价是带宽只有 1.5TB/s,约为对手每秒 8TB/s 的五点三分之一。
解码阶段每生成一个词元都要把权重扫一遍,按纯带宽估算,单卡上限被卡得很死。
三千亿参数的稠密模型在它上面单词元约需零点二秒,理论上限只有每秒五个词元。
同样模型在对手的高带宽方案上,上限是每秒二十六点七个,差距完全来自带宽而非算力。
这个数字不是判决书,而是场景说明书。每秒五个词元做不了低延迟在线客服。
但它足够跑夜间批量文档抽取、离线评测、长上下文摘要,以及检索与重排这类离线任务。
也适合数据不出机房的存量模型迁移。稀疏架构每次只激活少量参数,带宽压力按比例下降。
三、成本测算:省的是电与改造费
把八张卡装进一台服务器,池化显存 3840GB,整机功耗二点八千瓦,标准风冷机柜就能承载。
机房不必做液冷改造。按每度电零点六五元、全年满载估算,一年电费约一点五九万元。
换成效能更高的液冷方案,八张卡合计十一点二千瓦,年电费约六点三八万元。
还要叠加冷板、冷量分配单元与管路改造的投入,这部分在中小项目里往往比卡本身更难立项。
每瓦显存容量这个指标更直观:这张卡约 1.37GB 每瓦,对手约 0.21GB 每瓦,相差六点七倍。
算力效率上,它每一瓦能出 3.71 TFLOPS,与对手旗舰服务器版的 3.33 大致同档。
结论很清楚:它赢在单位功耗能装下的权重,不赢在单位时间的吞吐。
用显存省钱,用带宽付费,这两笔账必须分开算,混在一起做决策一定失真。
四、选型建议:三类场景分别下结论
第一类,模型私有化但并发不高。要把三千亿参数级甚至万亿级开放权重模型放进自己机房。
这类用户不能上液冷、也不想换机柜,这款卡是当下性价比最高的路径,采购节奏可跟着送样转量产走。
第二类,在线高并发推理。带宽是硬约束,高带宽内存方案仍是主力。
这款卡只适合做前置分流或非实时任务,别指望它替代主力推理池。
第三类,存量设备演进。一台最多八张、插上即用,改造接近零,落地周期比整机柜短得多。
还有一条容易被忽略的变量:英伟达同期把调度平台和工厂级组件开源。
调度器已作为开源项目进入基金会沙箱,调度软件从采购项变成可自建项。
硬件层的多供应商比价这才真正可操作,这也是英特尔敢在此时入场的底层理由。
风险有三条:低功耗内存的供货稳定性与伙伴卡交付能力;两个容量档在报价单上的混淆。
以及软件栈成熟度,适配深度必须用自己的模型实测,不能只看规格表。
一句观察:推理正在成为定义性的负载。
推理市场真正的分层不在算力峰值,而在每瓦能装下多少权重、能不能塞进现有机房。
谁把这两笔账算明白,谁在私有化项目里就少踩一个坑。
来源:英特尔 OCP 峰会公告及多家科技媒体报道,本刊整理,2026 年 10 月 21 日