<div id="readability-page-1"><div>當前，行業數字化轉型進入深水區，GenAI 技術爆發式滲透，正推動各行各業對算力的需求從 “線性增長” 轉向 “指數級躍升”——從遊戲 AI 的實時交互、大模型的推理運算，到電商秒殺的突發流量承載、海量業務數據的長期存儲，企業對算力的 “量級”“性能”“能效” 三維度都提出了前所未有的要求。但需求激增的背後，行業普遍面臨雙重挑戰：一方面，算力供給難以精準匹配場景，要麼因追求極致性能導致資源閒置浪費，要麼因側重成本控制陷入算力不足的困境；另一方面，綠色數據中心政策下的能效平衡、PB 級數據的安全存儲與低延遲調用，也成為企業推進數智化的 “攔路虎”。面對這些共性難題，雲廠商與硬件廠商該如何協同創新、破局突圍？<img src="https://imageproxy.pbkrs.com/https://www.infoq.cn/article/null?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" original-src="https://imageproxy.pbkrs.com/https://www.infoq.cn/article/null"/>https://static001.geekbang.org/infoq/2a/2a3599aa0898e0543ae6c72c3387a9b2.webp<img src="https://imageproxy.pbkrs.com/https://www.infoq.cn/article/null?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" original-src="https://imageproxy.pbkrs.com/https://www.infoq.cn/article/null"/>本期《雲端進化論》邀請到騰訊雲、英特爾的三位技術專家——騰訊雲高級產品經理夏士悦、騰訊雲高級產品經理陳浩、英特爾首席軟件工程師謝義，圍繞行業趨勢變化、雲服務器產品佈局、雲原生數據庫創新、軟硬件協同實踐等核心話題展開深度探討，為企業數字化落地提供參考。以下為經編輯整理的內容精粹。<h2>算力需求分化：催生 “雙核架構” 的必然邏輯</h2>當企業上雲從 “規模化遷移” 進入 “場景化深耕” 階段，算力需求的差異化特徵愈發明顯，傳統 “一刀切” 的通用算力供給模式已難以為繼，這也成為硬件廠商與雲服務商共同發力的核心切入點。從業務場景看，當前算力需求已形成兩大鮮明陣營：一類是 “AI 驅動的高性能需求”，典型如遊戲 AI 機器人——從前僅需高主頻支撐遊戲運行，如今需同時滿足 “能聽會説” 的實時交互，對 AI 算力與單核性能提出雙重高要求；再如向量數據庫，為支撐大模型推理的高頻檢索，需要大內存帶寬與快速數據處理能力。這類場景的核心訴求是 “性能優先”，願意為極致體驗支付合理成本。另一類是 “穩態運行的高性價比需求”，覆蓋視頻編解碼、網頁服務、輕量級微服務等傳統業務，它們無需頂尖算力，但追求長期穩定運行與成本可控，尤其在綠色數據中心趨勢下，“每瓦性能” 成為關鍵決策指標。此外，突發流量的彈性訴求、PB 級冷數據的存儲降本需求，進一步加劇了算力供給的複雜性。騰訊雲高級產品經理夏士悦在直播中提到：“單一硬件升級或軟件優化已無法應對這種分化，只有硬件的精準適配與軟件的深度協同，才能真正釋放算力潛能。”英特爾敏鋭捕捉到這一趨勢，在英特爾至強 6 處理器平台創新性地推出 “性能核（Granite Rapids，簡稱 P-core）” 與 “能效核（Sierra Forest，簡稱 E-core）” 雙產品線 —— 性能核以 “高單核性能、大緩存、英特爾高級矩陣擴展（AMX）指令集” 為核心，聚焦計算密集型場景；能效核則以 “多核心、高每瓦性能、低功耗” 為賣點，適配高密度穩態場景。 這種 “按需選核” 的硬件設計，不僅為雲服務商提供了精準匹配場景的算力底座，更從根源上解決了 “性能過剩” 與 “成本浪費” 的行業矛盾，為後續雲產品創新奠定了基礎。<h2>雙核算力落地：騰訊雲 CVM 與 TDSQL-C 的技術突破</h2>英特爾至強 6 處理器的雙核架構，最終需要通過雲服務產品轉化為企業可感知的價值。騰訊雲以第九代 CVM 雲服務器（算力底座）與 TDSQL-C 雲原生數據庫（數據引擎）為核心，將硬件優勢與軟件創新深度融合，打造出覆蓋 “算力供給 - 數據處理” 的全鏈路解決方案，成為雙核技術落地的典型實踐。<h2>第九代 CVM 雲服務器：雙軌算力適配全場景需求</h2>作為雲服務的核心載體，騰訊雲第九代 CVM 依託英特爾至強 6 處理器，構建了 “極致性能” 與 “普惠算力” 並行的雙軌體系，實現對不同場景的精準覆蓋。在極致性能端，CVM 推出 S9e/S9Pro 機型，搭載英特爾至強6 性能核（P-core）處理器 —— 該處理器單路最高擁有 128 個性能核，全核睿頻達 3.6GHz，內存頻率提升至 6400MT/s（搭配 MRDIMM 內存可至 8800MT/s），L3 緩存最高 504MB，同時集成 AMX 矩陣運算指令集，AI 算力較 AVX512 提升 8-16 倍。為充分釋放硬件性能，騰訊雲還配套了自研 2×200G 智能網卡（單機吞吐能力達 6750 萬 PPS）、全新星星海服務器（整機穩定性提升 40%、散熱效率提高 43%，內存 ECC 校驗覆蓋率 100%），最終實現數據庫場景性能提升 18%、Web 應用性能提升 20%、在線遊戲性能提升 15%，成為遊戲 AI、圖像渲染等高性能場景的首選方案之一。在普惠算力端，CVM 全球首發搭載英特爾至強6 能效核（E-core）處理器 —— 單路最高 288 個物理核（無超線程設計），相同功耗下核心數量較傳統處理器更多，每瓦性能較第二代英特爾至強處理器提升 3 倍，機架密度直接提升 6 倍。在保證媒體處理能力不變的前提下，E-core 機型幫助用户綜合成本降低 30% 以上。夏士悦介紹稱，國內某科技公司通過 “搭載 E-core 的 S9 雲服務器 +TencentOS Server 3.3 操作系統” 部署 Web 服務，不僅平穩應對 9 月初開學季的算力高峰，還實現了 20%+ 的成本下降，成為傳統穩態業務的高性價比選擇。此外，為匹配算力的彈性需求，騰訊雲還推出 “按量計費 + 包年包月 + 競價實例 + 節省計劃 + 預留實例” 的組合計費方案：突發流量場景可選按量計費或競價實例，長期穩態業務可選包年包月或預留實例，週期性波動業務可通過節省計劃平衡成本與彈性，讓企業 “用多少付多少”。這種模式，也進一步放大了英特爾®至強®6 處理器的成本優勢。<h2>TDSQL-C 數據庫：軟硬協同驅動性能革命</h2>如果説 CVM 是 “算力供給底座”，TDSQL-C 就是 “數據處理引擎”。作為騰訊雲自研的雲原生數據庫，TDSQL-C 基於英特爾至強 6 處理器的硬件能力，通過架構革新、加速引擎適配、Serverless 彈性設計等，破解了傳統數據庫 “性能天花板低、故障恢復慢、擴展性弱” 的痛點。在架構層面，TDSQL-C 採用 “日誌即數據庫” 的存算分離設計，將計算與存儲徹底解耦： 計算層搭載英特爾至強 6 性能核處理器，利用其高單核性能與多核心優勢，結合全鏈路遠程直接內存訪問（RDMA）高速網絡（通信延遲降低 80%），負責 SQL 執行、事務處理等核心業務；存儲層基於持久化內存（PMEM）構建二級緩存，將温數據提前緩存至近計算端，I/O 密集場景性能提升 3 倍以上，同時通過三副本海量存儲支持 PB 級數據容量，數據可用性達 99.9999999%（9 個 9），徹底解決傳統數據庫的擴展難題。在性能加速上，TDSQL-C 深度集成英特爾QuickAssist Technology（QAT）硬件加速引擎，針對冷數據壓縮場景做了專項優化。騰訊雲高級產品經理陳昊介紹稱，相比純軟件壓縮方案，QAT 引擎將存儲空間降低 60%，壓縮延遲降低 50%，數據吞吐提升 100%，同時釋放 CPU 資源用於核心業務處理。英特爾首席軟件工程師謝義在直播中解釋：“QAT 的 ‘以存代算’ 邏輯與 TDSQL-C 的冷數據處理需求高度契合，既能通過壓縮解決海量數據的存儲成本問題，又能憑藉硬件加速避免數據讀取時的延遲損耗，實現 ‘成本與效率’ 雙贏。”此外，TDSQL-C 還利用英特爾至強 6 處理器的大緩存優勢，實現冷熱温數據分層存儲，進一步提升數據訪問效率，最終達成超百萬 QPS 的處理能力，大表場景性能較傳統雲數據庫提升 3 倍。在彈性設計上，TDSQL-C 的 Serverless 架構也基於英特爾至強6 處理器的資源調度能力做了創新。 如接入層新增 “恢復感知器”，確保實例暫停 / 拉起時用户連接不中斷；管控層實時監控硬件資源與業務負載，動態調整 CPU、內存分配，支持跨機彈性與集羣級擴展（最多可擴展 15 個 RO 節點應對突發流量）。與傳統彈性方案不同，TDSQL-C 採用 “實時資源預留” 模式，提前為用户預留 1-10 CCU（計算資源單位）的資源空間，通過動態調整 buffer pool 實現 “即時滿載”，避免傳統方案的擴縮容延遲問題。這種彈性能力與英特爾至強 6 能效核的成本優勢結合，在潮汐流量場景中可幫助用户降低 60% 成本，同時支持 “固定規格主節點 + Serverless 從節點” 的混合部署，兼顧業務穩定性與成本優化。<h2>從協同創新到未來演進：算力價值的持續深化</h2>英特爾®至強®6 處理器與騰訊雲的合作，並非簡單的 “硬件供應 + 軟件適配”，而是 “需求 - 技術 - 產品 - 落地” 的全鏈路協同。這種協同不僅解決了當前行業的算力痛點，更通過明確的未來演進方向，為企業數字化提供長期支撐。從已落地的案例來看，雙方合作已為不同行業創造了切實價值。在降本增效層面，英特爾至強6 處理器的 “能效核 + 硬件加速” 能力，通過騰訊雲產品轉化為可量化的成本優化——如：E-Core 機型 S9 帶來的 30% 的成本下降、TDSQL-C 60% 的存儲壓縮等；在場景適配層面，雙核架構讓騰訊雲能為不同行業定製方案：互聯網企業用 S9e/S9Pro 應對高併發，傳統制造企業用 S9 控制穩態成本，金融機構借 TDSQL-C 的 QAT 加速平衡數據安全與處理效率，真正實現 “按需匹配、精準賦能”。更關鍵的是，這種合作模式形成了 “需求反向驅動技術迭代” 的良性循環 —— 騰訊雲基於企業客户的場景反饋，向英特爾提出硬件優化建議（如 QAT 引擎對數據庫壓縮的適配需求）；英特爾則根據這些需求迭代處理器功能，再通過騰訊雲產品落地驗證，最終推動整個行業的算力效率提升。隨着 AI 大模型、綠色數據中心、工業互聯網等趨勢深化，雙方已明確下一代合作路徑，持續放大雙核架構的價值。在硬件端，英特爾將推出英特爾至強 6 Plus 處理器（Clearwater Forest），延續能效核優勢的同時，內存帶寬提升至 8000MT/s，採用 18A 先進製程工藝，新增英特爾®軟件防護擴展（SGX）、SM3/SM4 加密加速等功能，進一步強化 “高性能 + 高安全 + 低碳” 能力；在軟件端，騰訊雲將同步迭代 CVM 與 TDSQL-C：CVM 將適配 VRDMA 網絡，提升跨節點通信效率，同時結合英特爾的下一代芯片推出新一代的 CVM 機型；TDSQL-C 將與英特爾合作，共同持續探索 AI 場景下數據庫的更多價值。<h2>結語</h2>如果説數字化轉型的核心是算力轉型，那麼算力轉型的關鍵便在於 “精準匹配業務需求” 與 “高效協同產業資源”。英特爾至強 6 處理器以 “性能核 + 能效核” 的架構突破，為行業提供了適配多樣化需求的硬件基石；騰訊雲則通過 CVM 與 TDSQL-C 的軟件創新，將硬件能力轉化為企業可感知的 “性能提升、成本降低、彈性增強” 價值。這場 “硬件廠商 + 雲服務商” 的深度協同，不僅破解了 “性能與成本”“彈性與穩定” 的行業兩難，更證明了只有讓技術創新紮根於實際業務需求，才能真正釋放算力的價值。 對於企業而言，選擇基於英特爾至強 6 處理器的騰訊雲產品，意味着選擇了 “更懂業務、更省成本、更可持續” 的算力方案；對於行業而言，這種協同模式將推動算力供給從 “規模化覆蓋” 向 “高質量適配” 升級。在智能算力時代，英特爾與騰訊雲的 “雙核共進”，必將持續驅動技術創新，為千行百業的數字化轉型注入不竭動力。<img src="https://imageproxy.pbkrs.com/https://www.infoq.cn/article/null?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" original-src="https://imageproxy.pbkrs.com/https://www.infoq.cn/article/null"/>https://static001.geekbang.org/infoq/c2/c2c955283b1a208d9e557afa7e2e4682.webp<img src="https://imageproxy.pbkrs.com/https://www.infoq.cn/article/null?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" original-src="https://imageproxy.pbkrs.com/https://www.infoq.cn/article/null"/>點擊觀看完整 視頻～</div></div>

英特爾

行業數字化轉型和 GenAI 技術的爆發，推動算力需求從線性增長轉向指數級躍升。企業面臨算力供給難以精準匹配場景和能效平衡等挑戰。雲廠商與硬件廠商需協同創新，硬件精準適配與軟件深度協同才能釋放算力潛能。

- 行業數字化轉型面臨算力需求爆炸性增長與雙重挑戰。  
- 騰訊雲與英特爾探討雙核架構提升算力供給效率。  
- 雲服務與硬件的深度協同推動技術持續創新。

告別 “一刀切”：“需求分化” 如何重構算力供給？