跳到主要内容

Intel GPU D 系列 / Crescent Island (D270,数据中心 AI 推理 GPU)

产品概述​

Intel Crescent Island(正式产品名 GPU D 系列,媒体与拆解普遍称其型号为 D270)于 2026 年 6 月 Computex 首次披露,2026 年 8 月 Hot Chips 2026 公布完整架构细节,并在 2026 年 10 月 13 日 OCP 全球峰会上以 GPU D 系列名义正式定名亮相。基于 Xe3P 架构,配备 160GB LPDDR5X(Intel 参考卡)/ 最高 480GB(ODM 伙伴版本),1.5 TB/s 内存带宽(官方口径),FP8 算力 1.3 PFLOPS,采用 350W 风冷 PCIe 形态设计。

Crescent Island 定位为 智能体 AI(Agentic AI)推理 的高性价比方案——相比使用 HBM 的高端 GPU,LPDDR5X 方案在同等推理负载下成本大幅降低。Intel 的打法是「不进 HBM 军备竞赛」:用容量、功耗与每美元成本换带宽上限,主打长上下文推理的 decode 场景,卖点是「每美元多少 token」。

核心规格​

项目参数
发布2026-06 Computex 披露;2026-08 Hot Chips 完整架构;2026-10-13 OCP 全球峰会正式定名 GPU D 系列
架构Xe3P(第三代 Xe,XMX 升级至 16 深度脉动阵列)
计算单元32 个 Xe3P 核心 / 256 个 XMX 矩阵引擎 / 256 个矢量引擎 / 32 MB 统一 L2
内存160 GB LPDDR5X(Intel 参考卡)/ 最高 480 GB(ODM 伙伴版本)
内存带宽1.5 TB/s(官方口径,480GB 版)
精度支持原生 FP8 / FP4(XMX 16 深度脉动阵列),兼容 BF16/FP16/FP64
FP8 算力1.3 PFLOPS(Intel OCP 2026 官方口径)
FP4 算力待官方公布
FP16/BF16待官方公布
FP32待官方公布
图形/光追已移除(纯 AI 推理,无 3D / 光线追踪硬件)
TDP350 W
形态PCIe 标准卡(风冷,可 8 卡扩展,整机可推理超万亿参数模型)
目标智能体 AI 推理(Agentic Inference)
软件Intel 开放统一软件栈(OneAPI + vLLM / SGLang / Dynamo)
出货客户送样中(2026 下半年起);量产与 broad launch 时间官方未公布,媒体推断 2027 年商用

注:FP8 1.3 PFLOPS 与 1.5 TB/s 为 Intel 在 OCP 2026 / 后续技术说明中给出的官方口径;480GB 版本单卡可承载约 3,000 亿参数模型(Intel 口径)。制程官方未披露——「Intel 18A」仅为多家媒体基于与 Panther Lake 同源的推测,本卡不采信。内存带宽存在历史口径分歧:2026-10-18 前部分二手拆解曾给出 ~684 GB/s(160GB / 640-bit 估算值),Intel 官方口径为 1.5 TB/s,本卡采信官方值。

与同类产品对比​

指标Intel Crescent IslandNVIDIA L40SNVIDIA H200Intel Gaudi 3
架构Xe3PAda LovelaceHopperGaudi 3
内存480GB LPDDR5x48GB GDDR6141GB HBM3e128GB HBM2e
内存类型LPDDR5x(低成本)GDDR6HBM3e(高成本)HBM2e(中等)
TDP350W350W700W900W
形态PCIe 风冷PCIe 风冷SXM 液冷OAM/PCIe
目标智能体推理通用推理训练+推理训练+推理
价格定位低(LPDDR5x)中等高中等
FP4 支持✅ 原生❌❌❌

Crescent Island 优势:480GB LPDDR5x = 3.4× L40S 的内存容量,原生 FP4 支持,风冷 350W 可放入现有服务器,是成本敏感型 AI 推理部署的理想选择。

厂商信息​

项目内容
制造商Intel Corporation
官网https://www.intel.com
产品页待上线
首次披露2026 年 6 月(Computex 2026)
软件生态Intel 开放统一 AI 软件栈(OneAPI + PyTorch/TensorFlow)

适用场景​

  • ✅ 智能体 AI 推理(Agentic Inference):海量、词元密集型工作负载
  • ✅ 成本敏感型 AI 推理:LPDDR5x 大幅降低内存成本
  • ✅ 企业级推理部署:350W 风冷可融入现有数据中心
  • ✅ 内存密集型推理:480GB 可加载超大模型
  • ❌ 大规模训练(非设计目标,Intel 另有 Gaudi 系列)
  • ❌ 低延迟高吞吐推理(HBM 方案更适合)

数据来源​

相关产品​