Στο AI Infra Summit 2026, που πραγματοποιήθηκε στις 15–17 Σεπτεμβρίου στη Santa Clara της Καλιφόρνια, η Intel παρουσίασε τη στρατηγική της για την επόμενη γενιά υποδομών τεχνητής νοημοσύνης.
Η εταιρεία εστιάζει σε μια αρχιτεκτονική που συνδυάζει διαφορετικούς τύπους υπολογιστικών συστημάτων, AI accelerators, cloud υποδομές, edge συσκευές και software orchestration.
Ο στόχος είναι η AI να μπορεί να λειτουργήσει σε πραγματική κλίμακα, από τα data centers μέχρι τα robots και τις συσκευές που βρίσκονται κοντά στον χρήστη.
Από το silicon μέχρι ολόκληρο το AI σύστημα
Η Intel υποστηρίζει ότι η εξέλιξη της AI δεν εξαρτάται πλέον μόνο από το πόσο γρήγορος είναι ένας επεξεργαστής.
Χρειάζεται συνεργασία σε πολλά διαφορετικά επίπεδα:
επεξεργαστές και accelerators,
servers και data centers,
software frameworks,
εργαλεία για developers,
δίκτυα και υποδομές,
orchestration μεταξύ διαφορετικών συστημάτων.
Η φιλοσοφία είναι ουσιαστικά silicon → systems → software.
Καθώς οι επιχειρήσεις αρχίζουν να χρησιμοποιούν AI σε πραγματικές εφαρμογές, η υποδομή επηρεάζει άμεσα τρεις κρίσιμους παράγοντες: απόδοση, ενεργειακή αποδοτικότητα και κόστος.
Και αυτό γίνεται ακόμη σημαντικότερο όταν περνάμε από ένα απλό chatbot σε συστήματα με πολλούς AI agents.
Το μεγάλο στοίχημα είναι πλέον το inference
Ένα μεγάλο μέρος της συζήτησης γύρω από την AI τα προηγούμενα χρόνια επικεντρώθηκε στο training των μεγάλων μοντέλων.
Όμως όταν ένα μοντέλο έχει ήδη εκπαιδευτεί, πρέπει στη συνέχεια να χρησιμοποιηθεί εκατομμύρια ή δισεκατομμύρια φορές.
Αυτό είναι το inference.
Κάθε φορά που ζητάμε από ένα μοντέλο να απαντήσει σε μια ερώτηση, να δημιουργήσει κώδικα, να αναλύσει ένα έγγραφο ή να εκτελέσει μια εργασία, πραγματοποιείται inference.
Σε μεγάλη κλίμακα το πρόβλημα αλλάζει.
Δεν έχει σημασία μόνο αν το μοντέλο μπορεί να δώσει σωστή απάντηση. Έχει σημασία πόσο γρήγορα θα την παράγει, πόση ενέργεια θα καταναλώσει και πόσο θα κοστίσει η εκτέλεσή του.
Η Intel αφιέρωσε μάλιστα ειδική συζήτηση στο AI Infra Summit στις προκλήσεις δημιουργίας υποδομών σχεδιασμένων ειδικά για inference.
Οι AI agents κάνουν το πρόβλημα πιο σύνθετο
Η επόμενη πρόκληση είναι τα agentic AI systems.
Ένας AI agent δεν κάνει απαραίτητα μία μόνο ερώτηση σε ένα μοντέλο.
Μπορεί να χρειαστεί να:
αναλύσει ένα αίτημα,
αναζητήσει πληροφορίες,
καλέσει ένα εργαλείο ή API,
χρησιμοποιήσει διαφορετικό AI μοντέλο,
ελέγξει το αποτέλεσμα,
διορθώσει κάποιο λάθος,
συνεχίσει με την επόμενη ενέργεια.
Μία απλή εντολή του χρήστη μπορεί επομένως να δημιουργήσει δεκάδες διαφορετικές AI εργασίες στο παρασκήνιο.
Αντί λοιπόν όλη αυτή η διαδικασία να εκτελείται στο ίδιο hardware, η Intel εξετάζει μια διαφορετική αρχιτεκτονική.
Heterogeneous computing: όχι όλα στην ίδια GPU
Ένα από τα βασικά στοιχεία αυτής της προσέγγισης είναι το heterogeneous computing.
Η ιδέα είναι απλή.
Δεν είναι απαραίτητο κάθε AI workload να εκτελείται στον ίδιο τύπο επεξεργαστή.
Ορισμένες εργασίες μπορεί να εκτελούνται καλύτερα σε CPU. Άλλες σε GPU ή σε εξειδικευμένο AI accelerator.
Το σύστημα μπορεί επομένως να επιλέγει τον κατάλληλο υπολογιστικό πόρο ανάλογα με την εργασία που πρέπει να εκτελέσει.
Αυτό μπορεί να γίνει ιδιαίτερα σημαντικό σε μεγάλα agentic workflows, όπου διαφορετικά βήματα έχουν εντελώς διαφορετικές απαιτήσεις.
Disaggregated inference
Η Intel αναφέρεται επίσης στο disaggregated inference.
Με απλά λόγια, διαφορετικά στάδια μιας AI διαδικασίας δεν χρειάζεται να εκτελούνται στο ίδιο σύστημα.
Ένα μέρος της εργασίας μπορεί να πραγματοποιηθεί σε έναν accelerator και ένα διαφορετικό μέρος σε άλλο hardware ή ακόμη και σε διαφορετικό server.
Πάνω από όλα αυτά βρίσκεται το intelligent orchestration.
Το orchestration είναι ουσιαστικά ο μηχανισμός που αποφασίζει:
ποια εργασία πρέπει να εκτελεστεί, πού πρέπει να εκτελεστεί και ποιος υπολογιστικός πόρος είναι καταλληλότερος για αυτή.
Η Intel θεωρεί τον συνδυασμό heterogeneous computing, disaggregated inference και intelligent orchestration βασικό αρχιτεκτονικό μοντέλο για την κλιμάκωση των μελλοντικών agentic AI συστημάτων.
Το «agentic neocloud»
Η συζήτηση συνδέεται και με τη συνεργασία της Intel με τη SambaNova Systems.
Οι εταιρείες είχαν παρουσιάσει στο Computex 2026 το Vector Core Compute, το οποίο περιγράφεται ως ένα inference «agentic neocloud».
Η βασική ιδέα είναι η δημιουργία υποδομών σχεδιασμένων εξαρχής για AI agents και inference workloads, αντί τα υπάρχοντα cloud συστήματα να προσαρμόζονται εκ των υστέρων στις ανάγκες τους.
Εάν τα agentic συστήματα επεκταθούν όσο προβλέπει η βιομηχανία, τέτοιες αρχιτεκτονικές μπορεί να αποκτήσουν πολύ μεγαλύτερη σημασία.
Από την ψηφιακή AI στα robots
Η Intel επεκτείνει την ίδια λογική και στο Physical AI.
Εδώ η τεχνητή νοημοσύνη δεν υπάρχει μόνο μέσα σε ένα data center.
Χρησιμοποιείται σε robots, βιομηχανικά συστήματα και άλλες φυσικές συσκευές.
Σε αυτές τις περιπτώσεις μπορεί να χρησιμοποιείται μια υβριδική αρχιτεκτονική.
Το training και οι πιο σύνθετες διαδικασίες reasoning μπορούν να πραγματοποιούνται στο cloud, ενώ το inference και ο άμεσος έλεγχος μιας συσκευής μπορούν να γίνονται στο edge.
Ένα robot, για παράδειγμα, δεν μπορεί πάντα να περιμένει να στείλει δεδομένα σε ένα απομακρυσμένο data center και να λάβει απάντηση πριν πάρει μια απόφαση.
Ορισμένες λειτουργίες πρέπει να πραγματοποιούνται τοπικά και σχεδόν αμέσως.
Τι σημαίνει αυτό για τους developers
Για έναν developer όλα αυτά μπορεί αρχικά να φαίνονται πολύ μακριά από την καθημερινή ανάπτυξη εφαρμογών.
Στην πραγματικότητα όμως περιγράφουν αυτό που μπορεί να υπάρχει σύντομα πίσω από τα εργαλεία που ήδη χρησιμοποιούμε.
Σήμερα ένας developer μπορεί να ζητήσει από έναν AI coding agent να εξετάσει ένα repository, να γράψει κώδικα, να εκτελέσει tests και να διορθώσει ένα bug.
Για τον χρήστη αυτή φαίνεται σαν μία εργασία.
Στο παρασκήνιο όμως μπορεί να υπάρχουν πολλές κλήσεις σε μοντέλα, εργαλεία, βάσεις δεδομένων και διαφορετικά συστήματα inference.
Όσο αυξάνεται ο αριθμός των agents και των εργασιών που εκτελούν, τόσο μεγαλύτερη γίνεται η ανάγκη για μια υποδομή που μπορεί να αποφασίζει δυναμικά πού θα εκτελείται κάθε εργασία.
Η επόμενη μάχη της AI βρίσκεται κάτω από τα μοντέλα
Μέχρι σήμερα το μεγαλύτερο μέρος της προσοχής έχει πέσει στα ίδια τα AI μοντέλα.
Ποιο μοντέλο είναι πιο έξυπνο, ποιο γράφει καλύτερο κώδικα και ποιο έχει καλύτερα benchmarks.
Η επόμενη μάχη όμως μπορεί να βρίσκεται ένα επίπεδο χαμηλότερα.
Στην υποδομή που θα επιτρέπει σε εκατομμύρια AI agents να χρησιμοποιούν αυτά τα μοντέλα ταυτόχρονα.
Η Intel προσπαθεί να τοποθετηθεί σε αυτό ακριβώς το σημείο.
Όχι μόνο στον επεξεργαστή που εκτελεί την AI, αλλά στην αρχιτεκτονική που συνδέει compute, accelerators, software και orchestration σε ένα ενιαίο σύστημα.
Και αν οι AI agents γίνουν πραγματικά το επόμενο μεγάλο μοντέλο χρήσης του λογισμικού, τότε το ερώτημα δεν θα είναι μόνο «ποιο AI μοντέλο χρησιμοποιούμε;».
Θα είναι επίσης:
«Πού και πώς εκτελούνται όλες αυτές οι εργασίες;»
Φόρτωση σχολίων…