Intel ha presentato a Hot Chips 2026 tre architetture pensate per portare l’intelligenza artificiale agentica lungo l’intera catena informatica: dai server destinati ai grandi carichi aziendali fino ai computer portatili e ai dispositivi edge. Al centro della strategia ci sono il processore Xeon di nuova generazione Diamond Rapids, la GPU per l’inferenza Crescent Island e il system-on-chip Wildcat Lake, commercializzato come Intel Core Series 3.
L’obiettivo non è affidare ogni attività di intelligenza artificiale a un unico tipo di processore, ma distribuire il lavoro tra componenti differenti. Diamond Rapids dovrebbe gestire l’orchestrazione e le elaborazioni generali, Crescent Island l’esecuzione dei modelli nei data center, mentre Wildcat Lake porta capacità di AI locale nei sistemi client e nelle piattaforme edge più sensibili al costo.
Questa impostazione riflette una caratteristica fondamentale dell’AI agentica. Un agente non si limita a generare una risposta, ma può pianificare una sequenza di attività, utilizzare strumenti e dati esterni, conservare il contesto e coordinarsi con altri agenti. Il risultato è un carico di lavoro eterogeneo, nel quale CPU, acceleratori, memoria, rete e software devono operare in modo coordinato.
Una piattaforma comune costruita intorno a Intel 18A e ai chiplet
Le tre architetture sono sostenute da tecnologie produttive e di packaging di Intel Foundry, a partire dalla famiglia di processi Intel 18A. Intel punta inoltre su Foveros Direct 3D, che consente di collegare e sovrapporre diversi elementi di calcolo all’interno dello stesso package, e sullo standard UCIe per la comunicazione tra chiplet.
Il chiplet è un componente specializzato che viene integrato con altri moduli nello stesso processore. Questo approccio permette di combinare unità di calcolo, interfacce e blocchi di memoria con caratteristiche differenti, evitando di realizzare necessariamente l’intero prodotto su un singolo pezzo di silicio. UCIe punta a fornire un’interconnessione standardizzata tra questi elementi, mentre Foveros Direct 3D consente di costruire collegamenti molto ravvicinati attraverso il packaging tridimensionale.
Per Intel, l’integrazione tra processo produttivo, progettazione dei chip e packaging avanzato rappresenta un elemento strategico. Pushkar Ranade, chief technology officer di Intel, ha sintetizzato il cambiamento con queste parole: “Agentic AI is fundamentally changing how we design and deliver computing – from the transistor and package up through the full system architecture,”
La scommessa dell’azienda è che le prestazioni dei singoli componenti non siano più sufficienti a determinare l’efficacia di un sistema AI. Diventano altrettanto importanti la velocità degli scambi di dati, la quantità di memoria disponibile, il consumo energetico e la capacità di adattare la configurazione alle esigenze del cliente.
Diamond Rapids come base di calcolo per l’AI aziendale
Diamond Rapids è il processore Xeon di nuova generazione con cui Intel intende costruire la base general purpose delle infrastrutture per l’AI agentica. Il chip sarà prodotto utilizzando Intel 18A-P, una variante del processo 18A ottimizzata, secondo l’azienda, per incrementare prestazioni ed efficienza energetica.
L’architettura prevede fino a 256 nuovi core e 1,28 GB di cache LLC, la memoria condivisa di ultimo livello utilizzata per ridurre il numero di accessi alla memoria principale. Sono inoltre indicati 16 canali di memoria con una velocità fino a 12.800 MT/s e 128 linee compatibili con PCIe 6.0 e CXL 3.0. Quest’ultimo standard permette di collegare processori, memoria e acceleratori in modo più flessibile, una caratteristica rilevante quando la capacità di un singolo server non è sufficiente per sostenere modelli e agenti complessi.
Il processore utilizzerà Foveros Direct 3D e l’interconnessione UCIe-S. Intel cita anche un sottosistema di memoria ad alta larghezza di banda, le nuove Advanced Performance Extensions e una versione potenziata delle Advanced Matrix Extensions. Le prime intervengono sulle capacità generali dell’architettura x86, mentre le AMX accelerano i calcoli matriciali che ricorrono frequentemente nei modelli di intelligenza artificiale.
Il ruolo di Diamond Rapids non è quindi quello di sostituire una GPU nei calcoli maggiormente parallelizzabili. La CPU dovrebbe piuttosto occuparsi della logica applicativa, della preparazione dei dati, dell’esecuzione dei servizi aziendali e del coordinamento degli acceleratori. È una funzione particolarmente importante negli ambienti agentici, dove il sistema deve passare continuamente dall’inferenza del modello all’accesso a database, applicazioni e strumenti operativi.
I dati presentati descrivono una piattaforma di grandi dimensioni, ma Intel non ha fornito benchmark applicativi, prezzi o una tempistica precisa per la disponibilità di Diamond Rapids. Resta quindi da verificare quanto le specifiche teoriche si tradurranno in prestazioni, efficienza e costi competitivi nei sistemi reali.
Crescent Island punta sull’economia dell’inferenza
Crescent Island è la GPU che Intel ha progettato per l’inferenza, cioè la fase nella quale un modello già addestrato elabora una richiesta e produce un risultato. Per le imprese che utilizzano servizi di AI generativa su larga scala, il costo dell’inferenza può dipendere dalla quantità di token elaborati, dal numero di utenti simultanei, dalla memoria necessaria e dall’energia consumata.
La scheda integra 32 core Xe e 256 motori XMX basati sull’architettura Xe3P, accompagnati da un massimo di 480 GB di memoria LPDDR5X. La capacità di memoria dovrebbe consentire, secondo Intel, di gestire modelli più grandi, finestre di contesto più lunghe e un maggior numero di agenti concorrenti.
Crescent Island è prevista come scheda PCIe da 350 watt raffreddata ad aria. È una configurazione pensata per semplificare l’installazione nei data center esistenti, senza richiedere necessariamente infrastrutture di raffreddamento a liquido o sistemi progettati appositamente. La scelta della memoria LPDDR5X, normalmente associata a consumi contenuti, indica che Intel sta cercando un equilibrio tra capacità, efficienza e costo, più che inseguire soltanto la massima potenza di calcolo.
L’azienda parla di un aumento del numero di token elaborati e di una migliore utilizzazione dell’infrastruttura, ma non presenta confronti prestazionali con altre GPU né dati sul costo per token. Il vantaggio economico dichiarato dovrà quindi essere valutato attraverso benchmark indipendenti, includendo non soltanto il consumo della scheda, ma anche prestazioni sostenute, latenza, occupazione della memoria e maturità degli strumenti software.
La quantità di memoria può rappresentare un punto di forza, soprattutto negli scenari in cui un modello o il suo contesto non entrano comodamente nella memoria di un singolo acceleratore. Tuttavia, la capacità nominale non determina da sola la velocità dell’inferenza: contano anche la larghezza di banda, l’efficienza dei motori di calcolo e il livello di ottimizzazione dei modelli.
Wildcat Lake porta l’AI agentica nei sistemi più accessibili
Con Wildcat Lake, Intel estende la stessa strategia ai portatili e alle piattaforme edge. Il chip, introdotto nella famiglia Intel Core Series 3, è destinato a prodotti sensibili al prezzo e integra due core ad alte prestazioni, quattro core ad alta efficienza, grafica Xe3 con acceleratori XMX e una NPU capace di raggiungere fino a 17 TOPS.
La NPU, o unità di elaborazione neurale, è un acceleratore dedicato alle operazioni di intelligenza artificiale. Il valore in TOPS indica il numero teorico di migliaia di miliardi di operazioni eseguibili in un secondo, ma non rappresenta da solo le prestazioni delle applicazioni: il risultato dipende dal tipo di modello, dalla precisione numerica utilizzata e dall’ottimizzazione del software.
Wildcat Lake supporta memoria fino allo standard LPDDR5X-7467, Wi-Fi 7 e Bluetooth 6.0. Intel lo indica inoltre come il primo proprio processore a utilizzare UCIe, una scelta che dovrebbe consentire configurazioni multi-chip meno costose anche nei prodotti destinati al mercato di massa.
L’esecuzione locale dei modelli può ridurre il numero di dati inviati al cloud, limitare la latenza e permettere ad alcune funzionalità di continuare a operare senza una connessione permanente. Nei portatili e nei dispositivi edge, però, la potenza disponibile è inferiore rispetto a quella di un server. L’approccio ibrido diventa quindi essenziale: CPU, GPU integrata e NPU possono occuparsi delle elaborazioni locali, mentre le richieste più complesse vengono trasferite al data center.
La configurazione con sei core CPU suggerisce che Wildcat Lake non sia rivolto alle fasce più esigenti del mercato client. La priorità sembra essere rendere disponibili funzioni AI dedicate in un numero più ampio di dispositivi, mantenendo sotto controllo dimensioni del chip, consumi e costo della piattaforma.
Una strategia che collega data center, client e attività produttive
La parte più significativa dell’annuncio è la volontà di presentare le tre architetture come elementi di un’unica infrastruttura. Un’impresa potrebbe eseguire i servizi centrali e l’orchestrazione su Diamond Rapids, affidare l’inferenza su larga scala a Crescent Island e utilizzare Wildcat Lake per elaborare dati o azioni direttamente sui dispositivi degli utenti e negli ambienti edge.
Questa continuità potrebbe favorire applicazioni nelle quali gli agenti devono operare tra cloud, sistemi aziendali e apparecchi distribuiti. Un agente industriale, per esempio, potrebbe analizzare localmente i dati prodotti da un macchinario, confrontarli con informazioni conservate nel data center e richiedere a un sistema centrale una valutazione più complessa. In un computer portatile, invece, alcune attività potrebbero essere eseguite dalla NPU, lasciando al cloud soltanto le elaborazioni che richiedono modelli più grandi.
Per Intel, la strategia offre anche la possibilità di valorizzare contemporaneamente processori, GPU, packaging e capacità produttiva. Se le tre famiglie riusciranno a condividere strumenti di sviluppo e modalità di distribuzione coerenti, l’azienda potrebbe rendere più semplice l’adozione di una piattaforma eterogenea. Al contrario, se ogni componente richiedesse ottimizzazioni separate, il vantaggio dell’integrazione hardware rischierebbe di essere ridotto dalla complessità software.
Il vero confronto si giocherà su software, costi e disponibilità
Nel mercato dell’intelligenza artificiale, le specifiche hardware sono soltanto una parte della competizione. Le imprese valutano anche la disponibilità di librerie, modelli ottimizzati, strumenti di gestione, assistenza e competenze professionali. Cambiare piattaforma può richiedere la riscrittura di componenti software, nuovi processi operativi e una fase di validazione che rallenta l’adozione.
L’impiego di standard aperti come UCIe potrebbe ridurre nel tempo alcune forme di dipendenza da componenti proprietari e consentire combinazioni più flessibili. Tuttavia, l’apertura dell’interconnessione fisica non garantisce automaticamente la portabilità delle applicazioni. Il successo della proposta dipenderà dalla capacità di trasformare la coerenza architetturale in un’esperienza software altrettanto uniforme.
Restano inoltre aperte questioni concrete. Intel non ha indicato prezzi, date dettagliate di commercializzazione o risultati ottenuti su modelli AI specifici. Non è ancora possibile stabilire quale sarà il costo complessivo di una piattaforma basata sulle nuove architetture, né quanto rapidamente i produttori di server e dispositivi le adotteranno.
Diamond Rapids, Crescent Island e Wildcat Lake delineano comunque una direzione precisa: l’AI agentica non viene trattata come un singolo carico da eseguire nel cloud, ma come un sistema distribuito che coinvolge infrastrutture, reti e dispositivi locali. L’opportunità per Intel consiste nel controllare più livelli di questa catena, dalla produzione dei chip fino all’architettura dei sistemi. La prova decisiva arriverà quando disponibilità, prestazioni reali e costi operativi potranno essere confrontati con le alternative già presenti sul mercato.
