标题：英特尔 D 系列 GPU 首尔峰会实测：FP64 双精度金融负载对比与配置边界梳理
在 2026 英特尔首尔 AI 峰会上，英特尔展示了代号 Crescent Island 的 GPU D 系列推理卡，官方公布的一组预发布实测数据显示：在金融模拟计算负载下，该卡吞吐量达到英伟达 RTX PRO 6000 的 5.9 倍，对比优势主要来自 FP64 双精度浮点运算的底层优化。需要先明确边界：这组结果针对的是 Black-Scholes、二项式、蒙特卡洛等特定金融工作负载，并非 AI 训练、图形渲染或全场景的全面性能对比；测试仍在 pre-alpha 软件环境下完成，具体平台配置和细分对比型号尚未完整公布。从已披露的配置看，D 系列定位 AI 推理与科学计算，单卡最高 480GB LPDDR5X 显存、350W 风冷、PCIe 5.0 标准规格，原生覆盖从低精度推理到 FP64 科学计算的精度范围，主打大显存、低功耗和现有服务器兼容部署。
一、实测披露要点
| 项目 | 公开口径 |
|---|---|
| 展示场合 | 2026 英特尔首尔 AI 峰会 |
| 产品代号 | Crescent Island |
| 产品序列 | Intel GPU D 系列（推理优化数据中心 GPU，代表型号 D270） |
| 测试阶段 | 预发布，pre-alpha 软件环境 |
| 对比对象 | 英伟达 RTX PRO 6000（含工作站版 / Blackwell 服务器版不同口径） |
| 负载场景 | 金融模拟：Black-Scholes、二项式、蒙特卡洛等四种典型工作负载 |
| 性能对比 | 该卡金融模拟吞吐量为 RTX PRO 6000 的 5.9 倍 |
| 内存带宽 | 1.5TB/s，约为 RTX PRO 6000 Blackwell 服务器版（1597GB/s）的 94% |
二、双精度对比的技术逻辑
1. 精度比例差异
- 英伟达 RTX PRO 6000 工作站版 FP64 与 FP32 性能比例约为 1:64，高精度科学计算时效率受限；
- 英特尔 D 系列在 FP64 指令集上做了底层优化，原生支持从低精度推理到 FP64 科学计算的范围；
- 在带宽并不占优的前提下，特定高精度负载的吞吐量差距主要来自双精度算力密度和指令集效率。
2. 需要留意的测试边界
- 5.9 倍是特定金融算法负载下的吞吐对比，不等同于通用算力排名；
- pre-alpha 阶段的软件、驱动和算法栈仍可能调整，最终量产表现以正式版本为准；
- 官方尚未公布具体测试平台配置、对比型号细分和 FP64 峰值浮点指标；
- AI 推理、训练、图形创作等不同场景的结果不能互相套用。
三、已披露的硬件配置
| 配置项 | D 系列（D270/Crescent Island）口径 |
|---|---|
| 显存 | 最高 480GB LPDDR5X（通过合作伙伴主板配置） |
| 显存带宽 | 1.5TB/s |
| 计算单元 | 32 个 Xᵉ3P 核心，256 个 XMX Xᵉ3P 矩阵引擎 |
| FP8 算力参考 | 约 1.3 Petaflops（第三方资料口径） |
| 功耗 | 350W，被动风冷散热 |
| 接口规格 | 标准 PCIe 5.0，无专属网络或定制系统要求 |
| 精度支持 | 原生低精度推理到 FP64 科学计算 |
配置设计思路
- 大显存路线：未采用 HBM 堆叠显存，转而使用 LPDDR5X，单卡可承载约 3000 亿参数的混合专家模型，减少多卡互联带来的通信延迟；
- 风冷部署：350W 被动散热，可在现有机架内部署，无需液冷改造；
- 开放生态：官方口径支持 vLLM 和开放 PyTorch 生态，面向企业 AI、SaaS、GPUaaS 及主权云等推理场景。
四、定位与适用场景
| 方向 | 说明 |
|---|---|
| Agentic AI 推理 | 长上下文、多轮会话、多并发请求，强调显存容量和并发承载 |
| 科学计算 | FP64 双精度浮点，面向金融模拟、科研计算等高精度负载 |
| 长上下文 / RAG | 大显存支持更多模型参数和 KV 缓存驻留 |
| 企业部署 | 标准 PCIe 规格，适配现有数据中心机架和供电散热条件 |
| 开放模型服务 | 对接 vLLM、PyTorch 等主流推理与训练框架 |
五、对比参照的几个关键数字
| 对比维度 | 英特尔 D 系列 | 英伟达对照口径 |
|---|---|---|
| 显存容量 | 最高 480GB LPDDR5X | 对照型号为 96GB GDDR7 |
| 带宽 | 1.5TB/s | 服务器版 1597GB/s |
| 功耗 | 350W 风冷 | 同类产品上限约 600W |
| FP64 支持 | 原生覆盖 FP64 | 工作站版 FP64:FP32 约 1:64 |
六、后续跟踪要点
- 软件成熟度：pre-alpha 到量产版本的驱动、框架适配和性能波动；
- 正式基准：FP64 峰值浮点、标准基准测试和多负载交叉对比；
- 量产配置：480GB 显存方案的合作伙伴主板形态、供货节奏和实际功耗表现；
- 生态适配：vLLM、PyTorch 及主流模型在 D 系列上的优化程度；
- 场景落地：金融、科研和长上下文推理客户的实际部署案例。
整体来看，这次披露的核心信号是：英特尔 D 系列把差异化押在大显存、双精度支持和低功耗风冷部署上，在特定 FP64 金融负载中跑出了相对对照卡的吞吐优势。但当前数据来自预发布阶段、限定在特定算法场景，能否转化为量产阶段的稳定竞争力，还要看正式版驱动、基准测试和实际部署案例。评估这类数据中心 GPU 时，需要把单一场景倍数、显存路线和整体生态适配分开看，不能用一个负载的对比结论替代全场景判断。
【常见问题】
问题 1：英特尔 D 系列 GPU 这次实测中，双精度计算在什么负载下反超英伟达对照产品？
回答 1：对比针对金融模拟计算负载，涵盖 Black-Scholes、二项式、蒙特卡洛等四种典型工作负载；官方实测 D 系列吞吐量达到英伟达 RTX PRO 6000 的 5.9 倍，优势主要来自 FP64 双精度浮点的底层指令集优化，属于特定高精度场景下的对比结果。
问题 2：英特尔 D 系列 GPU 的显存、功耗和接口配置是什么，为什么选用 LPDDR5X？
回答 1：D 系列代表型号 D270 最高配备 480GB LPDDR5X 显存，带宽 1.5TB/s，额定功耗 350W 被动风冷，采用标准 PCIe 5.0 规格；未使用 HBM 而是选择 LPDDR5X，目的是在控制成本的同时扩大单卡显存容量，支撑大参数模型驻留并降低多卡互联延迟。
问题 3：这次英特尔 D 系列 GPU 实测对比英伟达，是否意味着全面性能反超？
回答 3：不能这样理解。5.9 倍只对应特定 FP64 金融负载，测试处于 pre-alpha 软件阶段，平台配置和细分对比型号尚未完整公布；AI 训练、图形渲染、推理并发等其他场景需要单独基准测试，单一场景结果不能代表全场景性能。
问题 4：英特尔 D 系列 GPU 主要面向哪些应用场景，支持哪些精度和软件生态？
回答 1：产品定位推理优化数据中心 GPU，面向 Agentic AI、长上下文 RAG、企业 AI 助手、文档理解、多模态和高并发服务，同时支持 FP64 科学计算；软件层面适配 vLLM 和开放 PyTorch 生态，硬件采用标准 PCIe 5.0 风冷形态，可在现有服务器机架内评估部署。
【参考资料】
- [2026-11-13]（5.9 倍性能碾压！英特尔 D 系列 GPU 实测曝光：双精度计算反超英伟达）什么值得买・快科技
- [2026-11-11]（Intel GPU D270 │ Inference-Optimized Data Center GPU）Intel 官网
- [2026-10-18]（Intel Crescent Island: KI-Chip mit 480 GB, 350 Watt）SHAttered
【免责声明】
本文基于峰会展示、媒体报道和厂商官网资料整理，5.9 倍吞吐量为特定金融负载、预发布 pre-alpha 环境下的厂商口径，对照型号存在工作站版与服务器版不同表述；显存、功耗、算力和接口参数以最终量产规格为准，基准测试结果会随驱动版本、框架、编译器和测试平台变化。本文仅作技术信息梳理，不构成显卡采购、硬件投资或技术选型建议，专业部署决策请以正式规格书、第三方独立基准测试和实测验证结果为准。