英特尔GPU D270:350W功耗,金融算力达600W英伟达卡5.9倍
IT之家 11 月 16 日消息,英特尔 11 月 16 日公布数据中心 GPU D270 的性能数据,称这款功耗设定为 350W 的加速卡,在特定金融计算测试中的应用吞吐量,最高达到 600W 英伟达 RTX PRO 6000 Blackwell 服务器版的 5.9 倍。 规格方面,数据中心 GPU D270 相关信
11月16日,英特尔对外披露了数据中心GPU D270的性能数据。这款加速卡的功耗设定为350W,在特定金融计算测试中,其应用吞吐量最高达到600W英伟达RTX PRO 6000 Blackwell服务器版的5.9倍。

先看规格。数据中心GPU D270的相关信息如下:
-
硅片与精度方面,采用Xe 3P架构,拥有32个Xe核心和256个XMX引擎;原生支持FP4到FP64,具备全速率双精度计算能力。
-
内存与平台方面,配备160 GB LPDDR5X(带宽1.5 TB/s,可扩展至480 GB);为350W PCIe 5.0风冷规格。
-
工作负载与生态方面,支持HPC场景(例如金融建模、地震成像)、解耦部署以及智能体AI推理;编程开发通过开放软件栈完成。
英特尔在博文中表示,高性能计算(HPC)正经历根本性转变。传统的大规模数值建模与模拟仍是基础,但科研与企业环境越来越多地把模拟、分析与AI推理集成到连续工作流中。
新兴的智能体AI架构让这一演进更快了:数据、模型与领域工具被连接成自主循环,由它完成输入准备、评估中间输出,并动态引导下一步模拟操作。
要让不同计算引擎各自承担工作流中的不同环节,就得有异构基础设施作支撑。英特尔的GPU D270(此前代号Crescent Island)就是奔着这种环境去的:它从设计之初就面向高效AI推理,同时架构里也备好了高精度算力、大容量内存和企业级标准外形,能满足苛刻HPC环境的要求。
科研、工程与金融模拟依赖双精度运算来保持数值保真度,避免舍入误差累积。基于英特尔Xe 3P架构打造的英特尔GPU D270配备32个Xe核心与256个Xe Matrix Extensions(XMX)引擎,每个核心可提供64次FP64融合乘加(FMA)运算。
开发者在该架构上可以选精度:需要推理吞吐量的场景用低精度(FP4到FP8),数学精度不可妥协的场景则用全速率原生FP64计算。
处理复杂工作集,内存架构同样关键。这款英特尔品牌板卡搭载160 GB高速LPDDR5X内存,带宽达1.5 TB/s,合作伙伴设计的配置可扩展至480 GB。
内存给得足,研究人员就能把庞大的数据集和波场长期放在GPU上,跨主机总线搬数据的开销随之压到最低。全部计算密度收在标准350W风冷PCIe卡里,既能装进普通企业服务器,也能跨机架横向扩展。
基于预生产硅片的真实应用基准测试,展现了D270平衡架构在金融分析与科学模拟场景中的切实优势:
-
金融服务领域:在期权定价基准测试中,D270相比NVIDIA RTX PRO 6000 Blackwell服务器版应用吞吐量最高提升至5.9倍 [1],在算力密集型金融建模中展现出更优性能。考虑到D270功耗为350W,而NVIDIA GPU功耗为600W,这一性能表现尤为突出。
| 工作负载 | 应用 / 模型 | 基准硬件 | 英特尔 GPU D270 测试结果 |
|---|---|---|---|
| 金融服务 | 欧式蒙特卡洛模拟 | RTX PRO 6000(Blackwell) | 吞吐量达 5.9 倍 |
| 金融服务 | 布莱克-斯科尔斯模型(欧式) | RTX PRO 6000(Blackwell) | 吞吐量达 5.6 倍 |
| 金融服务 | 二叉树模型 | RTX PRO 6000(Blackwell) | 吞吐量达 4.6 倍 |
| 金融服务 | 布莱克-斯科尔斯模型(美式) | RTX PRO 6000(Blackwell) | 吞吐量达 1.92 倍 |
-
地震勘探这块,地震建模算得上油气行业最吃力的负载之一:要在规模巨大的3D数据集上反复算声波传播,用的是FP32算力。D270既有大容量内存,又有FP32计算能力,跑这类负载表现很强。缓存感知模板优化把本地缓存的数据复用做到了最大,大型波场阵列得以直接驻留板卡。英特尔会在超算2026(Supercomputing ‘26)展位上用现场演示来秀地震建模能力。

-
对科学计算来说,道理很直接:内存大,能处理的问题规模就更大;数据复用更聪明,搬运流程就更简单;开放编程模型经过优化,就能给出研究人员需要的应用吞吐量。
现代科学发现中,AI推理已经不再等到模拟结束后才单独运行,而是直接在模拟循环内部运行。预训练AI代理模型充当物理模拟器,数秒内筛选数十万设计参数,在启动全规模数值求解器前锁定有潜力的候选方案。与此同时,智能体决策模型实时监控模拟遥测数据,识别不稳定性、动态细化网格边界,无需等待人工干预即可自主引导下一次计算。
不过,要把高吞吐量推理集成到超算循环中,速度和运行效率都得跟上。单体计算节点会让不同计算阶段争抢相同的处理器资源,结果既压缩吞吐量,也拉高延迟。
解耦架构把推理工作负载拆分到适配不同计算阶段的处理器上,瓶颈由此解开,能耗与资源利用率得到优化的同时,整体执行速度也大幅加快。
在这套解耦架构里,分工是这样的:算力吃紧的预填充阶段交给英特尔GPU D270,由它快速处理高维模拟数据集、长提示词和科学上下文窗口;受内存带宽制约的解码阶段由SambaNova SN50可重构数据流单元(RDU)来加速,把推理速度提上去;端到端的工作流编排、主机通信和工具执行,则落在英特尔至强6与至强6+处理器身上。
英特尔GPU D系列与SambaNova RDU之间完成工作负载编排后,这种异构方法加速了整个智能体循环,自主决策模型可以实时引导模拟,不会占用昂贵的数值计算资源空转。
这些能力还都控制在现有风冷机架的功耗上限之内。英特尔与SambaNova联手做这套方案,为的是让服务商不必等新数据中心建好,靠着最通用的软件栈就能把算力供给扩上去,接住AI token的需求。
在芝加哥举办的SC26上,英特尔将在展位现场演示这套解耦异构推理架构,实时展示英特尔GPU D270与SambaNova SN50 RDU的协同运行。
对HPC中心和研究机构来说,这套架构最实在的地方是拿来就能用:客户开箱即可部署先进的AI推理与智能体流水线,用上工程化的解耦基础设施,不用自己去开发定制软件编排,也不必操心底层调度层。
硬件再强,若把软件门槛一并抬高,逼着团队搬进限制代码可移植性、重写成本高昂的专有围墙花园,实际价值就会缩水。软件策略得站得住脚:不能要求跟过去的技术栈一刀两断,还得在释放新加速能力的同时守住现有软件投资。
英特尔的做法是给出一套统一开放的软件栈,传统数值模拟和现代AI工作负载都能跑。开发者不必把算法改写成专有方言,团队沿用现有开发环境即可。英特尔在HPC基础标准上投入已久,Intel MPI、优化过的Fortran与高性能C++编译器都在其中,现有并行代码库因此能在现代异构架构上高效运行,也不存在厂商锁定问题。工程重点则放在与标准AI框架、推理运行时、开放SYCL编程模型的上游集成上,研究团队不用改动现有工具链就能部署英特尔GPU D270,产品交付首日即可拿到成熟性能。
英特尔GPU D270上的早期性能数据,正好印证了这套能力。在决策类模型这一新兴场景里——模型能自主做出决策,而非只生成答案——D270运行Drex 2.0时的延迟比NVIDIA RTX PRO 6000 Blackwell服务器版低最高29%。
大语言模型吞吐量方面,D270跑Qwen 3 30B – A3B³时达到同级别竞品GPU的1.12倍,功耗仅350W。两项结果都取自预生产硅片,已经展现出D270在智能体应用上的适配能力。
前述Veridien地震演示属于HPC场景。把工作负载迁到英特尔GPU D270,所需工作量极小:开放SYCL编程模型允许团队复用现有HIP / CUDA工作负载的成果,移植时主机端代码不用改,配合预先编译(AOT)与内核捆绑技术,现有计算内核可以直接拿来用。
高性能也不必靠大幅重新调优。90%的内核没有做英特尔专属优化就能良好运行;复杂内核首次未经优化移植,也达到理论峰值性能的70%。一个地震成像迷你应用不到一个月就完成移植,数值精度与性能均通过验证。
此前英特尔GPU D270多被看作一款为推理优化的GPU。原生FP64精度、大容量内存加上开放软件,让它在高性能计算领域同样有说服力:HPC与AI走向融合的当下,它是一款平衡、能力全面的加速器,能切实改善整体工作流的产出效果。