英特尔携手开源社区，共筑开放 AI 未来

英特尔将携多位开源社区技术专家亮相 KubeCon 2026大会，围绕开放技术、AI 软件栈与开发者体验，带来三场技术分享和两项现场演示，展示从芯片、系统、框架到推理服务的端到端开源 AI 实践。

09-07 09:00:00 09-09 18:00:00 12 1天前

开源 AI 正在进入由模型创新、系统优化、基础设施升级和智能化开发共同驱动的新阶段。当 Agentic AI 开始参与代码开发、模型优化、系统运维和应用创新，开发者正在面临新的机遇与挑战：如何更高效地构建 AI 应用？如何充分释放算力价值？如何让开源生态持续演进、加速创新？

在 KubeCon + CloudNativeCon + OpenInfra Summit + PyTorch Conference China2026期间，英特尔将携多位开源社区技术专家亮相大会，围绕开放技术、AI 软件栈与开发者体验，带来三场技术分享和两项现场演示，展示从芯片、系统、框架到推理服务的端到端开源 AI 实践。

开放协作，社区优先，Agentic AI驱动，与开发者同行

英特尔长期深耕开源 AI 生态，坚持“优先贡献开源社区”的 upstream-first 策略，持续将平台能力、软件优化和开发者体验沉淀到 PyTorch、vLLM、SGLang 等主流开源项目中，帮助开发者更高效地构建、部署和优化 AI 应用，把创新回馈给开发者。

本次活动中，英特尔将重点展示 Agentic AI 如何贯穿开发、部署与自演进的全流程，帮助开发者将更多精力投入创新，而非重复劳动，包括：

在框架层面提升 CI 维护、单元测试、自动特性和修复对齐与模型性能分析效率；
在推理层面加速新模型适配、算子生成、量化分发和服务验证；
在服务层面探索自动修复、特性挖掘与特性开发，让开源项目持续演进。

三场技术分享：从 AI 推理、框架泛化到可信云原生基础设施

Session 1

KV Cache: Accelerating AI inference on Intel CPU

随着上下文窗口持续扩大，KV Cache 正逐渐成为大模型推理性能、并发能力和部署成本的新瓶颈。本场分享将面向大模型推理中的 KV Cache 与 HBM 瓶颈，深入解析英特尔 KV Shrink技术如何将 KV Cache 作为可分层、可压缩的资源进行管理，通过 DDR/Storage 卸载和英特尔QuickAssist硬件加速压缩，提高缓存复用率，降低 TTFT 延迟，并支持更高并发，将KV Cache从消耗资源的负担转变为可高效管理的基础设施能力。

关键词：LLM 推理、KV Cache、KVShrink、英特尔 QuickAssist、低延迟、高并发

Session 2

Write Once, Run Anywhere: PyTorch's Generalization Journey

AI 生态加速演进，多硬件后端已成为现实。PyTorch 如何在兼顾创新速度的同时，实现跨硬件平台的一致开发体验？

本场分享聚焦 PyTorch 在多硬件后端时代的泛化能力建设，分享如何通过统一 Autocast、Inductor、Graph 等模块级 API，引入 torch.accelerator 统一运行时接口，并重构测试基础设施，降低新硬件后端支持成本。

关键词：PyTorch 泛化、torch.accelerator、跨后端一致性、测试基础设施

Session 3

One Size Fits None: Lightweight Workload-Specialized Confidential Containers

在 AI 应用快速发展的同时，安全与隔离正成为云原生基础设施的重要能力。

然而，机密容器带来的启动延迟与资源开销，是规模化部署面临的现实挑战。

本场分享从机密容器（Confidential Containers）的安全边界与架构出发，剖析其在内存开销与启动时延上的隐性成本，探讨如何通过定制化软件栈（轻量级 VMM 与固件、定制化 Linux 或 Unikernel），在缩减攻击面的同时，使 Serverless、边缘或智能体沙箱等特定云原生工作负载在速度、规模和强隔离之间取得更优平衡。

关键词：机密容器、轻量级虚拟化、定制化运行时、云原生安全

两项展台演示：把开放 AI 平台能力带到开发者手中

现场展台演示1

英特尔Agentic AI 开发到部署的全流程实践

现场体验英特尔如何利用 Agentic AI 重塑开源软件开发流程。

目标：Upstream-first、Agentic AI驱动设计创新，让开发更高效。
PyTorch XPU Agent 工作流：面向 PyTorch XPU 开发的端到端智能化工作流，覆盖 CI 问题诊断、自动修复、新测试用例支持、社区新问题自动识别对齐、超过400+ 模型性能跟踪与 PR 合入支持，可显著降低 CI 维护投入。

vLLM XPU Agent工作流：在英特尔 XPU 与至强平台上自动完成模型接入、内核生成、量化部署和全流程验证，将新模型适配时间从数周缩短至隔夜完成。
SGLang XPU 自我演进工作流：展示面向开源项目的自演进流程，通过 Agent 自动修复问题、挖掘新特性并辅助特性开发。

现场展台演示2

英特尔 AI Hub 解决方案

英特尔 AI Hub 正式亮相。

目标：Intel AI Hub，以“推理即服务（Inference As A Service）”为核心定位，是面向 AI 开发者与产业伙伴的一站式 AI 生态枢纽，从想法到落地，全程陪跑 AI 创新。
内容：AI Hub 视频展示、5 个方案现场体验、合作伙伴品牌演示墙，以及开发者与解决方案招募。
价值：通过 AI Hub 与 AI软件目录，帮助开发者更快发现、体验和落地面向英特尔平台优化的 AI 解决方案。

为什么值得关注：从芯片到软件，降低开发门槛，提升工程速度

从硬件能力到开源软件栈

英特尔不仅提供 CPU、XPU 与硬件加速能力，也持续把优化能力向上游开源社区沉淀，让开发者在主流框架和推理系统中自然获得平台收益。

从手工维护到 Agentic 自动化

Agentic AI 正在改变 AI 软件工程方式，将 CI 维护、问题定位、性能分析、模型适配和特性开发中的重复性工作自动化，释放工程效率。

从单点优化到端到端开发者体验

围绕安装、模型覆盖、性能、部署和社区一致性，英特尔致力于打造可持续、可扩展、可复用的开放 AI 平台体验。

9月8日-9日，上海见！

无论你是开源贡献者、AI开发者、云原生工程师，还是正在探索 Agentic AI 的技术实践者，欢迎来到英特尔展台，与技术专家面对面交流。

一起探索开放 AI 的最新实践，共同推动下一代智能应用创新。

KubeCon + CloudNativeCon + OpenInfra Summit + PyTorch Conference China 2026

英特尔期待与你相见。