Ang CEO ng Intel (INTC.US) na si Chen Liwu ay nagpuri sa mga advanced na AI model ng China at matatag na sumusuporta sa open source para sa pagtaas ng efficiency.

Ayon sa balita mula sa Zhihui Finance APP, sinabi ng CEO ng Intel (INTC.US) na si Pat Gelsinger noong Lunes na mas mababa ang halaga ng single-token ng mga cutting-edge na modelo ng artificial intelligence (AI) ng China at mayroon na itong “napakabilis” na aplikasyon. Ayon sa mga ulat, sinabi ni Gelsinger na ang mga modelong tulad ng DeepSeek, Kimi at GLM ay may performance na “sapat na.” Dagdag pa niya: “Ako ay isang matatag na tagasuporta ng open source. Ito ang pinakamahusay na paraan para mapahusay ang efficiency.” Nilinaw din niya na ang market ang magpapasiya sa huli kung aling mga modelo ang angkop sa iba’t ibang application.

Ang pananaw ni Gelsinger ay kapareho ng CEO ng NVIDIA (NVDA.US) na si Jensen Huang. Minsan nang ipinagtanggol ni Huang ang Chinese open source models sa ilang pagkakataon. Noong Hulyo ngayong taon, sinabi ni Huang na ang mga modelo ng DeepSeek, Alibaba at Moonshot AI ay “napakahusay” at dapat gamitin. Idinagdag pa niya na ang open source models ay makakapagpalawak ng aplikasyon ng AI, sa halip na mabawasan ang pangangailangan para sa NVIDIA chips.

Isa sa mga mahahalagang katangian ng open source AI models ay ang relatibong mas mababang halaga ng paggamit ng mga ito. Para sa Intel, ang mas malawak na paggamit ng low-cost AI models ay maaaring magdulot ng mas malawak na deployment ng AI, na magtutulak din ng demand para sa mga CPU, server, at data center infrastructure na kailangan para patakbuhin ang mga workload na ito—isang larangan na kasalukuyang pinagtutuunan ng Intel.

Samantala, itinakda na ni Gelsinger ang data center business ng Intel bilang benepisyaryo ng agent AI. Ayon sa datos, ang kita ng Intel sa ikalawang quarter ay tumaas ng 25% year-on-year sa $16.13 bilyon, ang pinakamabilis na paglago mula 2011, mas mataas kaysa sa inaasahan ng market na $14.42 bilyon. Sa mga ito, umabot sa $6.3 bilyon ang kita ng data center at AI business unit, na tumaas ng 59% year-on-year, higit pa sa dobleng paglago ng kabuuang kita ng kumpanya, at lampas pa sa inaasahan ng market na $5.37 bilyon.

Habang ang industriya ay lumilipat mula sa pagte-training ng malalaking modelo papunta sa malawakang deployment ng agent AI na kayang magsagawa ng sariling mga gawain, sumisirit din ang demand para sa mga general-purpose CPU. Kayang magsagawa ng agent AI ng multi-step na tasks kaya nangangailangan ito ng napakalaking computing power. Ang tradisyonal na AI inference ay pwedeng umasa nang todo sa GPU para sa matrix computation, ngunit hinahati ng agent workflows ang isang gawain sa mga yugto tulad ng planning, retrieval, file I/O, rule validation, code execution, tool invocation, at result verification—mga prosesong natural na mas umaasa sa general-purpose CPU, memory access, I/O, at system scheduling. Sa tradisyonal na inference scenarios, ang GPU at CPU resource ratio ay nasa 7:1, ngunit maaaring maging malapit sa 1:1 o mas mataas pa sa CPU sa agent workflows. Hindi ito nangangahulugan na hindi na mahalaga ang GPU, kundi nagpapahiwatig na pumapasok ang AI data center sa panahon ng heterogeneous systems na binubuo ng “CPU+GPU+ASIC+optical interconnect networks+storage,” sa halip na "GPU island."

Bukod pa rito, may mga analysis na nagsasabing ang pag-unlad ng open source models ay makakatulong sa Intel na mabawasan ang pagdepende sa iisang AI ecosystem. Sa ngayon, ang merkado ng AI infrastructure ay malaking nakasentro pa rin sa paligid ng NVIDIA CUDA ecosystem. Ngunit sa pagsulong ng open source models, mas nagkakaroon ang mga enterprise ng mas maraming pagpipilian para sa AI infrastructure—for example, maaaring pumili ng NVIDIA GPU + Intel CPU, o Intel CPU + iba pang AI accelerator, o CPU para sa general computing + dedicated accelerator para sa AI inference. Para sa Intel, ang pinakamahalaga ay hindi maging “ikalawang NVIDIA,” kundi ang tiyakin na maging indispensable na supplier sila ng general-purpose computing infrastructure para sa AI data centers.