一次不算张扬的发布，藏着一个方向性的判断
2026年10月7日，HPE发布了首批四款ProLiant Gen13服务器，全部搭载AMD第六代EPYC 9006系列处理器，代号“Venice”。四款产品覆盖从紧凑型单路推理服务器到四节点液冷高密度平台的不同定位，计划于2026年11月至2027年陆续上市。
单看产品发布本身，这不算一条爆炸性新闻。但如果把HPE在发布材料中的表述、配套的技术选择以及当前企业AI工作负载的演变趋势放在一起看，一个更清晰的信号浮现出来：企业AI的硬件逻辑正在从“堆GPU”转向“配好CPU”。
HPE服务器产品管理、质量与技术追求副总裁John Carter在采访中给了一句很实在的定位：“这些不是英伟达Vera Rubin NVL72或AMD Helios那种超大规模集群系统。这是给企业级客户的。”这句话实际上划出了一条分界线——超大规模AI工厂和企业AI基础设施，正在走向不同的硬件路径。
智能体把CPU从“配角”推回了“主角”
理解HPE Gen13的设计逻辑，需要先理解智能体工作负载对算力结构的改变。
传统大模型训练中，CPU的角色是主机节点，负责数据预处理和任务调度，GPU承担绝大部分矩阵运算。行业标准配置长期维持在1:4到1:8的CPU-GPU配比。
但智能体的工作方式和训练完全不同。一个智能体在执行任务时，需要反复进行任务规划、调用外部工具、运行隔离沙盒、检索向量数据库。这些控制流和IO交互工作主要依赖CPU完成。据TrendForce数据，在智能体工作流中，CPU任务编排耗时可达总延迟的50%至90%。AMD CEO苏姿丰此前也明确判断，CPU与GPU的配比正在从1:4、1:8向1:1甚至更偏向CPU的方向演进。
这不是GPU需求下降，而是CPU需求的增速被智能体推到了更高的位置。Arm测算显示，传统云端架构下每GW数据中心约需3000万颗CPU核心，进入智能体时代后这一数字将提升至1.2亿颗。
HPE Gen13的四款产品，恰好在这个转折点上给出了回应。
四款产品，对应四种企业AI场景
DL585a Gen13是本次发布的旗舰型号。它支持两颗EPYC 9006 SP7处理器，每颗最高256核、600W TDP，可搭载最多八张双宽PCIe GPU，通过PCIe Gen6连接。内存方面提供32个DIMM插槽，支持DDR5-8000或MRDIMM-12800，最高容量8TB。这款产品的定位是AI推理、智能体AI、RAG微调以及传统分析工作负载，计划2027年3月上市。
DL525 Gen13走的是一条完全不同的路。它是一台1U单路服务器，仅搭载一颗EPYC Venice处理器，但同样提供最高256核和16通道内存。这台机器的设计意图很明确：面向那些不需要GPU、但需要大量CPU核心来处理推理任务的企业场景，比如欺诈检测、市场数据处理和虚拟化。它将于2026年11月率先上市。
XD245和XD285则瞄准了更高密度的部署需求。XD245采用1OU四节点设计，直接液冷，最高搭载八颗EPYC处理器；XD285则是2OU双节点风冷方案，面向不具备液冷条件的数据中心。两者都计划在2027年推出。
液冷从“选项”变成了“前提”
HPE在这次发布中对液冷的处理值得注意。XD245采用直接液冷（DLC）设计，这不是一个可选项，而是产品定义的一部分。
这与整个行业的散热趋势一致。当单机架功率从传统的10kW级向100kW甚至更高攀升时，风冷的物理极限正在逼近。HPE在更早的产品线中已经在Cray超级计算平台上大规模部署了100%直接液冷方案，Gen13将这套经验下放到了企业级ProLiant产品线。
对于企业客户而言，这意味着采购决策中需要把数据中心制冷基础设施的升级纳入考量。一台支持八张600W GPU的服务器，其散热需求远超传统机架设计所能承载的范围。
安全和管理能力的代际升级
Gen13在安全层面引入了两项值得关注的变化。一是iLO 8管理引擎新增了自动化安全能力，二是产品线支持后量子加密就绪和自动自加密硬盘。这些特性对于金融、医疗等受监管行业的企业客户而言，可能比CPU核心数的提升更具实际意义。
在管理层面，HPE强调Gen13支持“混合部署”——CPU密集型节点和GPU密集型节点可以在同一机架体系内协同工作。这一设计直接对应了智能体工作流的实际需求：推理任务由CPU节点承担，需要GPU加速的环节由GPU节点处理，两者共享统一的资源调度。
一个比规格更重要的信号
HPE Gen13的发布时机，恰好落在企业AI从“试点”走向“规模化部署”的窗口期。Moor Insights & Strategy分析师Matt Kimball在评论这次发布时指出，HPE的举动表明公司看到了企业AI采用的前景正在到来，并希望积极满足企业需求。IDC研究副总裁Kuba Stolarski也认为，这四款服务器为企业提供了针对不同工作负载的合理硬件组合。
一个容易被忽略的细节是：HPE在Gen13上同时提供CPU密集型和GPU密集型两类产品，而不是把所有赌注押在GPU上。这背后的判断是——企业AI的工作负载是高度多样化的，不存在一种“万能配置”能覆盖所有场景。
对于正在规划AI基础设施的企业而言，HPE Gen13传递的信息是务实的：在智能体成为企业AI主要工作负载形态的趋势下，重新审视CPU在系统中的定位，可能比单纯追加GPU预算更有效率。选择什么样的CPU-GPU配比，最终取决于企业自身的业务场景——是偏重推理还是训练，是运行多智能体协作还是单模型服务，这些问题的答案，决定了硬件配置的起点。
（素材来自：HPE 智算芯能前沿网综合）
本文由智算芯能前沿网编辑整理，转载请注明出处。