Bei The Six Five Summit: AI Unleashed 2026 schlossen sich die Führungskräfte von Intel mit einem strategischen Umschwung in der künstlichen Intelligenz im Unternehmen zusammen und betonten, dass Kosteneffizienz und messbare Ergebnisse entscheidende Faktoren für die Adoption über die ersten Pilotphasen hinaus sind.
Am Dienstag betonte Anil Nanduri, Vicepräsident von Intel für KI-Produkte und Go-To-Market für die Datenzentren-Abteilung, dass Unternehmen jetzt die Rentabilität ihrer Investitionen (ROI) vor Hardware-first-Ansätzen priorisieren. Die Aktien des Unternehmens stiegen im vergangenen Jahr um 255 %, schlossen am 24. August 2026 mit 90,07 $ und fielen im Nachhandelsgeschäft um 2,24 %.
Nanduri nannte Uber als Beispielstudie und betonte, dass der Ride-Hailing-Gigant seine jährliche Budget-Bedarf für KI-Token bereits innerhalb weniger Monate überschritt. Die Firma verringerte später die Kosten und ausweitet die Bereitstellung, indem sie die Algorithmen-effizienz verbesserte, die Observierbarkeit der Token für Ingenieure verbesserte und Modelle auswählte, die speziell auf bestimmte Aufgaben zugeschnitten sind. Er betonte, dass nicht alle KI-Token gleichwertig sind und unterscheidete zwischen Anforderungen mit sehr geringer Latenz für Echtzeitapplikationen wie Betrugsdetektion und Batch-Verfahren mit verlängerten Lieferfenstern.
In der Diskussion ging es auch um die zunehmende Komplexität von agentischen KI-Systemen, die nun End-to-End-Workflowoptimierung, Orchestrierung, Verifizierung und Ausführung erfordern. Intels heterogene Rechenstrategie umfasst vier Ebenen: eine Steuerplattform, die Xeon-CPUs für Orchestrierung und Sicherheit verwendet, ein Datenplan, der CPUs, GPUs und spezielle Architekturen kombiniert, ein Netzwerkplan für die Kommunikation zwischen den Systemen und einen Speicherplan, der CPU-basierte Lösungen für Datenbanken und Speicherpools nutzt.
Intels GPUs auf Crescent Island, die mit niedrigleistungsfähiger DDR-Speicherauflösung statt GDDR oder HBM entwickelt wurden, wurden aufgrund ihrer Kosten und Energieeffizienz bei der Implementierung in PCIe-Karten hervorgehoben. Das Unternehmen schätzt, dass etwa 80 % der Unternehmens-KI-Workloads mit Open-Weight-Modellen abgedeckt werden können, während die restlichen 20 % KI mit Edge-Modelltechnologie erfordern. Darüber hinaus wurde bereits mehr als 90 % der öffentlich zugänglichen Daten abgerufen, was die Notwendigkeit eines effizienten Datenmanagements und -verarbeitungsprozesses unterstreicht.
