Xe3P AI-accelerator med massiv LPDDR5X hukommelse

Hvad er der sket?

Intel har officielt afsløret detaljerne om deres nye accelerator, som under Hot Chips 2026 blev præsenteret som en dedikeret løsning til AI-inferens. Inferens er den proces, hvor en allerede trænet AI-model genererer svar baseret på input. Ifølge Intel er hardwaren bygget på den nye Xe3P GPU IP og er designet i et standard PCIe-format med luftkøling. Kortet har et strømforbrug på 350 W, hvilket gør det kompatibelt med mange eksisterende server- og workstation-opsætninger uden behov for specialiseret vandkøling. Intel oplyser, at hardwaren er udstyret med 32 Xe3P-kerner, 256 XMX-motorer og en massiv mængde LPDDR5X hukommelse. Mens referencekortene leveres med 160 GB, giver Intel deres ODM-partnere (Original Design Manufacturers) mulighed for at konfigurere kortet med helt op til 480 GB LPDDR5X hukommelse. Denne enorme kapacitet gør det muligt at køre frontier open-source modeller lokalt, hvilket reducerer afhængigheden af eksterne cloud-udbydere og sikrer fuld kontrol over egne data i lukkede miljøer.

Hvad er nyt ved Xe3P-acceleratoren?

Det mest markante nye element er overgangen til Xe3P-arkitekturen, som er optimeret specifikt til agentisk AI og lange kontekstvinduer. Agentisk AI refererer til systemer, der ikke blot svarer, men kan udføre komplekse opgaver autonomt. I modsætning til traditionelle grafikkort findes der ingen komponenter til billedgenerering eller output af grafik; silikonen er 100% dedikeret til beregninger.

For brugere der bygger systemer omkring en Intel Xeon processor, vil denne accelerator kunne fungere som den primære motor for AI-opgaver. Integrationen af store registerfiler på 1 MB per kerne og L1 cache på 512 KB sikrer, at data flyder hurtigt gennem pipelinen uden flaskehalse. Dette er essentielt for agentiske opgaver, hvor modellen skal kunne tilgå enorme mængder kontekstdata øjeblikkeligt via KV-cache (Key-Value cache), som gemmer tidligere dele af samtalen i hukommelsen.

Hvad betyder det for danske kunder?

For danske virksomheder og udviklere betyder denne hardware, at man kan flytte AI-infrastrukturen fra dyre cloud-abonnementer til egen hardware i egne lokaler. Dette er særligt relevant for sektorer med høje krav til datasikkerhed og privatliv under GDPR, hvor følsomme data ikke må forlade huset eller sendes til servere uden for EU. Da kortet bruger PCIe-formatet og luftkøling, kan det implementeres i en standard workstation stationær PC til kontor, grafik og AI uden behov for specialbyggede vandkølede racks.

En konfiguration med fire af disse kort kan teoretisk set håndtere modeller med trillioner af parametre, såsom Kimi K3, hvilket tidligere krævede et helt datacenter. For at opnå den fulde effekt kræves en platform der kan understøtte moderne båndbreddekrav. Dette gør det oplagt at kombinere kortet med topmoderne processorer som Intel Core Ultra 9 eller high-end Xeon-løsninger for at undgå flaskehalse i dataoverførslen. For den aktuelle pris og lagerstatus på kompatible komponenter henvises til produktkarrusellen ved artiklen.

Hvis man planlægger en komplet AI-server, kan det være relevant at læse vores AI-server guide: Blackwell eller RTX-kort i Raid for at forstå, hvordan flere acceleratorer spiller sammen. For dem der bygger fra bunden er en konfigurerbar PC guide essentiel for at sikre, at strømforsyningen og kabinettet kan rumme 350W kort i flere eksemplarer.

Krav til strømforsyning og køling

Installation af disse acceleratorer kræver en præcis elektrisk planlægning, da hvert enkelt kort har et strømforbrug på 350 W. Ved installation af flere kort i samme system skal man sikre sig, at strømforsyningen ikke blot kan levere den samlede watt-mængde, men også har nok dedikerede PCIe-strømstik til at undgå overbelastning af enkelte kabler. Luftkølingen betyder, at der skal være betydelig luftgennemstrømning i kabinettet for at undgå thermal throttling (automatisk hastighedsnedsættelse pga. varme).

For at sikre stabil drift anbefales det at bruge en Intel Xeon platform, da disse ofte er parret med bundkort designet til høj strømstyrke og termisk stabilitet. Det er vigtigt at tjekke kabinettets fysiske plads, så kortene ikke sidder for tæt, hvilket ville blokere for luftindtaget og føre til overophedning af de øverste kort i en stack.

Hvilken processor passer bedst til AI-acceleratoren?

Valget af CPU er kritisk, da acceleratoren kræver hurtig kommunikation via PCIe-bussen for at flytte data effektivt mellem systemhukommelsen og VRAM. Til professionelle arbejdsbelastninger anbefales en Intel Xeon på grund af den omfattende understøttelse af PCIe lanes (baner) og ECC-hukommelse, hvilket er essentielt for stabilitet i 24/7 drift. Til mindre skala AI-udvikling kan en Intel Core Ultra 7 eller Intel Core Ultra 9 være tilstrækkelig, forudsat at bundkortet understøtter de nødvendige baner.

For dem der ønsker en mere budgetvenlig start, kan man kigge på Intel Core Ultra 5 eller Intel Core i5, men vær opmærksom på at færre PCIe lanes kan begrænse ydeevnen hvis man installerer flere acceleratorer. For en komplet oversigt over kompatible systemer kan du se under Intel PC kategorien.

Hvordan sammenligner det med forgængeren?

Denne hardware repræsenterer et paradigmeskift i forhold til Intels tidligere GPU-indsatser, da den bevæger sig væk fra general-purpose grafik mod ren AI-acceleration. Hvor tidligere generationer fokuserede på en balance mellem compute og rendering, fjerner Xe3P alt overflødigt grafik-silikon for at give plads til flere XMX-motorer og massiv LPDDR5X hukommelse. Dette betyder, at man ikke længere kan bruge kortet til gaming eller 3D-rendering, men til gengæld får en ekstremt høj densitet af AI-beregninger per watt.

Denne specialisering gør det muligt for Intel at konkurrere direkte med high-end AI acceleratorer. For dem der overvejer alternativer, kan vores guide til AMD EPYC guide til datacentre give indsigt i, hvordan andre enterprise-løsninger håndterer lignende arbejdsbelastninger.

Skal du købe nu eller vente?

Da hardwaren først forventes at nå kunderne i anden halvdel af 2026, er det ikke et spørgsmål om at købe lige nu, men om planlægning. Hvis din virksomhed i dag kæmper med hukommelsesbegrænsninger på eksisterende GPU'er til AI-modeller, kan det give mening at vente på denne platform fremfor at investere massivt i nuværende hardware der hurtigt bliver forældet. Dog er behovet for AI-kapacitet ofte akut, og her kan man overveje midlertidige løsninger med RTX Pro kort.

En vigtig overvejelse er prisen på LPDDR5X hukommelse i disse mængder. Intel nævner selv at DRAM er dyrt, hvilket betyder at 480 GB konfigurationen vil lande i den absolutte top af prisklassen. Hvis du ikke har brug for trillion-parameter modeller, kan det være mere økonomisk at investere i nuværende Intel hardware eller kigge på mindre acceleratorer.

For dem der bygger til fremtiden, anbefales det at sikre sig en platform med moderne PCIe-support allerede nu. Dette betyder at man bør vælge bundkort og CPU'er som Intel Core Ultra 9 285K eller nyere Xeon-modeller, så hardwaren er klar til at modtage nye acceleratorer når de lander på markedet.

Typiske fejl ved AI acceleratorer

1. Forveksling med grafikkort: Den største fejl ville være at købe denne enhed til gaming eller videoredigering. Kortet har intet billedoutput og kan ikke bruges som et traditionelt grafikkort, da det er en ren inferens-enhed.
2. PCIe lane-splitting konflikter: På mange workstation-bundkort vil installation af flere acceleratorer tvinge PCIe-banerne til at splitte (f.eks. fra x16 til x8/x8). Dette kan halvere båndbredden og skabe flaskehalse, hvis man ikke bruger en CPU med nok lanes, såsom Intel Xeon w7-2575X.
3. Termiskt kollaps ved tæt montering: At montere fire 350W kort direkte oven på hinanden i et standardkabinet uden aktivt server-airflow vil føre til øjeblikkelig thermal throttling. Luftkølede acceleratorer kræver fysisk afstand eller kraftige blæsere for at holde temperaturen nede under fuld belastning.
4. Ignorering af software-stack: Selvom Intel lover support fra dag ét, kræver AI-modeller ofte specifikke frameworks som vLLM eller SGLang. Man bør sikre sig, at ens software-pipeline er kompatibel med Xe3P før køb for at undgå dyre hardware-investeringer uden funktionalitet.
5. Overestimering af VRAM behov: At betale for 480 GB hukommelse hvis man kun kører modeller der kræver 160 GB er et dyrt fejlindkøb, da LPDDR5X i disse mængder driver prisen op i den højeste enterprise-klasse.