在 2026 年的 Intel Pro Day 2026 上，Intel 正式发布了代号为“Big Battlemage”的新一代专业级 GPU——Arc Pro B70 与 Arc Pro B65。这也是 Battlemage 架构首次以“大核心”形态进入 AI 推理与专业工作站市场。

与此前基于 BMG-G21 核心的 Arc Pro B50 / B60 不同，此次发布的两款新品均基于全新、更大规模的 BMG-G31 GPU，仍采用 TSMC N5 工艺，但在核心规模、AI算力和显存配置上均有明显提升，定位也更加明确：本地 AI 推理 + 专业内容生产 + 多卡扩展部署。

从整体市场判断来看，Intel 依然在做一个“中间层”的产品策略：既不是极致训练向（对标高端数据中心 GPU），也不是消费级游戏卡，而是面向工程师、开发者以及企业本地部署场景的“可规模化 AI 计算节点”。这一定位与当前本地大模型推理市场的快速增长趋势是高度契合的。

Arc Pro B70：32GB 显存 + 367 TOPS，面向高负载本地推理

Arc Pro B70 是本次发布的旗舰型号，搭载完整的 BMG-G31 核心，核心规格如下：
●32 个 Xe2-HPG 核心
●256 个 XMX（Xe Matrix Extensions）AI 引擎
●32 个光追单元
●INT8 算力最高 367 TOPS
●核心频率 2800 MHz
在显存配置上，B70 直接给到 32GB GDDR6，256-bit 位宽，19 Gbps 速率，对应带宽约 608 GB/s。这一规格在当前**“本地部署 7B / 13B / 70B 模型切分推理”的场景中，具备较强的适配能力，尤其是在需要更高精度（FP16 / INT8 混合）推理时，显存容量的优势会更加明显**。

功耗方面，公版为 230W，AIC 版本可根据设计扩展至 160W–290W 区间，同时支持 16-pin 供电。值得注意的是，上一代 B60 已经出现过双 GPU 拼接卡（最高 48GB 显存），B70 理论上也具备向 64GB（双芯片）形态扩展的可能，这对于多卡推理集群是一个重要信号。

在软件与生态上，B70 支持：
●多 GPU LLM 推理（Linux 环境）
●OpenVINO / oneAPI
●Vulkan 1.3 / OpenCL 3.0 / OpenGL 4.6
●AV1 / HEVC / H.264 / VP9 编解码
●ISV 认证驱动（面向专业软件）
接口方面提供 4 个 DP 2.1，兼顾多屏与高分辨率输出需求。
整体来看，B70 更像是一张“轻量化 AI 推理卡 + 内容生产卡”的融合体，适合用于本地 AI 工作站、边缘节点以及中小规模推理集群。

Arc Pro B65：同样 32GB 显存，更偏性价比推理节点

相比之下，Arc Pro B65 采用的是精简版 BMG-G31 核心，更偏向成本优化：
●20 个 Xe2-HPG 核心
●160 个 XMX AI 引擎
●20 个光追单元
●INT8 算力最高 197 TOPS
●核心频率 2400 MHz
比较有意思的是，B65 同样配备了 32GB GDDR6 显存，但位宽缩减为 192-bit，整体带宽依然维持在 608 GB/s，这意味着它在“显存容量优先”的场景下，依然具备不错的竞争力。
功耗为约 200W（依厂商不同略有变化），在功耗与性能之间取得了一个相对平衡的位置。
如果从实际部署角度来看，B65 更适合作为：
●多卡横向扩展节点（scale-out）
●中小模型推理（如 7B / 13B）
●成本敏感型 AI 工作站

产品定位与市场判断

从 B70 与 B65 的组合可以看出，Intel 在这一代产品中强调的是三个关键词：
1.本地 AI 推理（Local Inference）
2.多卡扩展能力（Scalability）
3.专业软件生态兼容（ISV + oneAPI）

相比云端训练市场（预计到 2030 年规模达 2500 亿美元），工作站与专业 GPU 市场体量虽然较小（约 170 亿美元），但在企业本地部署、安全合规、私有数据处理等场景中，需求正在快速增长，这也是 Arc Pro B 系列切入的核心逻辑。

尤其是在当前“企业自建大模型 + 本地推理”逐渐成为趋势的背景下，类似 32GB 显存 + 中高算力的 GPU，正好卡在一个非常关键的“可用区间”。

价格与上市节奏

●Arc Pro B70：已于 2026 年 3 月 25 日上市，起售价 949 美元
●Arc Pro B65：预计 2026 年 4 月中旬推出，价格低于 B70

从这次发布来看，Battlemage 大核心的落地并没有优先进入游戏市场，而是直接切入 AI 推理与专业计算，这一策略本身已经说明了当前 GPU 竞争的重心正在发生变化。对于企业用户来说，真正需要关注的不是单卡参数本身，而是能否围绕具体业务场景（如大模型推理、数据分析、内容生产）构建稳定、可扩展的算力体系，这也是我们在实际项目中持续在做的事情。