來源：電子工程世界（EEWorld）作者：冀凱

舊金山梅森堡（Fort Mason），這個曾經(jīng)在內(nèi)戰(zhàn)時期作為海岸防御工事的設(shè)施，正在見證計算領(lǐng)域的一場攻堅戰(zhàn)。

Arm CEO Rene Haas 站在臺上，宣布公司推出首款自主設(shè)計的量產(chǎn)數(shù)據(jù)中心 CPU —— Arm AGI CPU。關(guān)于 Arm 是否會“下場做芯片”的討論，過去幾年從未停止，而當(dāng)產(chǎn)品真正落地，這一問題也從預(yù)期變?yōu)楝F(xiàn)實(shí)，并再次引發(fā)業(yè)界討論。

這不僅是一顆芯片的誕生，更是 Arm 成立 35 年來最大的一次戰(zhàn)略轉(zhuǎn)型。過去三十年，Arm 是躲在蘋果、高通、亞馬遜背后的隱形巨人，只賣IP，不造芯片。而今天，Arm做了一件打破既有模式的里程碑。

受此消息影響，Arm股價上漲了18%。

當(dāng)開始嘗試以更直接的方式參與計算基礎(chǔ)設(shè)施的構(gòu)建時，問題隨之而來：在 x86 架構(gòu)長期主導(dǎo)的數(shù)據(jù)中心市場，Arm 的機(jī)會究竟來自哪里？資本市場又為何愿意為這種變化定價？

Arm CEO Rene Haas

復(fù)雜性與成本

長期以來，x86 架構(gòu)在服務(wù)器市場的主導(dǎo)地位，很大程度建立在單核性能與多線程能力之上。但在云計算進(jìn)入吉瓦（Gigawatt）時代的今天，這種以性能為核心的路徑開始面臨新的約束。

Arm 云AI事業(yè)部執(zhí)行副總裁 Mohamed Awad表示，性能、擴(kuò)展與能效是Arm AGI CPU的關(guān)鍵，而對于x86，其認(rèn)為，“在部分場景中，x86 的復(fù)雜性正在轉(zhuǎn)化為成本?！?/p>

“x86背負(fù)著執(zhí)行開銷與對老舊功能的兼容負(fù)擔(dān)，它們選擇聚焦于模塊化、適配眾多不同市場與小眾場景。而我們則更加專注于提升能效、降低延遲，且不受過去的束縛，不受歷史包袱的牽絆?！盇wad說道，“我們不兼容 Lotus Notes 這類老舊系統(tǒng)，只聚焦數(shù)據(jù)中心 AGI 場景的核心需求：性能、擴(kuò)展與能效?！?/p>

在性能方面：性能的核心就是在每個時鐘周期內(nèi)完成更多運(yùn)算。每時鐘周期指令數(shù)（IPC）一直是 Arm 的強(qiáng)項(xiàng)。而傳統(tǒng) CPU，有時會通過提升主頻、開啟超頻模式來在這一維度上競爭。但現(xiàn)實(shí)是：主頻提升，功耗也會隨之飆升。超頻模式無法長時間持續(xù)穩(wěn)定運(yùn)行，也無法在整顆芯片上全局生效。

在可擴(kuò)展性方面，Arm的CPU核心可實(shí)現(xiàn)線性擴(kuò)展，內(nèi)存與 I/O 子系統(tǒng)也專為匹配這些核心設(shè)計，持續(xù)為其供給算力，每個核心獨(dú)享 6GB/s 的內(nèi)存帶寬。

Awad提到，x86需要通過多線程（SMT）來解決擴(kuò)展問題，但是I/O與帶寬并不會翻倍，“只是把瓶頸轉(zhuǎn)移到了其他環(huán)節(jié)，而且CPU 還需要額外負(fù)擔(dān)線程調(diào)度的開銷，最終導(dǎo)致性能下降、進(jìn)程資源不足?！?/p>

他表示，數(shù)據(jù)中心運(yùn)營商為應(yīng)對非線性擴(kuò)展問題，不得不將數(shù)據(jù)中心資源超額部署 30% 甚至更多?！岸覀兊募軜?gòu)無需如此?！?/p>

在能效方面，Arm則是從手機(jī)和物聯(lián)網(wǎng)時代就構(gòu)建起了廣泛的認(rèn)可。

如圖所示，Awad在現(xiàn)場cue到了Arm與x86的對比，從性能、可擴(kuò)展性以及功耗三方面來看，均超過了x86，值得一提的是在性能評測中，打開多線程反而性能下降。

Awad將這一設(shè)計思路總結(jié)為對資源利用率的極致壓縮。

從短板到可用的軟件生態(tài)

如果將時間撥回五年前，Arm 在數(shù)據(jù)中心的最大障礙并非硬件，而是軟件生態(tài)。

Awad也承認(rèn)，當(dāng)時 Arm 與 x86 在軟件成熟度上存在明顯差距。但過去幾年，隨著主流云廠商與開源社區(qū)的持續(xù)投入，這一差距正在縮小。

“事實(shí)上，放眼全球 AI 應(yīng)用場景，絕大多數(shù) AI 部署均以 Arm CPU 作為核心架構(gòu)，諸多 AI 核心軟件更是率先基于 Arm 架構(gòu)開發(fā)?；诖耍覀儗?Arm 在數(shù)據(jù)中心領(lǐng)域承載各類現(xiàn)代工作負(fù)載的軟件生態(tài)布局充滿信心。”Awad說道。

Arm Neoverse軟件生態(tài)系統(tǒng)

Meta軟件工程師Paul Saab分享其團(tuán)隊(duì)與 Arm 長達(dá)十余年的合作歷程。早在 2014—2015 年，團(tuán)隊(duì)便已試水 Arm 架構(gòu)，后因市場環(huán)境變化暫時擱置。2020年后，Saab憑借對技術(shù)趨勢的判斷，在未正式獲批的情況下牽頭重啟項(xiàng)目，5 名工程師僅用 90 天便完成Arm系統(tǒng)移植。

面對初期芯片供給匱乏、生態(tài)不完善等難題，團(tuán)隊(duì)持續(xù)攻堅，歷時兩年半打造出具備商用價值的方案，目前相關(guān)負(fù)載在 Arm 平臺上已實(shí)現(xiàn)與主流方案相當(dāng)?shù)男阅埽颐客吣苄Т蠓I(lǐng)先。Saab以自己經(jīng)歷表示，如今在大模型技術(shù)加持下，遷移 Arm 的門檻已近乎為零，建議企業(yè)盡快布局。

智能體AI時代需要CPU

智能體AI（Agent AI）的爆發(fā)，正在讓CPU回到舞臺中央。

在 AI 算力的討論中，GPU 往往是主角。但 Mohamed Awad 指出，在智能體AI 時代，這種觀念必須更新：“GPU 負(fù)責(zé)生成Token，而 CPU 負(fù)責(zé)分發(fā)Token?！?/p>

AI 系統(tǒng)正日益以全球規(guī)模持續(xù)運(yùn)行。在過去，人是計算環(huán)節(jié)的瓶頸——人們與系統(tǒng)的交互速度決定了工作推進(jìn)的速度。早期的AI基礎(chǔ)設(shè)施圍繞持續(xù)、高強(qiáng)度的工作負(fù)載構(gòu)建，包括大規(guī)模模型訓(xùn)練和高吞吐推理。在這樣的環(huán)境下，加速器自然而然地占據(jù)核心地位。但如今，這種模式已無法反映現(xiàn)實(shí)——在智能體 AI 時代，因?yàn)檐浖悄荏w可自主協(xié)同任務(wù)、與多個模型交互，并實(shí)時做出決策，這種局限性將不復(fù)存在。

隨著現(xiàn)代 AI 應(yīng)用在企業(yè)平臺與面向用戶的產(chǎn)品中不斷普及，其正日益轉(zhuǎn)向基于智能體打造。這類系統(tǒng)具備持續(xù)運(yùn)行能力，可完成規(guī)劃、推理、信息檢索與行動協(xié)同，并與用戶及各類服務(wù)保持交互，在交互過程中持續(xù)實(shí)現(xiàn)自我學(xué)習(xí)。

AI系統(tǒng)不僅運(yùn)行模型，還需要在數(shù)據(jù)庫、Web 服務(wù)和應(yīng)用層之間實(shí)時編排工作流并處理數(shù)據(jù)。智能體不用休眠，它們會持續(xù)進(jìn)行任務(wù)調(diào)度、上下文檢索、內(nèi)存管理和行動協(xié)調(diào)。

也正因此，我們可以看到Arm架構(gòu)CPU這些年的快速成長：亞馬遜云科技的第五代 Graviton 處理器的核心數(shù)是 Graviton4 的兩倍，達(dá)到 192 個核；Arm Neoverse CPU 的部署核心總數(shù)已超過 10 億；Arm 在頭部超大規(guī)模云服務(wù)提供商中的份額預(yù)計將接近 50%。

CPU也要滿足Token經(jīng)濟(jì)學(xué)

AI時代，數(shù)據(jù)中心正在變成“吞電獸”，根據(jù)國際能源署的統(tǒng)計，2024年全球數(shù)據(jù)中心電力消耗約415太瓦時（TWh），占全球電力消耗的1.5%左右。預(yù)計到2030年，數(shù)據(jù)中心電力需求將增長至約945太瓦時，占全球電力總量的近3%。

能耗正在變成AI數(shù)據(jù)中心的關(guān)鍵，根據(jù)Arm估算結(jié)果，每GW的數(shù)據(jù)中心建設(shè)，若從 x86 切換至 Arm 架構(gòu)，資本支出 (CAPEX) 節(jié)省高達(dá) 100 億美元。

對投資者而言，AI影響本質(zhì)上是經(jīng)濟(jì)問題，而非純技術(shù)問題。在電力約束這一框架下，CPU與加速器的協(xié)同效率變得關(guān)鍵。如果調(diào)度能力不足，即便擁有高性能GPU，其利用率也可能受到限制。

Arm的邏輯在于，通過更高能效與可擴(kuò)展性的CPU設(shè)計，提高整體系統(tǒng)的“每機(jī)架產(chǎn)出”。這一思路并非替代加速器，而是試圖提升其利用率，從而在系統(tǒng)層面改善經(jīng)濟(jì)性。事實(shí)上，如果沒有足夠的 CPU 來高效地編排工作負(fù)載，昂貴的 AI 加速器可能會處于閑置或低利用狀態(tài)。

商業(yè)邏輯的重構(gòu)

Arm 選擇在此時下場做芯片，也不可避免引發(fā)外界質(zhì)疑，畢竟這種既是客戶又是競爭者的關(guān)系，在商業(yè)領(lǐng)域并不常見。

因此外界最直接的疑問在于：Arm 是否會因?yàn)樽匝行酒鴽_擊既有客戶關(guān)系？在問答環(huán)節(jié)中，Rene Haas 給出了回應(yīng)。他將 Arm 當(dāng)前的商業(yè)模式拆分為三個層次：一是傳統(tǒng)的 IP 授權(quán)，仍然是高利潤的基礎(chǔ)盤；二是 CSS（計算子系統(tǒng)），為客戶提供更高集成度的半定制方案；三是最新推出的量產(chǎn)芯片，即 Arm AGI CPU。

這種分層，本質(zhì)上不是取代，更多是補(bǔ)位。

畢竟除了幾家大型互聯(lián)網(wǎng)廠商，還有更多廠商沒有制造芯片的能力，同時，一些第三方Arm服務(wù)器芯片供應(yīng)商發(fā)展相對緩慢，所以在Agent AI時代，Arm需要以更直接的方式參與其中。

Awad補(bǔ)充道，在數(shù)據(jù)中心場景中，系統(tǒng)復(fù)雜度正在持續(xù)上升——從存儲卸載、網(wǎng)絡(luò)卸載，到頭節(jié)點(diǎn)調(diào)度與數(shù)據(jù)分發(fā)，對不同類型算力的需求高度分化。即便是大型云廠商，也很難覆蓋所有環(huán)節(jié)的自研。一個常被提及的例子是 Google：盡管其自研了 TPU，但依然大量采購 NVIDIA 的 GPU。自研與外采，從來不是替代關(guān)系，而是并行存在。

在這樣的結(jié)構(gòu)性缺口下，Arm試圖提供一種更靈活的供給方式。正如 Mohamed Awad 所強(qiáng)調(diào)的，客戶可以基于同一技術(shù)體系，在 IP、CSS 與整芯片之間做選擇，這也使Arm能夠參與更多價值環(huán)節(jié)。這也為其提出更高的增長目標(biāo)提供了基礎(chǔ)——從版稅模式向部分整機(jī)價值轉(zhuǎn)移。

正是這種全方位的參與，也讓Arm提出了一個雄心勃勃的收入指引。Arm預(yù)計AGI CPU將在五年內(nèi)產(chǎn)生約150億美元的年收入，2031年公司營收將達(dá)到250億美元，每股年收益達(dá)到9美元。

一次仍在進(jìn)行中的轉(zhuǎn)型

發(fā)布會上，Arm同時披露了后續(xù)產(chǎn)品路線與合作伙伴計劃，包括云廠商、AI公司以及OEM廠商的參與，同時也有包括Meta在內(nèi)的數(shù)家廠商成為Arm AGI CPU的首批客戶。

當(dāng) Rene Haas 在 Fort Mason 宣布這款芯片時，更像是在確認(rèn)一件事：Arm 不再滿足于僅作為架構(gòu)提供者存在。

我很喜歡Haas在開場白時的說法“我們認(rèn)為 “Arm 無處不在” 這一主題格外貼切今天的會議。這也是我們深感自豪的一點(diǎn)——雖然在 Arm 的日常工作中未必時時想起，但其影響力卻真實(shí)而深遠(yuǎn)，那就是我們的規(guī)模與體量?！盚aas開場時說道，“全球擁有超過 2200 萬軟件開發(fā)者，他們既深耕垂直領(lǐng)域，又能跨生態(tài)共享技術(shù)，這正是 Arm 獨(dú)一無二的魔力。全球沒有任何一家企業(yè)，能像 Arm 生態(tài)這樣實(shí)現(xiàn)從邊緣到云端的全覆蓋?！?/p>

在數(shù)據(jù)中心市場，Intel 與 AMD 所代表的 x86 體系依然穩(wěn)固，其生態(tài)與性能優(yōu)勢短期內(nèi)難以動搖。但隨著工作負(fù)載結(jié)構(gòu)的變化，一些新的切入點(diǎn)正在出現(xiàn)。

事實(shí)上，x86 的圍墻依然厚重，但 Arm 已經(jīng)開始拆掉其中的幾塊磚，正如它在其他行業(yè)開始時所做的一樣。