ARM的AI敘事：AGI路徑與CPU復興

在AI敘事中，GPU一度吞噬了一切，但那些曾被邊緣化的角色，逐步重新成為瓶頸。正如黃仁勛反復強調的那樣，CPU已經成為限制英偉達“AI工廠”吞吐token速度的關鍵所在。換句話說，它是系統性能的阿姆達爾定律（Amdahl's law）極限所在。

現在，長期堅持身居幕后的Arm公司，終于也決定親自下場。Arm推出的首款面向外部銷售的數據中心CPU，命名為Arm AGI CPU，充分體現了其野心。AGI（通用人工智能）是整個AI行業的長期敘事制高點，智能體是“遞歸式”通往AGI的重要路徑。而Arm AGI CPU正是面向高性能智能體AI系統而設計的。

它性能強勁、易于擴展，而且功耗低。在發布會上，公司高管直斥x86架構CPU是AGI路線的技術債務。

根據官方資料，這款CPU擁有136個Neoverse V3核心，最高主頻可達3.7GHz，由兩個Chiplet組合而成，采用臺積電3納米工藝。每個核心配備2MB的L2緩存，并共享128MB的系統級緩存（SLC），內存帶寬825 GB/s，設計熱功率（TDP）為300W。

它已經超過了英偉達目前主打的Grace CPU。后者基于ARM Neoverse V2核心，無論是主頻、L2緩存、內存帶寬都落后了不少。

Meta與OpenAI，這些原本圍繞AI推理芯片構建體系的玩家，如今開始為CPU預留位置；叫板英偉達的芯片初創企業Cerebras，也是它的客戶之一。它們現在就可以訂購，年底實現量產；明年，就迭代到第二代；AGI CPU 3也已在規劃中。

智能體式（Agentic）AI的興起，為CPU帶來了新的價值。ARM首席執行官Rene Haas在發布會上稱，隨著AI從現有工作負載，演進到智能體式工作模式，數據中心對CPU的需求可能增長四倍，相當于每GW算力的CPU核心數，從當前的3000萬個躍升至1.2億個。相比傳統x86架構CPU，AGI CPU能省下高達100億美元/GW的電費和資本支出。

然而，能省電費也許不是CPU復興的主要原因，避免GPU價值被浪費才是。隨著GPU算力日益強大，其空閑或未充分利用的也越來越不可接受。AI工廠吞吐token的交互速度，如果從每秒400個token向1000個token延伸，那么，每百萬token的價格可以從45美元提升至150美元，這不是線性的增長。

在GTC 2026期間，黃仁勛接受專訪時稱，英偉達專注于加速計算，目標從來不是取代CPU，而是最大化整個系統的性能。那些立錯目標的競爭對手已經消失在歷史里。在現代AI系統中，系統性能始終受阿姆達爾定律制約，GPU、網絡、內存和CPU都會成為潛在瓶頸，英偉達正在一手抓。

過去10年，CPU的設計主要圍繞超大規模云計算展開（Cloud-Native CPU），更強調核心數量。在智能體興起前，AI主要用于生成內容，CPU作為GPU控制節點（Head Node CPU），負責管理GPU并持續為其提供數據，追求更高單核性能。不過，數據調度、任務編排、工具調用和系統交互，甚至操作沒有API接口的應用程序，如瀏覽網頁、點擊界面元素等，在CPU與GPU的交互中，占比仍然不顯著。英偉達的Grace CPU，主要就是GPU控制節點。

但是，隨著智能體能力不斷提升，它可以完成越來越多復雜任務，也將觸及更多無法并行的工作負荷。一旦CPU性能不足，這部分“不可加速”的工作，就會成為整個系統的瓶頸。要求CPU確保數據、任務和工具調用能夠高效流動，也就需要更強大的單核性能與IO能力。

既然AGI離不開CPU，那么，黃仁勛要打造最高效的“AI工廠”，自然也希望把CPU的命運，牢牢抓在自己手里。在上周的GTC 2026上，英偉達大力宣傳了下一代基于Arm架構的自研CPU，賣點就在于專為智能體式AI打造。

它擺脫了ARM的Neoverse核心，采用深度自研的Olympus核心，號稱單核性能最強。該CPU的每核私有L2緩存也提升至2MB，內存帶寬更是達到了1.2TB/s。Vera CPU的下一代，將是Rosa CPU，也已經早早宣布。

盡管這次黃仁勛為ARM AGI CPU美言了幾句，但事情正在變得微妙。黃仁勛為了解決AI工廠的“阿姆達爾瓶頸”，已經收購了Mellanox與Groq。在2020年，英偉達也曾動過400億美元收購ARM的念頭，但最終在所有人的反對下，于2022年宣告終止推進協議。

智能體正在改變AI敘事的競爭格局。ARM AGI CPU就是CPU復興最直接的一擊。去年，英偉達推出NVLink Fusion功能，允許只要CPU或GPU來自英偉達旗下，就能互聯互通，也許就預見到了這一刻。

事實上，英偉達也開始出售自己的CPU。一開始，單獨出售的Grace CPU，主要用于超級計算機和其他高性能計算應用。今年2月，英偉達與Meta達成了一項多年協議，其中包括首次大規模部署Grace CPU，而下一代的Vera CPU也在接受Meta的評估。

但是，Meta正是ARM AGI CPU的首位大客戶，事實上也是這款芯片的設計合作者。在硅谷巨頭中，即使是CPU領域，Meta的自研布局也相對落后。而其他幾乎所有的重要玩家，已經都自研了ARM架構的CPU，包括亞馬遜AWS的Graviton系列，微軟Azure的Cobalt系列，谷歌云的Axion系列等等。

不過，它們在AI算力集群中的作用尚不明顯，動作最快的，也主要是處于GPU控制節點的階段，而非轉為智能體式AI優化。

亞馬遜是首家推出自研CPU的超大規模云廠商，2018年就發布了Graviton。去年底，在發布的Trainium3芯片后，亞馬遜曾透露，基于該芯片的算力集群，將由自己的Graviton5驅動。谷歌兩年前發布的Axion芯片，目前覆蓋了大約30%的內部應用，未來，谷歌也會設計用于TPU集群的Axion CPU，以支撐Gemini模型。微軟基于Maia 200的算力集群仍然由英特爾CPU驅動。

看來，正如推理時代AI芯片走向定制，智能體時代的CPU復興，誰都想摻和一把。這可關系到AGI的實現呢。