不裝了！Arm親自下場造芯，性能爆殺x86？

在過去的幾十年時間里，Arm其實一直扮演著全球半導體行業的“軍火商”角色。它雖然給各個廠商提供底層指令集架構和IP授權，但是卻一直沒有下場參戰，而是坐看各個芯片廠打得熱火朝天。

穩坐釣魚臺的好處是不會被各個廠商視為競爭對手，無需在意競爭壓力。即使是主導x86架構的英特爾、AMD，其實也有不少Arm芯片研發計劃，因為他們眼中的競爭對手依然是彼此。

不過，這種局面從今天開始可能就要結束了。Arm正式宣布其計算平臺進入新的發展階段，首次將產品線從IP和CSS（計算子系統）擴展到量產芯片領域，并發布首款產品——Arm AGI CPU。

圖源：Arm

看名字就知道，這玩意是給AI服務器準備的，看來AI算力市場的巨大利潤實在是讓Arm也坐不住了。畢竟他們近年來一直飽受營收增長放緩的困擾，迫切需要一個破局點，而AI數據中心顯然是目前乃至未來最合適的選擇。

從幕后走到臺前，Arm丟出王炸

說實話，AGI CPU發布得挺突然的，雷科技也是早上剛收到Arm發送的郵件，才知道他們悄然間搞了個大玩意。

AGI CPU最高可集成136個Neoverse V3核心，不過也提供128核、64核兩個不同的核心規格可選，并且均支持單路和雙路架構，這就給了服務器廠商們很大的選擇與搭配空間。

而且，從官方文檔提供的數據來看，AGI CPU的核心性能也非常亮眼，其基頻為3.2GHz，加速主頻可達3.7GHz，最高支持DDR5-8800內存，而且還支持PCIe 6.0和CXL 3.0（是服務器CPU中首個支持PCIe 6.0的產品），而TDP僅為300W。

看到這里可能就有人要問了：“這玩意最高主頻才3.7GHz，牛在哪？”這就不得不給大家科普一下：服務器芯片的主頻隨著核心數的增加，往往都會大幅度下降，因為其與傳統CPU負責的任務是不同的。

傳統的高主頻CPU核心數一般都不會超過三位數，比如AMD的EPYC 9575F，雖然有著3.3GHz的基頻和5.0GHz的加速主頻，但是核心數僅64個，主要負責數據中心的高負載單線程任務計算，而數據中心日常最常見的低負載高并發任務，則是由多核心低主頻的CPU負責。

圖源：Arm

所以，單純從核心主頻來判斷服務器CPU的性能是完全錯誤的。作為對比，與AGI CPU類似的CPU如AMD EPYC 9965，其基頻僅2.25GHz，加速主頻同樣是3.7GHz，而這已經是目前業界的頂級服務器CPU。

可以說，Arm一出手就直接把自己的服務器CPU干到了業界的頂級水平，而且其TDP還比EPYC 9965低200W（僅300W），是目前同類型CPU中能效比最高的。根據官方的說法，在相同的供電規模下，AGI CPU可以提供兩倍于x86架構服務器的算力和性能。

簡單來說，AGI CPU可以讓AI數據中心以更低的建設和后期維護成本，維持更高的算力規模，這對于云服務商來說無異于“瞌睡遇到枕頭”。畢竟現在Token成本降不下去的核心原因就是電力成本實在太高了。

可能有人覺得電費不算什么，但是當能耗達到數據中心的級別時，每一瓦功率的差距都會對整體成本帶來顯著影響。

舉個例子，在OpenRouter統計的數據中，最近一個月的全球Token調用量中國以絕對優勢領先于美國。甚至中國數據中心燒掉的Token有相當一部分來自歐美等海外地區，而在模型活躍度排名中，前五的模型有四個是中國模型，美國僅Claude上榜。

圖源：Arm

為什么大家放著ChatGPT等性能更好的AI模型不用，而是用中國模型？原因無他，高性價比。有網友曾經統計過，在相似的AI模型性能下，中國的Token價格一般只有美國的十分之一到三十分之一，而支撐中國Token成本的則是中國的廉價電費。

而在前段時間，美國各州陸續通過決議，要求AI企業自負電費成本，意味著美國AI企業的用電成本進一步上升，然后你就會發現各個AI數據中心對高能效芯片的需求會越來越大。

所以說，AGI CPU的發布時機也非常巧妙，恰好卡在各大公司對高能效芯片的需求大漲的時候。

不再是配角，CPU將成為新的算力核心？

看到這里，估計有讀者納悶了：大家知道GPU是算力核心，為什么CPU也是？其實，準確來說CPU并非直接的算力核心。在整個AI數據中心的算力架構里，它更多作為調度中心和輔助計算核心來運行，負責承接低負載需求，以及給GPU拆解和分配任務，讓GPU可以更高效地運算。

事實上，隨著AI應用的重心逐漸轉向實際部署和持續運行的智能體，我們對AI數據中心的要求也在發生很大的改變。你可以理解為，以前是需要一堆尖子生博士（GPU）一起研究一個難題（訓練大模型），那么GPU算力自然是越高越好，因為求的就是速度，能效反而是其次。

但是，在大模型訓練好后，應用端的需求往往是零散且簡單的。比如A用戶問“如何做好煎蛋”，B用戶問“幫我把這堆數據變成表格”，這些零散的任務若是一股腦全部塞給GPU，那么就會造成嚴重的算力浪費。

所以，許多AI數據中心就盯上了CPU。雖然其算力與GPU完全無法比，但是卻可以承接前期推理、協同調度和數據搬運等任務，降低算力核心的負擔，同時也讓算力的使用變得更高效。

圖源：Arm

根據官方數據預測，隨著企業不斷擴大智能體驅動的應用規模，數據中心對每吉瓦（GW）功耗所能提供的CPU算力需求，將飆升至當前的四倍以上。這意味著，現有的計算架構必須在極其嚴格的功耗限制下，實現算力密度的大幅度提升。

面對這種需求，Arm在架構設計上進行了針對性的取舍與優化，讓AGI CPU擁有出色的大規模并行代理式AI負載能力。簡單來說，你可以將其看作一款特化版的CPU，專注于處理服務器的并行AI請求，而不是無腦堆砌通用算力。

而且，憑借更低的功耗，Arm在與超微合作推出的200kW液冷服務器方案中，直接部署了336顆AGI CPU，單個機柜就擁有超過45000個核心，而在標準的36kW機架中，也同樣支持最多60顆芯片的部署，單機核心可達8160個。

通過最大程度地兼容現有服務器硬件方案，同時推出基于AGI CPU定制的高密度服務器方案，Arm極大降低了傳統數據中心升級AI算力時的散熱改造成本，對于亞馬遜等傳統云服務巨頭來說有著不小的吸引力。

圖源：Arm

有意思的是，在官方文檔中，Arm表示經過他們的計算，使用AGI CPU部署的AI數據中心，可以在每GW（吉瓦）的AI數據中心算力建設中，節省高達100億美元的成本。考慮到微軟等巨頭的新建數據中心規模已經累積超過5GW，而計劃中的規模更是超過10GW，背后的預估可節省成本相當可觀。

所以，AGI CPU可能不是性能最強的，卻可能是最能省錢且高效的。說白了就是能為巨頭們實打實地省下錢來，并且在后續的運行中以更低成本提供同等規模的算力，這就夠了。

不做攪局者，而是成為“合作者”

那么Arm有機會在競爭激烈的市場中殺出一條血路嗎？雷科技認為是有可能的。事實上，Arm在官方文檔中就已經捎帶了不少行業巨頭的點評和合作動向，顯然Arm并不打算成為一個純粹的市場搶占者，而是選擇與行業巨頭合作，推動AGI CPU的快速落地。

比如Meta就已經官宣他們是Arm的最大合作伙伴，將在接下來的AI數據中心里大范圍部署AGI CPU，并與自研的MTIA加速器協同工作，通過這種方式降低Meta的AI算力部署成本和Token成本。

雖然Meta在頂級模型的競爭上已經落后于OpenAI、谷歌等公司，但是如果他們可以把Token成本降到其他美國企業的三分之一以下，那么在一些市場上將取得明顯優勢。

AGI CPU吸引來的合作方并不只有Meta，OpenAI也表示他們正密切關注這款芯片，并且正在與Arm合作推動AGI CPU在OpenAI數據中心的部署。同時，Arm列出的合作方還包括數十家遍布全球的數據中心運營企業、網絡企業和服務器供應商。

圖源：Arm

不得不說，憑借過去數十年里積累的生態基礎，Arm確實有不少的支持者。而且他們還做了一個出乎意料的選擇，那就是將服務器的設計方案、配套固件、系統架構規范及驗證工具完全開源。這意味著各個廠商只需要采購AGI CPU的核心，剩下的各種硬件都可以根據需求自研或搭配。

要知道，對于數據中心而言，芯片成本只是其中的一部分，包括各種硬件模塊和主板在內的全套服務器機架的售價同樣不低。比如英偉達的一個高速光模塊售價就高達上千美元，單個計算節點僅光模塊成本就超過上萬美元，而Arm的開源選擇，其實就相當于“我出個引擎”，剩下的車身、輪轂、輪胎等配件你們豐儉由人。

這種“授人以漁”的打法，對于那些被封閉生態（比如極端昂貴的專有網絡互連和封閉式液冷基建）深度綁定的云服務商來說就太爽了。所以，如聯想、廣達、超微等頭部服務器廠商都已經推出早期方案，并表示商用方案將在今年內落地。

對于一款新發布的服務器CPU來說，這個落地速度已經十分驚人，這也意味著其有望趕上2026年的算力擴張浪潮。

在雷科技看來，AGI CPU確實精準踩中了目前AI行業最大的痛點，可以說早一點、晚一點發布都不會引起如此大范圍的關注，或是能拉出50+的合作伙伴搭臺。作為Arm的首個跨界之作，或許也將成為Arm轉型為芯片企業的一個里程碑。