来源：电子工程世界（EEWorld）作者：冀凯

旧金山梅森堡（Fort Mason），这个曾经在内战时期作为海岸防御工事的设施，正在见证计算领域的一场攻坚战。

Arm CEO Rene Haas 站在台上，宣布公司推出首款自主设计的量产数据中心 CPU —— Arm AGI CPU。关于 Arm 是否会“下场做芯片”的讨论，过去几年从未停止，而当产品真正落地，这一问题也从预期变为现实，并再次引发业界讨论。

这不仅是一颗芯片的诞生，更是 Arm 成立 35 年来最大的一次战略转型。过去三十年，Arm 是躲在苹果、高通、亚马逊背后的隐形巨人，只卖IP，不造芯片。而今天，Arm做了一件打破既有模式的里程碑。

受此消息影响，Arm股价上涨了18%。

当开始尝试以更直接的方式参与计算基础设施的构建时，问题随之而来：在 x86 架构长期主导的数据中心市场，Arm 的机会究竟来自哪里？资本市场又为何愿意为这种变化定价？

Arm CEO Rene Haas

复杂性与成本

长期以来，x86 架构在服务器市场的主导地位，很大程度建立在单核性能与多线程能力之上。但在云计算进入吉瓦（Gigawatt）时代的今天，这种以性能为核心的路径开始面临新的约束。

Arm 云AI事业部执行副总裁 Mohamed Awad表示，性能、扩展与能效是Arm AGI CPU的关键，而对于x86，其认为，“在部分场景中，x86 的复杂性正在转化为成本。”

“x86背负着执行开销与对老旧功能的兼容负担，它们选择聚焦于模块化、适配众多不同市场与小众场景。而我们则更加专注于提升能效、降低延迟，且不受过去的束缚，不受历史包袱的牵绊。”Awad说道，“我们不兼容 Lotus Notes 这类老旧系统，只聚焦数据中心 AGI 场景的核心需求：性能、扩展与能效。”

在性能方面：性能的核心就是在每个时钟周期内完成更多运算。每时钟周期指令数（IPC）一直是 Arm 的强项。而传统 CPU，有时会通过提升主频、开启超频模式来在这一维度上竞争。但现实是：主频提升，功耗也会随之飙升。超频模式无法长时间持续稳定运行，也无法在整颗芯片上全局生效。

在可扩展性方面，Arm的CPU核心可实现线性扩展，内存与 I/O 子系统也专为匹配这些核心设计，持续为其供给算力，每个核心独享 6GB/s 的内存带宽。

Awad提到，x86需要通过多线程（SMT）来解决扩展问题，但是I/O与带宽并不会翻倍，“只是把瓶颈转移到了其他环节，而且CPU 还需要额外负担线程调度的开销，最终导致性能下降、进程资源不足。”

他表示，数据中心运营商为应对非线性扩展问题，不得不将数据中心资源超额部署 30% 甚至更多。“而我们的架构无需如此。”

在能效方面，Arm则是从手机和物联网时代就构建起了广泛的认可。

如图所示，Awad在现场cue到了Arm与x86的对比，从性能、可扩展性以及功耗三方面来看，均超过了x86，值得一提的是在性能评测中，打开多线程反而性能下降。

Awad将这一设计思路总结为对资源利用率的极致压缩。

从短板到可用的软件生态

如果将时间拨回五年前，Arm 在数据中心的最大障碍并非硬件，而是软件生态。

Awad也承认，当时 Arm 与 x86 在软件成熟度上存在明显差距。但过去几年，随着主流云厂商与开源社区的持续投入，这一差距正在缩小。

“事实上，放眼全球 AI 应用场景，绝大多数 AI 部署均以 Arm CPU 作为核心架构，诸多 AI 核心软件更是率先基于 Arm 架构开发。基于此，我们对 Arm 在数据中心领域承载各类现代工作负载的软件生态布局充满信心。”Awad说道。

Arm Neoverse软件生态系统

Meta软件工程师Paul Saab分享其团队与 Arm 长达十余年的合作历程。早在 2014—2015 年，团队便已试水 Arm 架构，后因市场环境变化暂时搁置。2020年后，Saab凭借对技术趋势的判断，在未正式获批的情况下牵头重启项目，5 名工程师仅用 90 天便完成Arm系统移植。

面对初期芯片供给匮乏、生态不完善等难题，团队持续攻坚，历时两年半打造出具备商用价值的方案，目前相关负载在 Arm 平台上已实现与主流方案相当的性能，且每瓦能效大幅领先。Saab以自己经历表示，如今在大模型技术加持下，迁移 Arm 的门槛已近乎为零，建议企业尽快布局。

智能体AI时代需要CPU

智能体AI（Agent AI）的爆发，正在让CPU回到舞台中央。

在 AI 算力的讨论中，GPU 往往是主角。但 Mohamed Awad 指出，在智能体AI 时代，这种观念必须更新：“GPU 负责生成Token，而 CPU 负责分发Token。”

AI 系统正日益以全球规模持续运行。在过去，人是计算环节的瓶颈——人们与系统的交互速度决定了工作推进的速度。早期的AI基础设施围绕持续、高强度的工作负载构建，包括大规模模型训练和高吞吐推理。在这样的环境下，加速器自然而然地占据核心地位。但如今，这种模式已无法反映现实——在智能体 AI 时代，因为软件智能体可自主协同任务、与多个模型交互，并实时做出决策，这种局限性将不复存在。

随着现代 AI 应用在企业平台与面向用户的产品中不断普及，其正日益转向基于智能体打造。这类系统具备持续运行能力，可完成规划、推理、信息检索与行动协同，并与用户及各类服务保持交互，在交互过程中持续实现自我学习。

AI系统不仅运行模型，还需要在数据库、Web 服务和应用层之间实时编排工作流并处理数据。智能体不用休眠，它们会持续进行任务调度、上下文检索、内存管理和行动协调。

也正因此，我们可以看到Arm架构CPU这些年的快速成长：亚马逊云科技的第五代 Graviton 处理器的核心数是 Graviton4 的两倍，达到 192 个核；Arm Neoverse CPU 的部署核心总数已超过 10 亿；Arm 在头部超大规模云服务提供商中的份额预计将接近 50%。

CPU也要满足Token经济学

AI时代，数据中心正在变成“吞电兽”，根据国际能源署的统计，2024年全球数据中心电力消耗约415太瓦时（TWh），占全球电力消耗的1.5%左右。预计到2030年，数据中心电力需求将增长至约945太瓦时，占全球电力总量的近3%。

能耗正在变成AI数据中心的关键，根据Arm估算结果，每GW的数据中心建设，若从 x86 切换至 Arm 架构，资本支出 (CAPEX) 节省高达 100 亿美元。

对投资者而言，AI影响本质上是经济问题，而非纯技术问题。在电力约束这一框架下，CPU与加速器的协同效率变得关键。如果调度能力不足，即便拥有高性能GPU，其利用率也可能受到限制。

Arm的逻辑在于，通过更高能效与可扩展性的CPU设计，提高整体系统的“每机架产出”。这一思路并非替代加速器，而是试图提升其利用率，从而在系统层面改善经济性。事实上，如果没有足够的 CPU 来高效地编排工作负载，昂贵的 AI 加速器可能会处于闲置或低利用状态。

商业逻辑的重构

Arm 选择在此时下场做芯片，也不可避免引发外界质疑，毕竟这种既是客户又是竞争者的关系，在商业领域并不常见。

因此外界最直接的疑问在于：Arm 是否会因为自研芯片而冲击既有客户关系？在问答环节中，Rene Haas 给出了回应。他将 Arm 当前的商业模式拆分为三个层次：一是传统的 IP 授权，仍然是高利润的基础盘；二是 CSS（计算子系统），为客户提供更高集成度的半定制方案；三是最新推出的量产芯片，即 Arm AGI CPU。

这种分层，本质上不是取代，更多是补位。

毕竟除了几家大型互联网厂商，还有更多厂商没有制造芯片的能力，同时，一些第三方Arm服务器芯片供应商发展相对缓慢，所以在Agent AI时代，Arm需要以更直接的方式参与其中。

Awad补充道，在数据中心场景中，系统复杂度正在持续上升——从存储卸载、网络卸载，到头节点调度与数据分发，对不同类型算力的需求高度分化。即便是大型云厂商，也很难覆盖所有环节的自研。一个常被提及的例子是 Google：尽管其自研了 TPU，但依然大量采购 NVIDIA 的 GPU。自研与外采，从来不是替代关系，而是并行存在。

在这样的结构性缺口下，Arm试图提供一种更灵活的供给方式。正如 Mohamed Awad 所强调的，客户可以基于同一技术体系，在 IP、CSS 与整芯片之间做选择，这也使Arm能够参与更多价值环节。这也为其提出更高的增长目标提供了基础——从版税模式向部分整机价值转移。

正是这种全方位的参与，也让Arm提出了一个雄心勃勃的收入指引。Arm预计AGI CPU将在五年内产生约150亿美元的年收入，2031年公司营收将达到250亿美元，每股年收益达到9美元。

一次仍在进行中的转型

发布会上，Arm同时披露了后续产品路线与合作伙伴计划，包括云厂商、AI公司以及OEM厂商的参与，同时也有包括Meta在内的数家厂商成为Arm AGI CPU的首批客户。

当 Rene Haas 在 Fort Mason 宣布这款芯片时，更像是在确认一件事：Arm 不再满足于仅作为架构提供者存在。

我很喜欢Haas在开场白时的说法“我们认为 “Arm 无处不在” 这一主题格外贴切今天的会议。这也是我们深感自豪的一点——虽然在 Arm 的日常工作中未必时时想起，但其影响力却真实而深远，那就是我们的规模与体量。”Haas开场时说道，“全球拥有超过 2200 万软件开发者，他们既深耕垂直领域，又能跨生态共享技术，这正是 Arm 独一无二的魔力。全球没有任何一家企业，能像 Arm 生态这样实现从边缘到云端的全覆盖。”

在数据中心市场，Intel 与 AMD 所代表的 x86 体系依然稳固，其生态与性能优势短期内难以动摇。但随着工作负载结构的变化，一些新的切入点正在出现。

事实上，x86 的围墙依然厚重，但 Arm 已经开始拆掉其中的几块砖，正如它在其他行业开始时所做的一样。