一個數字震驚了所有人:單一機架竟能容納超過四萬五千個處理器核心。當「代理式AI」的浪潮席捲全球,傳統資料中心的運算瓶頸正成為產業發展的巨大阻礙,而Arm則以其首款自製晶片AGI CPU,宣告將徹底改寫這場算力競賽的遊戲規則。這款基於Arm Neoverse平台打造的量產級產品,核心目標就是解決AI時代下,CPU在資料中心協調運算過程中日益凸顯的「瓶頸」問題。
表象:AI時代的算力焦慮
話說回來,隨著人工智慧技術的飛速發展,特別是「代理式AI」的崛起,我們正目睹一場前所未有的運算需求爆炸。過去,運算瓶頸往往受限於人類輸入指令的速度,系統的執行節奏由人來決定。但現在,軟體代理(Agentic AI)能夠24小時不間斷地自主協調任務,並且與多個大型語言模型即時互動,做出決策。這種持續且極度複雜的運作模式,讓傳統資料中心的算力配置面臨巨大壓力。
Arm雲端AI事業部執行副總裁Mohamed Awad解釋:「在代理式AI時代,人類的限制消失了。CPU的角色因此發生質變,不再只是GPU的配角,而是必須同時管理數以千計的分散式任務、調度加速器、管理記憶體與儲存,甚至處理海量AI代理之間的『扇出』協調任務。」
真相:CPU從配角變主角的挑戰
有趣的是,當負載呈指數級飆升時,傳統x86架構的CPU在持續高負載下,往往會出現核心爭用與效能衰退等問題,這正是Arm決定親自下場打造AGI CPU的核心原因。過去,CPU或許更多被視為GPU運算的輔助角色,負責數據的前處理與後續整理。然而,在代理式AI的架構中,CPU必須承擔起更重的協調與管理職責,成為整個系統運作的核心樞紐。若CPU無法高效應對這種複雜且高頻率的協調任務,整個AI運算效率便會大打折扣,形成嚴重的算力瓶頸。
各方角力:Arm AGI CPU的機架級反擊
為了解決這個痛點,Arm AGI CPU從一開始就鎖定「機架級」效率,從運作時脈、記憶體到I/O架構,全都是為了支援「高密度機架佈署」與「大規模平行運算」而量身訂做。Arm徹底重新設計伺服器的參考架構,標榜能提供x86架構系統兩倍以上的單機架效能,並且宣告AI雲端基礎設施正式進入「Arm原生」的全新發展。
根據Arm官方釋出的「AGI CPU」硬體參考配置,其核心密度令人驚嘆:
- 1OU雙節點設計:這是Arm提出的標準氣冷伺服器參考架構。每個刀鋒伺服器包含兩個節點,配置兩顆AGI CPU、專屬記憶體與I/O埠,單一刀鋒伺服器即可提供272組運算核心。
- 氣冷36kW機架:一個標準的36kW氣冷機架系統則可塞滿30個上述刀鋒伺服器,總計提供高達8160個CPU核心。
- 液冷200kW巨獸:Arm更與Supermicro合作,設計支援200kW液冷的極端配置,單一機架可容納336顆Arm AGI CPU,總核心數更能突破驚人的45000個。
Mohamed Awad強調:「這套架構能提供超越最新x86架構系統兩倍以上的機架運算效能。其關鍵在於Arm Neoverse V3核心的單執行緒效能與更高記憶體頻寬表現,確保每一個執行緒都能完成更多工作,並且不會像x86架構設計在滿載時可能發生效能崩潰。」
深層影響:重塑AI雲端基礎設施生態
值得注意的是,Arm這次不只賣晶片,更打算直接定義下一代伺服器的硬體標準。為了加速生態系採用,Arm宣布推出符合開放運算計畫(OCP)DC-MHS標準尺寸的「Arm AGI CPU 1OU雙節點參考伺服器」。Arm計畫將這套伺服器設計、支援的韌體、系統架構規格、除錯框架及診斷工具,全數貢獻給OCP開放運算社群,等同於為整個AI產業鋪好了一條名為「Neoverse」的高速公路。
截至目前,這款晶片已經獲得包含Meta、OpenAI、Cerebras、Cloudflare等業界巨頭的採用承諾,而合作夥伴華擎、聯想與Supermicro也已開始接受商業系統的訂單。這不僅是Arm商業模式的重大轉型,更是x86陣營接下來在AI伺服器市場面臨的最嚴峻挑戰。Arm並未選擇在單顆CPU的絕對算力上與x86競爭,而是利用Arm架構的「高能效比」與「高核心密度」,直接將戰場拉高到「機架級別」。當雲端服務商評估資料中心建置時,他們看重的是在特定功耗限制下,能塞進多少算力,這正是Arm AGI CPU的巨大優勢。
未解之問:誰能主宰AI運算的未來?
從技術層面來看,Arm AGI CPU無疑是一頭徹頭徹尾的「效能怪物」,直接瞄準傳統x86架構資料中心機架的弱項。然而,這場算力競賽不僅僅是技術的較量,更是生態系與市場策略的深度博弈。Arm透過開放標準與直接提供量產晶片,正試圖收編那些急需高效能協調器卻無力自行開發CPU的AI新創與雲端業者。面對這波強勁攻勢,x86陣營將如何應對?在AI運算需求持續爆炸式成長的未來,究竟是Arm的「機架級」策略能笑到最後,還是x86架構能找到新的突破點,繼續主宰市場?這一切,仍有待時間來證明。








