在过去的几十年时间里，Arm 其实一直扮演着全球半导体行业的 " 军火商 " 角色。它虽然给各个厂商提供底层指令集架构和 IP 授权，但是却一直没有下场参战，而是坐看各个芯片厂打得热火朝天。
稳坐钓鱼台的好处是不会被各个厂商视为竞争对手，无需在意竞争压力。即使是主导 x86 架构的英特尔、AMD，其实也有不少 Arm 芯片研发计划，因为他们眼中的竞争对手依然是彼此。
不过，这种局面从今天开始可能就要结束了。Arm 正式宣布其计算平台进入新的发展阶段，首次将产品线从 IP 和 CSS（计算子系统）扩展到量产芯片领域，并发布首款产品—— Arm AGI CPU。
图源：Arm
看名字就知道，这玩意是给 AI 服务器准备的，看来 AI 算力市场的巨大利润实在是让 Arm 也坐不住了。毕竟他们近年来一直饱受营收增长放缓的困扰，迫切需要一个破局点，而 AI 数据中心显然是目前乃至未来最合适的选择。
从幕后走到台前，Arm 丢出王炸
说实话，AGI CPU 发布得挺突然的，雷科技也是早上刚收到 Arm 发送的邮件，才知道他们悄然间搞了个大玩意。
AGI CPU 最高可集成 136 个 Neoverse V3 核心，不过也提供 128 核、64 核两个不同的核心规格可选，并且均支持单路和双路架构，这就给了服务器厂商们很大的选择与搭配空间。
而且，从官方文档提供的数据来看，AGI CPU 的核心性能也非常亮眼，其基频为 3.2GHz，加速主频可达 3.7GHz，最高支持 DDR5-8800 内存，而且还支持 PCIe 6.0 和 CXL 3.0（是服务器 CPU 中首个支持 PCIe 6.0 的产品），而 TDP 仅为 300W。
看到这里可能就有人要问了：" 这玩意最高主频才 3.7GHz，牛在哪？" 这就不得不给大家科普一下：服务器芯片的主频随着核心数的增加，往往都会大幅度下降，因为其与传统 CPU 负责的任务是不同的。
传统的高主频 CPU 核心数一般都不会超过三位数，比如 AMD 的 EPYC 9575F，虽然有着 3.3GHz 的基频和 5.0GHz 的加速主频，但是核心数仅 64 个，主要负责数据中心的高负载单线程任务计算，而数据中心日常最常见的低负载高并发任务，则是由多核心低主频的 CPU 负责。
所以，单纯从核心主频来判断服务器 CPU 的性能是完全错误的。作为对比，与 AGI CPU 类似的 CPU 如 AMD EPYC 9965，其基频仅 2.25GHz，加速主频同样是 3.7GHz，而这已经是目前业界的顶级服务器 CPU。
可以说，Arm 一出手就直接把自己的服务器 CPU 干到了业界的顶级水平，而且其 TDP 还比 EPYC 9965 低 200W（仅 300W），是目前同类型 CPU 中能效比最高的。根据官方的说法，在相同的供电规模下，AGI CPU 可以提供两倍于 x86 架构服务器的算力和性能。
简单来说，AGI CPU 可以让 AI 数据中心以更低的建设和后期维护成本，维持更高的算力规模，这对于云服务商来说无异于 " 瞌睡遇到枕头 "。毕竟现在 Token 成本降不下去的核心原因就是电力成本实在太高了。
可能有人觉得电费不算什么，但是当能耗达到数据中心的级别时，每一瓦功率的差距都会对整体成本带来显著影响。
举个例子，在 OpenRouter 统计的数据中，最近一个月的全球 Token 调用量中国以绝对优势领先于美国。甚至中国数据中心烧掉的 Token 有相当一部分来自欧美等海外地区，而在模型活跃度排名中，前五的模型有四个是中国模型，美国仅 Claude 上榜。
而在前段时间，美国各州陆续通过决议，要求 AI 企业自负电费成本，意味着美国 AI 企业的用电成本进一步上升，然后你就会发现各个 AI 数据中心对高能效芯片的需求会越来越大。
所以说，AGI CPU 的发布时机也非常巧妙，恰好卡在各大公司对高能效芯片的需求大涨的时候。
不再是配角，
CPU 将成为新的算力核心？
看到这里，估计有读者纳闷了：大家知道 GPU 是算力核心，为什么 CPU 也是？其实，准确来说 CPU 并非直接的算力核心。在整个 AI 数据中心的算力架构里，它更多作为调度中心和辅助计算核心来运行，负责承接低负载需求，以及给 GPU 拆解和分配任务，让 GPU 可以更高效地运算。
事实上，随着 AI 应用的重心逐渐转向实际部署和持续运行的智能体，我们对 AI 数据中心的要求也在发生很大的改变。你可以理解为，以前是需要一堆尖子生博士（GPU）一起研究一个难题（训练大模型），那么 GPU 算力自然是越高越好，因为求的就是速度，能效反而是其次。
但是，在大模型训练好后，应用端的需求往往是零散且简单的。比如 A 用户问 " 如何做好煎蛋 "，B 用户问 " 帮我把这堆数据变成表格 "，这些零散的任务若是一股脑全部塞给 GPU，那么就会造成严重的算力浪费。
所以，许多 AI 数据中心就盯上了 CPU。虽然其算力与 GPU 完全无法比，但是却可以承接前期推理、协同调度和数据搬运等任务，降低算力核心的负担，同时也让算力的使用变得更高效。
面对这种需求，Arm 在架构设计上进行了针对性的取舍与优化，让 AGI CPU 拥有出色的大规模并行代理式 AI 负载能力。简单来说，你可以将其看作一款特化版的 CPU，专注于处理服务器的并行 AI 请求，而不是无脑堆砌通用算力。
而且，凭借更低的功耗，Arm 在与超微合作推出的 200kW 液冷服务器方案中，直接部署了 336 颗 AGI CPU，单个机柜就拥有超过 45000 个核心，而在标准的 36kW 机架中，也同样支持最多 60 颗芯片的部署，单机核心可达 8160 个。
通过最大程度地兼容现有服务器硬件方案，同时推出基于 AGI CPU 定制的高密度服务器方案，Arm 极大降低了传统数据中心升级 AI 算力时的散热改造成本，对于亚马逊等传统云服务巨头来说有着不小的吸引力。
所以，AGI CPU 可能不是性能最强的，却可能是最能省钱且高效的。说白了就是能为巨头们实打实地省下钱来，并且在后续的运行中以更低成本提供同等规模的算力，这就够了。
不做搅局者，
而是成为 " 合作者 "
那么 Arm 有机会在竞争激烈的市场中杀出一条血路吗？雷科技认为是有可能的。事实上，Arm 在官方文档中就已经捎带了不少行业巨头的点评和合作动向，显然 Arm 并不打算成为一个纯粹的市场抢占者，而是选择与行业巨头合作，推动 AGI CPU 的快速落地。
比如 Meta 就已经官宣他们是 Arm 的最大合作伙伴，将在接下来的 AI 数据中心里大范围部署 AGI CPU，并与自研的 MTIA 加速器协同工作，通过这种方式降低 Meta 的 AI 算力部署成本和 Token 成本。
虽然 Meta 在顶级模型的竞争上已经落后于 OpenAI、谷歌等公司，但是如果他们可以把 Token 成本降到其他美国企业的三分之一以下，那么在一些市场上将取得明显优势。
AGI CPU 吸引来的合作方并不只有 Meta，OpenAI 也表示他们正密切关注这款芯片，并且正在与 Arm 合作推动 AGI CPU 在 OpenAI 数据中心的部署。同时，Arm 列出的合作方还包括数十家遍布全球的数据中心运营企业、网络企业和服务器供应商。
要知道，对于数据中心而言，芯片成本只是其中的一部分，包括各种硬件模块和主板在内的全套服务器机架的售价同样不低。比如英伟达的一个高速光模块售价就高达上千美元，单个计算节点仅光模块成本就超过上万美元，而 Arm 的开源选择，其实就相当于 " 我出个引擎 "，剩下的车身、轮毂、轮胎等配件你们丰俭由人。
这种 " 授人以渔 " 的打法，对于那些被封闭生态（比如极端昂贵的专有网络互连和封闭式液冷基建）深度绑定的云服务商来说就太爽了。所以，如联想、广达、超微等头部服务器厂商都已经推出早期方案，并表示商用方案将在今年内落地。
对于一款新发布的服务器 CPU 来说，这个落地速度已经十分惊人，这也意味着其有望赶上 2026 年的算力扩张浪潮。
在雷科技看来，AGI CPU 确实精准踩中了目前 AI 行业最大的痛点，可以说早一点、晚一点发布都不会引起如此大范围的关注，或是能拉出 50+ 的合作伙伴搭台。作为 Arm 的首个跨界之作，或许也将成为 Arm 转型为芯片企业的一个里程碑。
End
欢迎扫码添加小雷微信
记得备注想进群的手机品牌哦
跟小雷一起畅聊数码与 AI 科技
另外小雷建了很多粉丝群，欢迎扫码加入！
大家伙一块聊聊天，分享玩机技巧～
