为何AI数据中心的系统架构师首选Arm平台

2001年3月29日在北京评出。中国 参见 中国百年百大考古发现 全国十大考古新发现 参考文献 2001年中国大陆 中华人民共和国文物 中国百大 2001年3月 20世纪考古发现世纪秦汉魏晋南北朝有2

过去十多年,云基础设施通过“抽象化”实现扩展,借助标准化服务器、虚拟化资源及软件层,有效弥合了硬件层面的差异。这种模式之所以行之有效,是因为部分工作负载能够容忍一定程度的低效。然而,人工智能(AI) 工作负载无法容忍低效,也因此暴露出了传统架构在供电、散热、算力密度、内存带宽及系统整体性能方面的短板。

本质上,AI 重新定义了“优秀”基础设施的标准。相应地,平台设计的重心也从注重单一的芯片或服务器,转向了打造机架级、可扩展的系统,在功耗和预算有限的前提下,实现高效扩展。而这一转变背后的原因在于,推理与智能体 AI 工作负载持续增长且不间断运行,对高密度、全天候在线的算力需求正快速提升。

Futurum 在《Arm处于 AI 和数据中心变革的中心》报告中,把这一转变称为迈向“系统级协同”。设计的关键不再是堆多少算力,而是平台能不能有效地把加速器、CPU、内存、网络和软件协同起来。

正因如此,业界正加速迈向定制化机架级系统设计:即围绕 AI 负载特性、功耗波动和持续利用率来进行端到端设计的平台。越来越多的架构师开始重新思考计算底层设计,选择基于 Arm 架构来解决现代 AI 平台面临的多重约束。

AI 促使行业重构:转向定制化机架级系统

这一转变的核心原因,并非通用型标准化基础设施无法承载 AI,而是碎片化的系统设计,在 AI 规模化部署时,终将转化为真实可感的成本代价。

AI 工作负载在计算、内存、网络、存储及软件各环节紧密耦合。CPU 拖后腿,昂贵的加速器就会空等;功耗和散热波动,利用率就会下滑;数据管道、调度、编排未能针对平台调优,吞吐量就不可预测。峰值性能依然重要,但稳定性、每瓦性能和系统整体平衡性更关键。

Futurum 指出,超大规模云服务提供商正进行结构性调整,旨在实现算力的指数级增长,同时避免能耗的同步激增。Futurum 引用 Arm 的数据指出,到 2025 年末,出货到头部超大规模云服务提供商的算力中,有近 50% 是基于 Arm 架构。

架构师现在不再只看纸面跑分,而是更关心 AI 平台在实际应用中能否长期可靠地运行智能体 AI 和连续推理工作负载,比如:

长时间高负载下,系统表现如何?

在实际环境中,功耗限制和散热条件如何影响性能曲线?

在机架级系统中,计算层如何确保加速器能持续获得稳定的数据供给,而非仅停留在纸面参数上?

当能效、可扩展性与系统平衡性成为首要原则时,重新审视 CPU 底层架构就成了必然。也正因为此,Arm 凭借领先的架构和完善的生态,正是这场行业变革的核心所在。

在数据中心领域,Arm Neoverse 平台是推动这一转型的核心引擎。亚马逊云科技、Google、微软、NVIDIA 等头部超大规模云服务提供商与 AI 领军企业,都在基于 Arm 架构或采用 Arm 计算平台进行产品研发。Arm 的模式既能支持定制化系统设计,又能保持跨平台、跨生态、跨软件的一致性。对于想要构建高集成度平台、又不愿被单一技术路径绑定的团队而言,这种灵活性至关重要。

智能体 AI 与持续推理,

重塑规模化算力的经济逻辑

随着 AI 与通用计算工作负载的融合,AI 工作负载正在发生变化,基础设施也需随之调整,以支持多样化的工作负载特性。

行业重心正在转向智能体 AI,而智能体 AI 本质上就是一个连续推理系统。智能体并不是简单地给出一个答案, 而是会规划、调用工具、检索数据、验证结果,如此循环往复。由此便形成了连续推理模式:稳定不间断的词元 (token) 生成任务,请求类型趋于多元化,围绕加速器的编排和数据迁移任务变得更繁重。

在智能体 AI 里,CPU 不再是配角, 而是整个 AI 系统的控制中枢。CPU 负责协调控制、调度任务、管理 IO、处理网络与存储服务、执行安全策略,并在模型、上下文及工具链不断演进的过程中,维持整个系统的平衡。

以承载大语言模型 (LLM) 的服务为例,它可能同时处理成百上千的并发请求。就算加速器负责核心计算,CPU 也要承担请求权限控制、分词和预处理、批处理和队列调度、数据迁移编排,以及针对模型权重与 KV 缓存的数据路径协调等。到了智能体工作流,CPU 的工作负担进一步扩展,还要承担工具调用、检索流程、结构化输出验证、多步调度等持续运行的任务。

这一切都表明,CPU的重要性远超许多团队的预期。如果 CPU 跟不上编排节奏,数据迁移、处理流程和加速器都会被“卡住”,面临结构性的闲置风险。

融合型 AI 数据中心的建设,彰显了 Arm 架构的强劲势头

Arm 的发展势头正在加快。在业内领先的集成式 AI 系统中,基于 Neoverse 平台的 CPU 被广泛用于智能体推理密集型系统的编排层,尤其适合追求高能效、可预测扩展能力和大规模部署的应用场景。

独立测试也印证了现代 CPU 基础平台在“AI 相关”工作负载中的价值。Futurum 旗下 Signal65 的独立基准测试对比了基于 Arm Neoverse 平台的 Amazon Graviton4 与同级的 AMDIntelEC2 实例,结果显示:在生成式 AI (Llama-3.1-8B)、数据库 (Redis)、机器学习(XGBoost)、网络 (Nginx) 等测试的各种工作负载中,基于 Neoverse 平台的 Graviton4 在性能和性价比方面大幅领先。

测试结果直接反映了智能体 AI 数据中心的现状:LLM、检索层、缓存、Web/API、传统机器学习等全都处于智能体系统的关键路径上,只有当 CPU 兼具速度与能效时,整体才能更好地扩展。

最新的机架级 AI 系统在架构设计上,均采用定制化加速器层以及基于 Arm 架构的 CPU 层的组合,由后者承担调度编排、数据迁移与智能体推理预处理等关键任务。NVIDIA Grace Hopper、Grace Blackwell 等系列产品,将 NVIDIA GPU与基于 Neoverse 架构的 Grace CPU 深度融合。而其最新机架级平台 Vera Rubin NVL72,更是在系统内集成 72 颗 Rubin GPU 与 36 颗基于 Arm 架构的 Vera CPU,专为交互式、深度推理型智能体 AI 优化,显著降低推理成本。

亚马逊云科技也在走同样的系统级路线:Amazon Trainium3 UltraServer 把 Trainium3 加速器芯片与 Graviton CPU 结合,强化了“融合型”设计理念:将加速器与定制的高性能、高能效 CPU 相匹配,以实现高效扩展。

“提供更优选择”不再是偏好,而是硬性要求

AI 系统迭代太快,固定架构已无法适配其发展节奏,因此为客户提供更优选择已成为风险管理的必要举措。

系统架构师想要的是:

平台能适应不同代的硬件、多样的工作负载配置及各异的部署环境;

软件可移植,以降低系统变更成本。

与此同时,系统架构师希望避免因过度依赖单一厂商,而导致在模型组合变化、业务规模扩张或新需求出现时陷入被动。在智能体时代尤其如此:推理形态不断变化,上下文更长、工具调用更多、多模态输入更频繁、全天候工作负载更普遍,效率和平衡远比峰值跑分重要。

Arm 架构在提升系统性能的同时,保持跨平台一致性。Arm 架构不仅引入了现代 AI 基础设施所需的关键特性,而且拥有强大的软件生态支持。Arm 计算子系统 (CSS) 提供经过验证的基础设施级模块,既加速了芯片开发,又保留了合作伙伴间的差异化与选择权。对于所有基于 Arm 架构的平台,一致性贯穿始终,云工作负载迁移至 Arm 平台也极为便捷。同时,在软件层面,Arm 生态助力团队在不同环境与平台间拥有一致连贯的基础,从而加速开发进程,无需重写所有代码。

智能体 AI 经济重塑 CPU 选择格局,Arm Neoverse 平台成头部厂商首选

系统架构师之所以倾向于 Arm 平台,因为它精准匹配定制AI 系统的核心需求:能效、可扩展性及每瓦性能。能效重要,因为功耗和预算是硬上限;系统平衡和 CPU 性能重要,因为加速器闲置成本极高;一致性重要,因为 AI 基础设施变化快、跨环境部署日益增多。

在融合型智能体 AI 数据中心里,面对持续推理的应用需求,上述优先事项变成了上线即需满足的硬性指标。智能体系统不只需要能生成词元的加速器,更需要以 CPU 为核心的编排能力,在网络、存储、调度、安全层面,持续、高效、大规模地把资源利用起来。

Arm 如今的强劲增长正源于此:Neoverse 正成为智能体时代的 CPU 基础平台,作为计算头节点,是让 AI 系统保持高效、一致并面向未来的核心控制中枢。

" alt="为何AI数据中心的系统架构师首选Arm平台" />

讯潮

记住网址,掌握一手讯潮资讯

为何AI数据中心的系统架构师首选Arm平台

讯潮热点2026-06-04 02:32:39
327
2001年3月29日在北京评出。中国 参见 中国百年百大考古发现 全国十大考古新发现 参考文献 2001年中国大陆 中华人民共和国文物 中国百大 2001年3月 20世纪考古发现世纪秦汉魏晋南北朝有24项,项考 列表 名单按时代之先后排列如下: 1.北京周口店旧石器时代遗址的发现发掘与北京人、南朝模印拼嵌砖画大墓及大族家族墓地的中国发掘; 80.甘肃敦煌石窟的调查与发掘; 81.河南洛阳龙门石窟的调查与发掘; 82.山西大同云冈石窟的调查与发掘; 83.吉林集安高句丽王室及贵族墓葬的调查与发掘; 84.山东青州龙兴寺古代窖藏佛教造像的发现; 85.陕西西安隋大兴唐长安城址的调查与发掘; 86.河南洛阳隋唐洛阳城及宋代衙署庭院遗址的勘探与发掘; 87.山西太原隋代虞弘墓的发掘; 88.陕西唐代帝陵陪葬墓的发掘; 89.陕西扶风唐代法门寺塔基的清理; 90.新疆吐鲁番阿斯塔那-哈拉和卓公元4~8世纪墓群的发掘及文书的发现; 91.黑龙江宁安唐代渤海上京龙泉府遗址的勘探与发掘; 92.江苏南京五代南唐二陵的发掘; 93.内蒙古哲里木盟奈曼旗青龙山辽陈国公主墓的发掘; 94.河南禹县白沙宋墓的发掘; 95.宁夏银川西夏王陵的勘探与发掘; 96.浙江南宋龙泉窑遗址的勘探与发掘; 97.陕西铜川唐至明代耀州窖遗址的发掘; 98.西藏古格王国都城遗址的勘探与发掘; 99.北京元大都遗址的勘探与发掘; 100.北京明定陵的发掘。 100项考古大发现中,世纪参加了这次评选的项考专家学者来自8个国家级的文物考古机构、新石器时代30项,发现

中国20世纪100项考古大发现由中国社会科学院组织评选,中国隋唐及以后有16项。世纪旧石器时代7项,项考夏商周时期23项,发现28个省市自治区和香港特别行政区的中国文物考古机构以及11所权威大学的考古文博院系。山顶洞人的世纪发现; 2.云南元谋人的发现; 3.陕西蓝田人的发现; 4.辽宁营口金牛山旧石器时代遗址的发掘及金牛山人的发现; 5.广东曲江马坝人的发现; 6.河北阳原泥河湾旧石器时代遗址群的调查与发掘; 7.山西襄汾丁村旧石器时代遗址的发掘; 8.江西万年仙人洞与吊桶环新石器时代早期遗址的调查与发掘; 9.湖南道县玉蟾岩新石器时代早期遗址的发掘; 10.河南新郑裴李岗新石器时代遗址的发掘; 11.河南舞阳贾湖新石器时代遗址的发掘; 12.甘肃秦安大地湾新石器时代遗址的发掘; 13.湖南澧县城头山新石器遗址的发掘; 14.内蒙古赤峰兴隆洼新石器时代遗址的发掘; 15.河南渑池仰韶村新石器时代遗址的发掘; 16.陕西西安半坡新石器时代遗址的发掘; 17.陕西临潼姜寨新石器时代遗址的发掘; 18.浙江余姚河姆渡新石器时代遗址的发掘; 19.山东泰安大汶口新石器时代墓地的发掘; 20.重庆巫山大溪新石器时代遗址的发掘; 21.湖北京山屈家岭新石器时代遗址的发掘; 22.河南安阳后冈三叠层的发现; 23.河南陕县庙底沟新石器时代遗址的发掘; 24.河南登封王城岗龙山文化遗址的发掘; 25.上海青浦崧泽新石器时代遗址的发掘; 26.山东章丘城子崖龙山文化遗址的发掘; 27.浙江余杭良渚文化遗址群的调查与发掘; 28.湖北天门石家河新石器时代遗址群的调查与发掘; 29.甘肃临洮马家窑新石器时代遗址的发掘; 30.青海乐都柳湾新石器时代至青铜时代墓地的发掘; 31.辽宁凌源、北朝邺城遗址的项考勘探与发掘; 78.湖南长沙走马楼三国孙吴简牍的发现; 79.江苏南京地区东晋、建平牛河梁红山文化遗址群的发掘; 32.西藏昌都卡若新石器时代遗址的发掘; 33.广东曲江石峡新石器时代遗址的发掘; 34.山西襄汾陶寺龙山文化遗址的发掘; 35.香港马湾岛东湾仔北新石器时代至商周时期遗址的发掘; 36.台湾台北圆山新石器时代遗址的发掘; 37.甘肃广河齐家坪齐家文化遗址的发掘; 38.河南偃师二里头村二里头文化遗址的发掘; 39.山西夏县东下冯二里头文化遗址的发掘; 40.内蒙古赤峰夏家店青铜时代遗址的发掘; 41.内蒙古敖汉旗大甸子夏家店下层文化遗址和墓地的发掘; 42.河南偃师商城遗址的勘探与发掘; 43.河南郑州商城遗址的勘探与发掘; 44.湖北黄陂盘龙城商代方国遗址的勘探与发掘; 45.河南安阳殷墟商代晚期都城遗址的勘探与发掘; 46.江西清江吴城商时期青铜文化遗址的发掘; 47.江西新干商时期大型墓葬的发掘; 48.四川广汉三星堆商时期祭祀器物坑的发掘; 49.陕西周原西周遗址的勘探与发掘; 50.陕西丰镐西周都城遗址与墓地的勘探与发掘; 51.北京琉璃河西周燕国都城遗址与贵族墓地的勘探与发掘; 52.山西曲沃西周晋国贵族墓地的发掘; 53.河南三门峡西周晚期至春秋早期虢国上阳城与虢国墓地的勘探与发掘; 54.山西侯马东周晋国故城遗址的勘探与发掘; 55.河南新郑东周郑韩故城遗址的勘探与发掘; 56.河北易县战国时期燕下都遗址的勘探与发掘; 57.湖北随县战国时期曾侯乙墓的发掘; 58.湖北江陵东周时期楚都纪南城周围东周墓群的发掘; 59.河北平山战国时期中山王墓的发掘; 60.湖北铜绿山西周至汉代矿冶遗址的发掘; 61.陕西咸阳秦咸阳城及秦宫殿遗址的勘探与发掘; 62.陕西临潼秦始皇陵及兵马俑坑的勘探与发掘; 63.湖北云梦睡虎地秦墓与龙岗秦墓的发掘; 64.陕西西安汉长安城遗址的勘探与发掘; 65.陕西西汉帝陵的调查及陵园的勘探与发掘; 66.河北满城汉墓的发掘; 67.江苏徐州地区汉代楚王陵的发掘; 68.湖南长沙马王堆汉墓的发掘; 69.广州汉代南越王墓的发掘; 70.山东临沂银雀山汉墓的发掘; 71.河南洛阳烧沟汉墓的发掘; 72.云南晋宁石寨山滇王及贵族墓地的发掘; 73.居延汉代遗址与简牍的发现与发掘; 74.河南洛阳汉魏洛阳城遗址的勘探与发掘; 75.新疆楼兰汉晋楼兰古国都城遗址的勘探与发掘; 76.新疆民丰尼雅汉晋时期遗址的勘探与发掘; 77.河北临漳曹魏、

为何AI数据中心的系统架构师首选Arm平台

本文由讯潮制作发布,未经允许禁止转载。

相关资讯请关注:为何AI数据中心的系统架构师首选Arm平台

知识

知识更多