在過去十年中的大部分時(shí)間里，數(shù)據(jù)中心領(lǐng)域的話題都圍繞著加速器展開。隨著人工智能 (AI) 訓(xùn)練工作負(fù)載的爆炸式增長(zhǎng)，GPU、TPU 等占據(jù)了新聞?lì)^條、投資者報(bào)告和基礎(chǔ)設(shè)施路線圖的核心位置。而如今，AI 正從模型實(shí)驗(yàn)階段，逐步走向規(guī)模化產(chǎn)品落地、面向用戶的實(shí)際應(yīng)用，并愈發(fā)向全天候在線的智能體推理延伸，超大規(guī)模數(shù)據(jù)中心內(nèi)部正迎來一場(chǎng)更深層次的轉(zhuǎn)變。

在這一轉(zhuǎn)變中，CPU 的重要性愈發(fā)凸顯。它并非過時(shí)的遺留組件，而是作為編排與數(shù)據(jù)處理引擎，支撐著現(xiàn)代 AI 系統(tǒng)實(shí)現(xiàn)規(guī)模化運(yùn)行。

這一轉(zhuǎn)變，恰好印證了Arm 近期季度財(cái)報(bào)中一個(gè)引人注目的觀點(diǎn)：未來幾年內(nèi)，Arm 的數(shù)據(jù)中心業(yè)務(wù)規(guī)模有望追平甚至超越智能手機(jī)業(yè)務(wù)。對(duì)投資者而言，這遠(yuǎn)不止是業(yè)績(jī)?cè)鲩L(zhǎng)，更折射出超大規(guī)模云服務(wù)提供商在 AI 基礎(chǔ)設(shè)施的設(shè)計(jì)、部署與商業(yè)化路徑上正在發(fā)生結(jié)構(gòu)性變化。也正因如此，CPU 的可擴(kuò)展性、能效表現(xiàn)與系統(tǒng)集成能力變得前所未有地重要。

通往始終在線的智能之路

早期的 AI 基礎(chǔ)設(shè)施圍繞持續(xù)、高強(qiáng)度的工作負(fù)載構(gòu)建，包括大規(guī)模模型訓(xùn)練和高吞吐推理。在這樣的環(huán)境下，加速器自然而然地占據(jù)核心地位。但如今，這種模式已無法反映現(xiàn)實(shí)。

隨著現(xiàn)代 AI 應(yīng)用在企業(yè)平臺(tái)與面向用戶的產(chǎn)品中不斷普及，其正日益轉(zhuǎn)向基于智能體打造。這類系統(tǒng)具備持續(xù)運(yùn)行能力，可完成規(guī)劃、推理、信息檢索與行動(dòng)協(xié)同，并與用戶及各類服務(wù)保持交互，在交互過程中持續(xù)實(shí)現(xiàn)自我學(xué)習(xí)。

智能體 AI 系統(tǒng)不僅運(yùn)行模型，還需要在數(shù)據(jù)庫、Web 服務(wù)和應(yīng)用層之間實(shí)時(shí)編排工作流并處理數(shù)據(jù)。智能體不用休眠，它們會(huì)持續(xù)進(jìn)行任務(wù)調(diào)度、上下文檢索、內(nèi)存管理和行動(dòng)協(xié)調(diào)。

具體而言，包括：

持續(xù)的調(diào)度和協(xié)調(diào)

持久的內(nèi)存訪問（KV 緩存、向量數(shù)據(jù)庫、上下文檢索）

每次模型調(diào)用前后的預(yù)處理與后處理

在異構(gòu)組件之間建立安全、低延遲的控制路徑

而這些職責(zé)主要由 CPU 承擔(dān)。

為何這會(huì)改變 CPU 的需求特性？

智能體 AI 不僅僅提高了 CPU 的重要性，更改變了 CPU 的需求特性。

以往，CPU 僅在以加速器為核心的工作負(fù)載中承擔(dān)短暫編排任務(wù)；而如今，AI 系統(tǒng)更多時(shí)間處于 CPU 密集型運(yùn)算狀態(tài)。這類工作負(fù)載需要大量高能效核心持續(xù)運(yùn)行，且通常需在固定功耗與成本約束下運(yùn)行。

這并非純理論的推測(cè)。事實(shí)上，超大規(guī)模云服務(wù)提供商正在積極擴(kuò)展 CPU 資源：

亞馬遜云科技的第五代 Graviton 處理器的核心數(shù)是 Graviton4 的兩倍，達(dá)到 192 個(gè)核。

Arm Neoverse CPU 的部署核心總數(shù)已超過 10 億。

Arm 在頭部超大規(guī)模云服務(wù)提供商中的份額預(yù)計(jì)將接近 50%。

這些并非漸進(jìn)式增長(zhǎng)，而是 CPU 密度的結(jié)構(gòu)性提升，反映出行業(yè)已經(jīng)認(rèn)識(shí)到：由 CPU 主導(dǎo)的編排與數(shù)據(jù)處理，如今已成為 AI 數(shù)據(jù)中心規(guī)模擴(kuò)展的關(guān)鍵瓶頸。

隨著 AI 工作負(fù)載從間歇式轉(zhuǎn)向持續(xù)運(yùn)行，核心數(shù)量和能效成為決定性指標(biāo)。

機(jī)會(huì)經(jīng)濟(jì)學(xué)

對(duì)投資者而言，其影響本質(zhì)上是經(jīng)濟(jì)問題，而非純技術(shù)問題。加速器的供給和模型能力（例如，更大規(guī)模基礎(chǔ)模型，參數(shù)增長(zhǎng)，多模態(tài)等）不再是制約 AI 數(shù)據(jù)中心發(fā)展的唯一因素。功耗、散熱和資本效率如今同樣關(guān)鍵，因?yàn)槌笠?guī)模云服務(wù)提供商正面臨固定電力配額和物理機(jī)架空間的約束，而回報(bào)取決于基礎(chǔ)設(shè)施的利用效率。在此背景下，最大化每個(gè)機(jī)架的輸出（而不是單點(diǎn)的峰值性能）已成為 AI 可持續(xù)增長(zhǎng)的決定性指標(biāo)。

單靠加速器無法解決這些問題。事實(shí)上，如果沒有足夠的 CPU 來高效地編排工作負(fù)載，昂貴的 AI 加速器可能會(huì)處于閑置或低利用狀態(tài)。

基于 Arm 架構(gòu)的可擴(kuò)展 CPU 能夠破解這一困局，使超大規(guī)模云服務(wù)提供商能夠?qū)崿F(xiàn)：

在固定功率預(yù)算內(nèi)支持“始終在線”的推理

提升加速器利用率

提高每機(jī)架的 AI 產(chǎn)出

實(shí)現(xiàn)系統(tǒng)級(jí)集成，而非簡(jiǎn)單的“外掛式”架構(gòu)

正因如此，CPU 的擴(kuò)展性與 AI 的經(jīng)濟(jì)效益如今直接掛鉤。

為何這一勢(shì)頭是結(jié)構(gòu)性的，而非周期性的

獨(dú)立分析進(jìn)一步證實(shí)，這一轉(zhuǎn)變并非短期調(diào)整，而是一場(chǎng)持續(xù)多年的架構(gòu)重塑。正如 Futurum Group 的研究指出，AI 基礎(chǔ)設(shè)施的未來正從“能堆多少原始算力”轉(zhuǎn)向“如何智能地在不同需求間編排算力”。

這種演進(jìn)對(duì)可擴(kuò)展、高能效的 CPU 架構(gòu)是一大利好，因?yàn)檫@些架構(gòu)可以作為異構(gòu)系統(tǒng)的控制層核心。

對(duì) Arm 而言，這種趨勢(shì)也與我們長(zhǎng)期以來的優(yōu)勢(shì)高度契合：可擴(kuò)展的架構(gòu)，出色的能效，強(qiáng)大的生態(tài)系統(tǒng)，讓超大規(guī)模云服務(wù)提供商能夠構(gòu)建定制芯片，而不會(huì)造成軟件碎片化。

Arm 并不依靠單個(gè) AI 模型或特定加速器的成功來變現(xiàn)，而是通過算力本身的擴(kuò)張來獲益，也就是為支持 AI 工作負(fù)載而部署的每一顆新增核心。

在核心數(shù)量呈結(jié)構(gòu)性增長(zhǎng)的時(shí)代，這種模式更具優(yōu)勢(shì)。

為未來鋪路

對(duì)投資者而言，結(jié)論簡(jiǎn)單卻深刻：AI 的增長(zhǎng)不再僅受制于加速器，而是取決于系統(tǒng)能否持續(xù)、高效、大規(guī)模地進(jìn)行編排。這種轉(zhuǎn)變推動(dòng)了對(duì)高核心數(shù)、高能效 CPU 的空前需求，也解釋了為何 Arm 的數(shù)據(jù)中心業(yè)務(wù)正加速發(fā)展，有望在未來幾年成為 Arm 最重要的增長(zhǎng)引擎。50 年前，CPU 作為一項(xiàng)改變世界的技術(shù)橫空出世；如今，它的重要性絲毫不減，穩(wěn)居 AI 數(shù)據(jù)中心的核心位置，持續(xù)引領(lǐng)未來的創(chuàng)新發(fā)展。