作者：Arm 基礎設施事業部服務器生態系統開發總監

Bhumik Patel

隨著人工智能 (AI) 技術的迅猛發展，云計算領域正在經歷顯著變革。愈發復雜的 AI 應用對計算解決方案的性能、效率和成本效益提出了更高要求。在云端部署工作負載的客戶正在重新評估其所需的基礎設施，以滿足現代工作負載需求，其中不僅包括提高性能和降低成本，還涵蓋了需符合監管要求或可持續發展目標的新能效基準。

Arm 與亞馬遜云科技 (AWS) 長期合作，為實現性能更強勁、更高效和可持續的云計算提供專用芯片和計算技術。在近期舉行的 AWS re:Invent 2024 大會上，AWS 進一步展示了 AWS Graviton4 所取得的顯著進展，使開發者和企業能夠充分發揮其云工作負載的性能潛力。

卓越的性能表現

相較于上一代 Graviton3 處理器，基于 Arm Neoverse V2 平臺的 AWS Graviton4 處理器在計算性能上提升了 30%，核心數增加了 50%，內存帶寬提高了 75%。憑借這些技術優勢，AWS Graviton 處理器在生態系統和客戶群體中得到了廣泛應用。

Arm Neoverse V2 平臺涵蓋 Armv9 架構的新特性，包括高性能浮點和向量指令支持，以及 SVE/SVE2、Bfloat16 和 INT8 MatMul 等特性。這些特性為 AI/機器學習 (ML) 以及高性能計算 (HPC) 工作負載提供了卓越性能。

AI/ML 工作負載

今年早些時候，Arm 與主流的 AI 框架和軟件生態系統合作，推出了 Arm Kleidi 軟件，以確保 Arm 平臺上開機即用的推理性能優化能惠及整個 ML 棧，開發者無需掌握額外的 Arm 專業知識即可構建其工作負載，從而進一步推動 AI 工作負載的廣泛應用。此前，我們已展示了 PyTorch 中的這些優化如何賦能 AWS Graviton4 上運行大語言模型 (LLM)，如 Llama 3 70B 和 Llama 3.1 8B，并顯著改善了每秒生成詞元 (token) 數和詞元首次響應時間的表現指標。

歡迎閱讀《Arm KleidiAI 助力提升 PyTorch 上 LLM 推理性能》一文，詳細了解性能指標的提升細節。

HPC 和 EDA 工作負載

對于 HPC 工作負載，Graviton4 相較于 Graviton3E 在功能上實現了顯著提升。每個核心的主內存帶寬增加了16%，每個 vCPU 的 L2 緩存容量翻倍。這些改進對于 HPC 應用的性能至關重要，因為 HPC 應用通常受限于內存帶寬。AWS 已經在這些領域取得了顯著優勢，如下所示。

根據 Arm 工程團隊實際運行 EDA 工作負載所得出的結果，Graviton4 提供的 RTL 仿真工作負載性能比 Graviton3 高出 37%。

生態系統廣泛采用

近年來，隨著云計算用戶將各種云工作負載部署在 AWS Graviton 處理器上，其軟件生態系統持續擴展。如此一來，客戶不僅節省了費用，收獲了性能的提升，還能優化其碳足跡和可持續發展足跡。以下是部分示例：

著手利用 Graviton 的強大性能

我們堅信 Arm 將在云計算的未來中發揮關鍵作用，同時我們也非常自豪能夠支持 AWS Graviton 立于技術創新的前沿。Arm 將繼續投入，進一步強化我們的軟件生態系統，從而使開發者能夠更加輕松地在 Arm 平臺上構建其應用，并充分利用 Arm 計算平臺所提供的卓越性能和效率優勢。