隨著人工智能 (AI) 在數據中心、終端設備及各類中間場景中迅速普及，當前的核心挑戰已不再是打造智能計算本身，而是構建支撐其規模化應用所需的基礎設施。

AI 并非單一維度的問題，而是一個由全球領先的科技企業共同塑造的龐大生態系統。在這場價值數萬億美元級別的產業變革中，Arm 架構持續脫穎而出。

AI 數據中心：

由行業領袖企業定義，以 Arm 技術為基石

AI 領域的領軍企業，如 NVIDIA、亞馬遜云科技 (AWS)、微軟、Google、Oracle 和 OpenAI 正與 Arm 攜手，共同推動下一代數據中心的建設。據估計，為了滿足模型訓練、推理和具有成本效益的規模化擴展需求，AI 基礎設施領域的投資將突破萬億美元級別。

預計到 2025 年，出貨到頭部超大規模云服務提供商的算力中，將有近 50% 是基于 Arm 架構。目前，AWS (Graviton)、Google Cloud (Axion) 和 Microsoft Azure (Cobalt) 均已在其云基礎設施中部署了基于 Arm 架構的芯片，從而顯著節省能源和成本，并提升可擴展性。NVIDIA 的 Grace CPU 基于 Arm Neoverse 平臺構建，是 NVIDIA Grace Blackwell AI 超級芯片的核心組件；該超級芯片廣受市場青睞，僅全球前四大超大規模云服務提供商就已訂購 360 萬顆。事實上，目前已有超過 10 億顆基于 Arm Neoverse 平臺的 CPU 部署至數據中心，這一數據充分凸顯了 Arm 架構在全球數據中心建設中的核心地位。

在當今先進的 AI 數據中心技術棧中，Arm 架構作為普遍采用的基礎平臺，提供了傳統架構難以企及的可擴展性、效率和靈活性，其性價比和能效優勢包括：

與 x86 系統相比，NVIDIA 的 Grace-Hopper 超級芯片的模型訓練速度提升高達 8 倍，LLM 推理性能提升高達 4.5 倍[1]。

與 x86 相比，Google 的 Axion 推薦性能提升高達 3 倍[2]，推理能力提升 2.5 倍，同時成本降低達 64%[3]。

截至 2024 年 12 月，AWS EC2 云服務的算力中，超過 50% 基于 AWS Graviton 所構建[4]。

此外，根據咨詢公司 Signal65 近期的分析報告顯示，基于 Arm Neoverse 平臺的 AWS Graviton4 芯片，不僅在性價比方面領先業界，更在企業級工作負載的整體性能上遠超 AMD 和英特爾推出的同類 x86 芯片。例如，Signal65 的基準測試結果表明，Graviton4 的大語言模型 (LLM) 推理性能比 AMD 同類產品高 168%，性價比高 220%；同時網絡吞吐量比英特爾同類產品高出 53%，機器學習 (ML) 訓練速度快于 34%。這些數據充分印證了 Arm 在 AI 和通用計算任務方面的顯著架構優勢。

從云端到邊緣側，AI 亟需新型計算平臺

AI 正在突破數據中心的邊界，向更廣闊的應用場景延伸。如今，無論是智能手機、個人電腦 (PC) 還是物聯網設備——小至低功耗傳感器，大到高性能工業應用——都需要端側生成式 AI 來重塑用戶體驗。

在此趨勢下，Arm 同樣獨具優勢。面向消費電子設備的全新Arm Lumex 計算子系統 (CSS) 平臺，可支持智能助手、語音翻譯和個性化服務等實時端側 AI 應用場景，而搭載 SME2 技術的全新 Arm CPU則可實現高達 5 倍的 AI 性能提升。同時，全球首個基于 Armv9 架構的邊緣 AI 計算平臺，專為物聯網應用中的邊緣 AI 工作負載優化，可支持參數規模超 10 億的端側 AI 模型運行。

Arm 正在驅動一場從云端到邊緣端的變革，憑借其本身的架構優勢賦能全場景的規模化部署。

軟件鑄就差異化優勢，Arm 工具為 AI 時代賦能

在 AI 領域，硬件構筑底層基礎，而軟件決定用戶體驗。隨著 AI 工作負載日益復雜、應用場景不斷拓展，開發者亟需一個能夠緊跟創新步伐的生態系統。而這正是 Arm 的優勢所在：一套統一的架構，搭配從云端到邊緣端、強大且經過優化的軟件生態系統。

多達 2,200 萬規模的 Arm 開發者群體將受益于這一協同生態系統，無論是數據中心的大規模模型訓練，還是邊緣側的實時推理，相同的代碼、工具與框架均可在不同設備上無縫運行。這種架構一致性顯著加速開發進程，簡化優化路徑，實現更廣泛的部署落地，避免冗余工程投入。

PyTorch ExecuTorch、TensorFlow Lite 和MediaPipe等主要框架，現已通過 Arm KleidiAI 與基于 Arm 架構的系統實現深度集成和優化。Arm KleidiAI 是輕量級的開源優化層，可激活基于 Arm 架構進行優化的底層微內核。如此一來，開發者無需修改代碼即可自動獲取性能增益——從超大規模云平臺到智能手機、嵌入式設備，全場景適用。

例如，在 Graviton4 上，KleidiAI 的集成使 Llama 3 的詞元 (token) 首次響應時間較基準提升了 2.5 倍；而在移動端，基于 MediaPipe 的方案在 Gemma 2B 等模型上，也實現了高達 30% 的性能提升。無論是管理 AI 工廠，還是在邊緣側部署聊天機器人，開發者均可獲得可預測、高性能和高能效的軟件體驗。

這種無縫、具備系統感知能力的軟件賦能方式，正是 Arm 平臺的核心差異化所在。開發者無需應對碎片化技術棧的困擾，也無需重復開展后端重構工作；相反，他們能夠直接借助這套軟硬件協同設計的生態系統，實現 AI 的性能和效率優勢。

在“每瓦性能”至關重要的 AI 時代，Arm 的軟件生態系統不僅緊跟行業需求，更能貼合開發者的實際場景，加速其創新進程。

AI 規模化發展的核心支柱

從萬億美元級的數據中心，到下一代智能手機與智能車載系統，AI 正在以前所未有的規模快速發展。作為貫通這些場景的橋梁，Arm 架構正發揮著關鍵作用。

憑借超大規模云服務提供商的廣泛部署、靈活的邊緣計算能力，以及充滿活力、AI 就緒的軟件生態系統，Arm 已成為當下和未來 AI 基礎設施的核心支柱。