自從微軟推出基于 Arm 架構(gòu)的 Azure Cobalt 100 虛擬機 (VM)以來，已有眾多客戶選擇這款新實例運行各類用例。目前，Cobalt 100 虛擬機已在全球微軟 Azure 云的 32 個地區(qū)上線，并且持續(xù)快速擴展，為新一代數(shù)據(jù)中心工作負(fù)載帶來了性能、能效和可擴展性的大幅提升。這些提升源于專為賦能現(xiàn)代云原生應(yīng)用設(shè)計的創(chuàng)新 Arm Neoverse 計算子系統(tǒng) (Compute Subsystems, CSS) ，能實現(xiàn)更高的吞吐量和更低的能耗。

包括 One Trust 和 Databricks 在內(nèi)的領(lǐng)先軟件供應(yīng)商對于該款實例均給予高度認(rèn)可，強調(diào)不僅能顯著提升性能和能效，還有助于節(jié)省成本。這與行業(yè)向異構(gòu)計算架構(gòu)轉(zhuǎn)型的趨勢相契合，Arm 可擴展且高能效的計算平臺讓超大規(guī)模云服務(wù)提供商在滿足日益增長的性能需求時，不用犧牲可持續(xù)發(fā)展目標(biāo)。與此同時，Teams 和 Microsoft Defender for Endpoint 等微軟服務(wù)在此類實例上的性能最高提升了 45%。

Arm 近期在 Cobalt 100 實例上，對內(nèi)存數(shù)據(jù)庫、Web 服務(wù)器和量化金融等多項工作負(fù)載進(jìn)行了基準(zhǔn)測試，并和基于 AMD Genoa 的 Azure 實例進(jìn)行了比較。測試結(jié)果直觀展現(xiàn)了在基于 Arm 架構(gòu)的 Azure Cobalt 100 虛擬機上運行工作負(fù)載，能獲得的性能與能效提升，也印證了 Cobalt 100 的設(shè)計目標(biāo)：提供顯著的性價比優(yōu)勢、廣泛適配各類工作負(fù)載，以及大幅節(jié)約成本。

Cobalt 100 上通用工作負(fù)載的性能提升

Redis 仍是現(xiàn)代分布式應(yīng)用的核心組件，尤其是在實時數(shù)據(jù)處理和緩存方面。D4ps_v6 Cobalt 100 實例在性能和性價比上表現(xiàn)亮眼，與 AMD Genoa D4as_v6 實例相比，性能提升 48%，性價比提高 91%。這充分體現(xiàn)了在微服務(wù)和對延遲敏感的實時數(shù)據(jù)交互主導(dǎo)的云原生應(yīng)用軟件棧中，Arm 架構(gòu)能有效提升實際運行性能。

同時，對 Nginx 等 Web 基礎(chǔ)設(shè)施和網(wǎng)絡(luò)工作負(fù)載的測量，顯示了 Cobalt 100 在計算、內(nèi)存和 I/O 方面具有均衡的性能。基準(zhǔn)測試顯示，在負(fù)載均衡業(yè)務(wù)上，基于 Arm 架構(gòu)的 D4ps_v6 Cobalt 100 實例與 AMD Genoa D4as_v6 實例相比，性能提升 53%，性價比提高 99%。

最后，在 QuantLib（一個用于金融工具建模、定價和風(fēng)險管理的開源量化金融庫）的 GCC/G++-15 基準(zhǔn)測試中，D4ps_v6 Cobalt 100 實例相較于 AMD Genoa D4as_v6 實例，性能提升 47%，性價比提高 89%。

能效、可擴展性與實際價值

Arm 與 Microsoft Azure 在創(chuàng)新技術(shù)方面不斷保持密切合作，包括近期 Cobalt 200 處理器的推出。雙方的合作展示了基于 Arm 架構(gòu)的定制芯片正助力 AI 驅(qū)動的云基礎(chǔ)設(shè)施規(guī)模化地實現(xiàn)新的性能與能效水準(zhǔn)。

Cobalt 100 實例延續(xù)了 Arm 標(biāo)志性的能效優(yōu)勢——在性能提升的同時，能耗并沒有同比增加。這一特性讓云計算運營商和云服務(wù)客戶都能獲得更優(yōu)的性價比。例如，ONNX Runtime 中的 Arm 優(yōu)化與 Cobalt 100 處理器相結(jié)合，大幅提升了大語言模型 (LLM) 推理的 AI 性能，與基于 AMD Genoa 的實例相比，性能最高提升 1.9 倍，性價比最多提高 2.8 倍。

無論客戶是運行高頻交易系統(tǒng)、緩存層、API 前端還是 Java 微服務(wù)，Cobalt 100 都能提供卓越的性能與能效，助力客戶自信地推進(jìn)未來的規(guī)模化發(fā)展。 隨著 Arm 生態(tài)系統(tǒng)在軟件、工具和芯片合作伙伴方面的持續(xù)拓展，開發(fā)者將受益于這一專為云計算長期創(chuàng)新和可持續(xù)發(fā)展打造的平臺。

* 腳注：所有基準(zhǔn)測試結(jié)果均在可控且可重復(fù)的測試環(huán)境中獲得，采用了最新可用的軟件與平臺配置。測試基于 Ubuntu 25.04 系統(tǒng)機型，所有對比平臺（Cobalt100、Genoa 和 Emerald Rapids）均使用一致的內(nèi)核、編譯器與運行時環(huán)境。每項工作負(fù)載均執(zhí)行多次，以確保測量結(jié)果的一致性和統(tǒng)計有效性。

通用測試原則

所有平臺的基準(zhǔn)測試均采用相同的線程數(shù)、客戶端配置和運行時參數(shù)。NUMA 和內(nèi)存設(shè)置按實例類型進(jìn)行了統(tǒng)一； HugePages、THP 與 swapiness 設(shè)置進(jìn)行了標(biāo)準(zhǔn)化。所有系統(tǒng)均使用相同的操作系統(tǒng)映像、編譯器版本 (GCC/G++ 15.0.1) 和庫版本 (OpenSSL 3.4.1, GlibC 2.41)。

基準(zhǔn)測試范圍

Redis、PostgreSQL 和 MySQL：通過 Memtier 和 HammerDB (TPROC-C) 測量吞吐量和每美元吞吐量。

SPECjbb 2015：在 Ubuntu 25.04 上使用 OpenJDK 21，評估綜合性能、max-jOPS 和 critical-jOPS /$。

Nginx：使用 wrk 工具，在固定連接數(shù)和線程數(shù)的條件下，測量第 99 百分位延遲下的 HTTPS 負(fù)載均衡吞吐量。

QuantLib：采用 GCC 15 與供應(yīng)商 LLVM 工具鏈構(gòu)建金融分析工作負(fù)載，分別測量單線程與使能所有 vCPU 時的性能。