要實現人工智能 (AI) 的規?；瘧茫ㄒ宦窂奖闶情_展全棧式系統設計。加速器負責處理驅動 AI 模型的數學運算，而 CPU 才是支撐系統，將計算能力轉化為實際價值的核心基礎。隨著 AI 基礎設施向高密集成機架與超級集群架構演進，CPU 在系統的編排、協調、安全防護及規?；瘮U展中扮演著核心角色，其性能提升速度至少與加速器保持同步，很多情況下甚至更快。NVIDIA 于 2026 年國際消費電子展 (CES 2026) 上發布的 Vera Rubin 平臺，正是這一趨勢的有力佐證：該平臺是一款完全協同設計的 AI 系統，可作為一個統一且一致的超級計算機運行，并以 Arm 技術為其核心驅動。

這反映出整個行業正朝著專用化、系統級 AI 平臺轉型：從底層架構出發，將計算、加速、網絡、存儲及安全功能緊密集成。超大規模云服務提供商與專注于 AI 領域的新型云服務提供商，正通過多種路徑趨向該模式，譬如采用 NVIDIA 平臺、亞馬遜云科技的 Amazon Trainium 和谷歌的 TPU 等超大規模云服務提供商自研的加速器，以及融合商用芯片與定制化芯片的高度協同混合系統。如今，AI 的擴展和升級已不再僅依賴加速器的原始性能。在這些系統環境中，負責數據傳輸、同步、可靠性保障及隔離控制的 CPU 層至關重要。而在業界領先的集成式 AI 系統中，這一核心 CPU 層均基于 Arm 平臺構建。

Arm 在推動 AI 時代的“極致協同設計”方面

發揮著決定性作用

Vera Rubin 平臺集成六款經極致協同設計的芯片，包括 Vera CPU、Rubin GPU、NVLink 6 交換機、ConnectX-9 SuperNIC、BlueField-4 DPU 和 Spectrum-6 以太網交換機。它們共同構成了 NVIDIA 所定義的 AI 超級計算機，針對訓練、推理、邏輯推演及智能體 AI (Agentic AI) 工作負載進行了端到端優化，顯著降低了每詞元 (Token) 成本。該平臺中 NVIDIA 基于 Arm 架構打造的 CPU 實現了高達六倍的代際性能提升，內存與互連帶寬也得到了顯著升級。這一切均是芯片與軟件層面全系統優化的組成部分，共同推動著 NVL72 機架級 AI 系統整體性能的躍升。傳統商用非定制 CPU 很難取得此類性能突破，必須采用專用化設計方案方可實現。

亞馬遜云科技的 Amazon Trainium3 UltraServer 采用了類似的設計思路，將 Trainium3 加速器芯片與 Amazon Graviton CPU 及 Nitro 卡相結合，使基于 Arm 架構的專用芯片成為該平臺的核心組件。

除了這些平臺的覆蓋廣度，更值得我們關注的是其背后的架構理念。每個組件的設計都充分考量了與其他組件的協同性，從而在規?；渴鹬写蠓鶞p少性能瓶頸、提升運行效率。在 CES 2026 的主題演講中，NVIDIA 首席執行官黃仁勛用“極致協同設計”一詞定義這一轉型趨勢。要實現這種深度集成，不僅需要頂尖的性能與能效，還需要在不影響軟件兼容性的前提下，為系統級芯片 (SoC) 設計提供充足的靈活性與創新空間 —— 而這正是 Arm 技術的價值所在。

Vera 和 BlueField：

Arm 位居 AI 創新核心

Vera Rubin 平臺包含兩款基于 Arm 技術打造的關鍵 SoC。

Vera 是一款專為大規模 AI 系統量身打造的 CPU，優化重點聚焦于數據傳輸、編排及智能體推理，而非傳統通用型工作負載。該 CPU 采用單晶粒 (die) 88 顆核心打造，性能達到上一代 Grace CPU 的兩倍，內存與芯片間帶寬也實現了顯著提升。

BlueField-4 標志著 DPU 領域的跨越式發展。通過集成基于 Arm Neoverse V2 平臺的 Grace CPU（此前該 SoC 僅應用于高性能服務器級系統），NVIDIA 極大地擴展了 BlueField 在大規模 AI 基礎設施中的應用場景。與前幾代產品相比，BlueField-4 的 CPU 核心數從 16 顆增加至 64 顆，單核性能也得到顯著提升。

對于大型智能體模型而言，內存容量與帶寬正日益成為制約性能的關鍵瓶頸。通過將 BlueField-4 的計算能力提升至 BlueField-3 的六倍，NVIDIA 破解了這一難題，并成功將 DPU 升級為可獨立運行的服務器級系統。NVIDIA 的發布充分印證了這一轉變：除了在 Vera Rubin 刀片式服務器 (Blade) 中部署 BlueField-4 之外，該芯片還將作為一類新型 AI 推理專用存儲服務器的控制器 —— 這類存儲服務器專為補充機架級系統功能而設計。

Vera 與 BlueField-4 均完全兼容圍繞 Arm Neoverse 平臺構建的廣泛軟件生態系統，能夠觸達從邊到云的超過 2,200 萬開發者。目前，各大主流云服務提供商均已部署基于 Arm Neoverse 平臺構建的 CPU 實例，企業級采用率也在持續提升。得益于此，這些基于 Arm 架構的 NVIDIA 系統可充分利用各類開源及商用軟件，實現應用的快速、無縫開發與部署。

行業圍繞統一架構凝心聚力

整個行業中，系統設計者正趨同于一種通用的 AI 架構模型：

面向 AI 計算的專用加速器；

用于編排與控制的高性能、高能效 CPU；

支持跨集群擴展的緊密系統級集成。

Arm Neoverse 平臺的設計初衷便是支撐這一行業轉型趨勢，目前已被全球頂尖技術提供商（包括亞馬遜云科技、谷歌、Meta、微軟及 NVIDIA）應用于其系統中。在這一行業格局下，基于 Arm 架構的 CPU 正越來越多地為控制層、編排層及數據傳輸層賦能，成為 AI 規模化部署與應用的關鍵支撐。

AI 時代的規?；葸M

邁入 2026 年，AI 的技術演進速度正前所未有地加快，且日益成為一個系統級 —— 甚至超系統級 —— 的復雜課題。如今，智能技術的擴展升級不僅依賴加速器的原始性能，同樣取決于高效的數據存儲與傳輸能力。將關鍵的 AI 相關功能卸載至網絡與存儲系統中強大且可編程的 CPU 架構，既能讓加速器與主機 CPU 專注于核心的訓練與推理負載，又能提升系統的隔離性、能效與可靠性。在硬件日益專用化的趨勢下，如何在快速迭代的芯片世代中保持軟件生態的一致性，已成為行業面臨的關鍵課題。

隨著 AI 系統在規?；c復雜性上的持續增長，Arm 及其生態系統在數據中心的各個層面所發揮的作用正不斷擴大。Vera Rubin 平臺的發布，既是這一發展軌跡的有力佐證，也是新年伊始，Arm 生態系統邁向新高度的重要里程碑。