ARM的AI叙事：AGI路径与CPU复兴

在AI叙事中，GPU一度吞噬了一切，但那些曾被边缘化的角色，逐步重新成为瓶颈。正如黄仁勋反复强调的那样，CPU已经成为限制英伟达“AI工厂”吞吐token速度的关键所在。换句话说，它是系统性能的阿姆达尔定律（Amdahl's law）极限所在。

现在，长期坚持身居幕后的Arm公司，终于也决定亲自下场。Arm推出的首款面向外部销售的数据中心CPU，命名为Arm AGI CPU，充分体现了其野心。AGI（通用人工智能）是整个AI行业的长期叙事制高点，智能体是“递归式”通往AGI的重要路径。而Arm AGI CPU正是面向高性能智能体AI系统而设计的。

它性能强劲、易于扩展，而且功耗低。在发布会上，公司高管直斥x86架构CPU是AGI路线的技术债务。

根据官方资料，这款CPU拥有136个Neoverse V3核心，最高主频可达3.7GHz，由两个Chiplet组合而成，采用台积电3纳米工艺。每个核心配备2MB的L2缓存，并共享128MB的系统级缓存（SLC），内存带宽825 GB/s，设计热功率（TDP）为300W。

它已经超过了英伟达目前主打的Grace CPU。后者基于ARM Neoverse V2核心，无论是主频、L2缓存、内存带宽都落后了不少。

Meta与OpenAI，这些原本围绕AI推理芯片构建体系的玩家，如今开始为CPU预留位置；叫板英伟达的芯片初创企业Cerebras，也是它的客户之一。它们现在就可以订购，年底实现量产；明年，就迭代到第二代；AGI CPU 3也已在规划中。

智能体式（Agentic）AI的兴起，为CPU带来了新的价值。ARM首席执行官Rene Haas在发布会上称，随着AI从现有工作负载，演进到智能体式工作模式，数据中心对CPU的需求可能增长四倍，相当于每GW算力的CPU核心数，从当前的3000万个跃升至1.2亿个。相比传统x86架构CPU，AGI CPU能省下高达100亿美元/GW的电费和资本支出。

然而，能省电费也许不是CPU复兴的主要原因，避免GPU价值被浪费才是。随着GPU算力日益强大，其空闲或未充分利用的也越来越不可接受。AI工厂吞吐token的交互速度，如果从每秒400个token向1000个token延伸，那么，每百万token的价格可以从45美元提升至150美元，这不是线性的增长。

在GTC 2026期间，黄仁勋接受专访时称，英伟达专注于加速计算，目标从来不是取代CPU，而是最大化整个系统的性能。那些立错目标的竞争对手已经消失在历史里。在现代AI系统中，系统性能始终受阿姆达尔定律制约，GPU、网络、内存和CPU都会成为潜在瓶颈，英伟达正在一手抓。

过去10年，CPU的设计主要围绕超大规模云计算展开（Cloud-Native CPU），更强调核心数量。在智能体兴起前，AI主要用于生成内容，CPU作为GPU控制节点（Head Node CPU），负责管理GPU并持续为其提供数据，追求更高单核性能。不过，数据调度、任务编排、工具调用和系统交互，甚至操作没有API接口的应用程序，如浏览网页、点击界面元素等，在CPU与GPU的交互中，占比仍然不显著。英伟达的Grace CPU，主要就是GPU控制节点。

但是，随着智能体能力不断提升，它可以完成越来越多复杂任务，也将触及更多无法并行的工作负荷。一旦CPU性能不足，这部分“不可加速”的工作，就会成为整个系统的瓶颈。要求CPU确保数据、任务和工具调用能够高效流动，也就需要更强大的单核性能与IO能力。

既然AGI离不开CPU，那么，黄仁勋要打造最高效的“AI工厂”，自然也希望把CPU的命运，牢牢抓在自己手里。在上周的GTC 2026上，英伟达大力宣传了下一代基于Arm架构的自研CPU，卖点就在于专为智能体式AI打造。

它摆脱了ARM的Neoverse核心，采用深度自研的Olympus核心，号称单核性能最强。该CPU的每核私有L2缓存也提升至2MB，内存带宽更是达到了1.2TB/s。Vera CPU的下一代，将是Rosa CPU，也已经早早宣布。

尽管这次黄仁勋为ARM AGI CPU美言了几句，但事情正在变得微妙。黄仁勋为了解决AI工厂的“阿姆达尔瓶颈”，已经收购了Mellanox与Groq。在2020年，英伟达也曾动过400亿美元收购ARM的念头，但最终在所有人的反对下，于2022年宣告终止推进协议。

智能体正在改变AI叙事的竞争格局。ARM AGI CPU就是CPU复兴最直接的一击。去年，英伟达推出NVLink Fusion功能，允许只要CPU或GPU来自英伟达旗下，就能互联互通，也许就预见到了这一刻。

事实上，英伟达也开始出售自己的CPU。一开始，单独出售的Grace CPU，主要用于超级计算机和其他高性能计算应用。今年2月，英伟达与Meta达成了一项多年协议，其中包括首次大规模部署Grace CPU，而下一代的Vera CPU也在接受Meta的评估。

但是，Meta正是ARM AGI CPU的首位大客户，事实上也是这款芯片的设计合作者。在硅谷巨头中，即使是CPU领域，Meta的自研布局也相对落后。而其他几乎所有的重要玩家，已经都自研了ARM架构的CPU，包括亚马逊AWS的Graviton系列，微软Azure的Cobalt系列，谷歌云的Axion系列等等。

不过，它们在AI算力集群中的作用尚不明显，动作最快的，也主要是处于GPU控制节点的阶段，而非转为智能体式AI优化。

亚马逊是首家推出自研CPU的超大规模云厂商，2018年就发布了Graviton。去年底，在发布的Trainium3芯片后，亚马逊曾透露，基于该芯片的算力集群，将由自己的Graviton5驱动。谷歌两年前发布的Axion芯片，目前覆盖了大约30%的内部应用，未来，谷歌也会设计用于TPU集群的Axion CPU，以支撑Gemini模型。微软基于Maia 200的算力集群仍然由英特尔CPU驱动。

看来，正如推理时代AI芯片走向定制，智能体时代的CPU复兴，谁都想掺和一把。这可关系到AGI的实现呢。