AWS Graviton5驱动EC2 C9g实例，重塑AI时代CPU价值

亚马逊云科技（AWS）近日正式宣布其搭载Graviton5处理器的Amazon EC2 C9g与C9gd实例全面上线，将最新一代Arm架构处理器引入计算优化型实例，面向AI推理、高性能计算、分布式分析及其他CPU密集型工作负载。

AWS表示，C9g实例相较上一代C8g系列，每个vCPU的性能提升幅度高达25%，同时支持DDR5-8800内存、五倍L3缓存容量、PCIe Gen 6连接以及高达三倍的数据包处理性能。此外，AWS还通过最新一代Nitro平台推出了多项平台级更新，其中包括Nitro隔离引擎——这是一项基于Rust语言开发的安全能力，内置于Nitro Hypervisor中，用于管控对内存、CPU寄存器状态及I/O设备的访问，从而强化虚拟机隔离能力。

对云基础设施运营者的意义

此次发布不仅仅是一次常规的处理器升级迭代。

尽管GPU仍是模型训练和大规模推理的核心引擎，但整个AI技术栈正加速向能够规划任务、调用工具、执行多步骤工作流的智能体系统演进。这一趋势对CPU在编排调度、内存管理、任务调度与并发处理等方面提出了更高要求，运营商需要在算力、内存、网络与存储之间做好平衡，确保昂贵的加速器始终保持高效运转。AWS此次推出C9g/C9gd，正是为了承担这一角色。

CPU设计向AI演进

行业分析师指出，AWS的举措折射出一种更宏观的架构趋势。

Moor Insights & Strategy数据中心技术副总裁兼首席分析师Matt Kimball在接受Data Center Knowledge采访时表示："AI赋能已经成为未来每一款CPU的设计基准。尽管GPU占据了大量关注，但CPU的需求将继续以极快的速度增长。"

他指出，Graviton5的设计目标是同时服务于成熟的企业级工作负载与新兴AI应用。更大的缓存容量、更快的内存速度以及更高带宽的I/O接口，不仅有益于数据库、分析和HPC场景，该处理器架构同样适合推理、任务分解、并发处理等CPU密集型AI任务。

此次发布延续了AWS更大范围内推进Graviton在云平台中战略价值的布局。今年早些时候，AWS曾推出搭载Graviton的Amazon Redshift RG实例，旨在提升AI时代数据分析场景的性能与经济性。C9g系列的推出，进一步将这一战略深入到基础设施层，专门针对AI推理周边那些对编排调度和内存消耗要求较高的路径进行CPU优化。

HyperFrame Research半导体与深科技分析师Stephen Sopko表示，这一转变反映的是AI工作负载本身性质的演变，而非加速器地位的下降。

"模型推理或许运行在加速器上，但编排调度、工具调用和多步骤推理本质上仍是CPU密集型的，"Sopko说，"CPU并不是要取代加速器，而是在智能体规划任务、调用工具、维护状态的同时，保证加速器始终有活可干。"

Sopko预计，随着企业部署规模更大的智能体AI系统，这种协同关系将愈发关键。"智能体AI让CPU从配角重新回到联合主角的位置，"他说，"C9g就是亚马逊为这一转变搭建的控制面基础设施。"

竞争格局超越x86范畴

在围绕AI重新设计服务器处理器这条路上，AWS并不孤单。

英伟达的Grace CPU与其AI平台深度集成，Arm在Neoverse路线图中全面强调AI能力，高通也推出了面向编排调度、通用计算及AI头节点功能的服务器CPU产品线。

Kimball认为，Graviton5目前最直接的竞争对手仍是AMD EPYC和英特尔至强系列，而非AI加速器。即便如此，他预计随着市场对优化数据移动、内存管理及GPU协同编排的处理器需求持续增长，各大主要CPU产品线将持续围绕AI工作负载演进。

产品规格与上线区域

C9g/C9gd支持PCIe Gen 6及最新一代Nitro平台，提供从中等规格到48xlarge共11种实例尺寸，并包含裸金属选项。据AWS介绍，最大规格实例可提供高达100 Gbps的网络带宽和最高72 Gbps的Amazon EBS带宽。C9gd实例还配备本地NVMe SSD存储，适用于需要高速缓存或临时存储空间的工作负载。

目前，上述实例已在AWS美国东部（北弗吉尼亚和俄亥俄）、美国西部（俄勒冈）及欧洲（法兰克福）区域上线，更多区域将陆续开放。

Q&A

Q1：AWS Graviton5相比上一代Graviton4有哪些性能提升？

A：Graviton5驱动的C9g实例相较上一代C8g系列，每vCPU性能提升最高达25%，支持DDR5-8800内存，L3缓存容量增至五倍，采用PCIe Gen 6连接，数据包处理性能最高提升三倍。同时引入基于Rust开发的Nitro隔离引擎，进一步强化虚拟机隔离安全性。

Q2：CPU在AI工作负载中扮演什么角色，和GPU如何分工？

A：GPU主要负责模型训练和大规模推理计算，而CPU则承担AI系统中的编排调度、内存管理、工具调用和多步骤任务推理等工作。在智能体AI系统中，CPU负责"控制面"，确保GPU等加速器始终高效运转，两者是协同关系而非替代关系。

Q3：EC2 C9g实例目前在哪些地区可以使用？

A：EC2 C9g与C9gd实例目前已在AWS美国东部（北弗吉尼亚和俄亥俄）、美国西部（俄勒冈）以及欧洲（法兰克福）区域正式上线，AWS计划后续在更多区域陆续开放访问。