CPU 迎来高光时刻：解读 Arm 在超大规模云计算市场的强劲增长

微软和亚马逊云科技最新财报传递出同一个信号：基于arm架构的cpu已成为智能体ai的核心基础设施。

近期微软(microsoft)和亚马逊(amazon)的两场财报电话会议共同印证了一个趋势：基于arm架构的定制芯片已经从过去的技术尝试，转变为超大规模云基础设施的核心支柱。

微软ceo萨提亚•纳德拉(satyanadella)用一句话概括了这场架构变革：“在运行智能体负载时，cpu与gpu同样重要。”随后他给出了有力的证据：微软预计，到7月底搭载azurecobalt200的机架将部署在全球超过25个数据中心。

时隔一日，亚马逊公布，其芯片业务（包括graviton、trainium和nitro）年化营收规模已突破250亿美元，同比增长达到三位数。客户对graviton的采购承诺规模环比接近增长三倍，而graviton5的采用速度也接近graviton4的两倍。

虽然产品不同、云平台不同，但方向趋同：全球领先的超大规模云服务商正在将基于arm架构的cpu打造成ai基础设施的核心，并针对各自的工作负载需求和经济效益目标进行优化。

智能体需要的不止是模型算力

生成式ai的第一波浪潮的衡量标准是模型规模、ai加速器的供给能力以及词元(token)的生成能力。而智能体ai的运行方式则更加复杂，智能体需要检索数据、调用工具、运行代码、执行策略，并对结果进行验证，所涉及的是更广范畴的任务。

gpu仍承担绝大部分模型训练与推理token生成工作，而cpu则承担着围绕模型运行的各项任务，包括请求路由、数据预处理、工具编排、内存和存储管理，并确保数千个并发交互任务能够持续稳定地运行。

纳德拉在财报电话会议上表示，基于azurecobalt的虚拟机(vm)产品组合目前已承载微软自有服务，以及adobe、arm、elastic、openai、sprinklr和tomtom等客户的工作负载，表明其已在真实生产环境中应用。

亚马逊云科技则从另一个角度印证同一趋势。graviton5专为智能体ai工作负载设计，针对实时推理、代码生成和多步骤编排等场景进行了优化。基于graviton5的m9g实例相比采用graviton4的m8g实例，计算性能最高提升25%，机器学习推理速度最高提升35%。

两家超大规模云厂商，不同路径通向规模化

cobalt与graviton的成功证明，arm架构让超大规模云厂商能够针对自身大规模基础设施要求定制芯片，同时共享同一架构和软件。这有助于加快商业化进程，实现商业回报。微软于2025年11月发布cobalt200，2026年6月开放虚拟机产品的预览访问。不到两个月，搭载该芯片的机架方案已部署至全球超过25个数据中心，进展十分迅速。

cobalt200基于armneoversecssv3构建，是微软第二代arm架构云cpu——相较前代产品，性能最高提升50%，扩展到128个vcpu，专为云原生、数据密集型以及智能体工作负载设计。

亚马逊云科技已推出第五代graviton产品。搭载graviton5的m9g和m9gd实例已于今年6月正式商用，计算性能较graviton4最高提升25%。亚马逊云科技表示，就整个graviton产品线而言，其性价比较同类实例高出30%至40%。

真正值得关注的是graviton产品的客户采用率：亚马逊云科技排名前1000的ec2客户中，98%都在使用graviton，超过12万家客户基于graviton构建服务。连续第三年，亚马逊云科技新增cpu容量中超过一半采用了graviton。

效率释放算力，算力创造营收

微软将基础设施效率与业绩增长直接关联起来。当季azure营收同比增长43%，而市场需求依然超过现有供给能力。微软首席财务官艾米•胡德(amyhood)表示，cpu和gpu基础设施运营效率的持续提升，以及基础设施扩容和启用速度的加快，释放了更多可用算力资源，而这些新增算力几乎在上线后便被市场需求迅速消化并转化为收入。

对于超大规模数据中心而言，cpu效率提升的意义远不止降低电费支出。当市场需求超过供给时，更高效的基础设施能够在相同机架规模和相同电力预算下释放更多可用算力，而这些算力最终会转化为营收。

微软并未披露cobalt200对效率提升的具体贡献比例，但背后的逻辑已经非常明确：性能、资源利用率和能效既是释放更多算力的杠杆，也是推动业务增长的杠杆。

亚马逊云科技提供了另一项佐证数据。250亿美元的年化营收涵盖整个芯片业务，而不仅仅是graviton。然而采购承诺的快速增长以及graviton5的加速采用表明，定制cpu产品线正成为这一规模庞大且高速增长的芯片业务的重要支柱。同时，其显著的性价比优势，也为客户将更多工作负载迁移至graviton平台提供了充分理由。

行业面临的压力持续加大。国际能源署(iea)数据显示，面向ai的数据中心用电量在2025年增长了50%。研究机构dell'orogroup统计显示，2026年第一季度，亚马逊、谷歌、meta和微软的数据中心资本支出同比增长78%。相比一年前，如今每一瓦电力、每一个机架都变得更加重要。cpu能效已不再是技术参数中的次要指标，而是超大规模云厂商释放受限算力、提升现有基础设施利用率并获得更高回报的关键手段。

与此同时，市场需求正突破gpu单一范畴。idc预计，2026年全球ai基础设施支出将达到4,970亿美元，同比增长约56%，且需求不再局限于gpu系统，还包括编排平台、数据流水线以及基于cpu的推理集群等领域。

超大规模云市场传递出更多利好arm的信号

微软和亚马逊云科技是当下最受关注的案例，但它们只是这场更广泛架构迁移的一部分。

googlecloud推出的axion是基于arm架构定制的cpu产品系列。axion不仅作为支撑其云基础设施的通用cpu，还在最新一代tpu系统中担任ai头节点cpu，负责提供编排、网络和基础设施服务，支撑超大规模ai系统稳定运行。

nvidia在ai工厂方案也做出了相同的架构选择。vera是nvidia最新推出的基于arm架构的cpu，将作为rubin等下一代ai系统的计算基础。在这些机架级部署的系统中，cpu负责协调内存、网络和加速器资源。

综合来看，microsoftcobalt、amazongraviton、googleaxion以及nvidiavera都指向了同一个结论：随着ai基础设施从模型推理阶段迈向自主智能体执行阶段，基于arm架构的cpu正逐渐成为现代ai数据中心的通用计算底座，承担资源编排与系统协调等关键职能。