本质上，AI 重新定义了“优秀”基础设施的标准。相应地，平台设计的重心也从注重单一的芯片或服务器，转向了打造机架级、可扩展的系统，在功耗和预算有限的前提下，实现高效扩展。而这一转变背后的原因在于，推理与智能体 AI 工作负载持续增长且不间断运行，对高密度、全天候在线的算力需求正快速提升。

Futurum 在《Arm处于 AI 和数据中心变革的中心》报告中，把这一转变称为迈向“系统级协同”。设计的关键不再是堆多少算力，而是平台能不能有效地把加速器、CPU、内存、网络和软件协同起来。

正因如此，业界正加速迈向定制化机架级系统设计：即围绕 AI 负载特性、功耗波动和持续利用率来进行端到端设计的平台。越来越多的架构师开始重新思考计算底层设计，选择基于 Arm 架构来解决现代 AI 平台面临的多重约束。

AI 促使行业重构：转向定制化机架级系统

这一转变的核心原因，并非通用型标准化基础设施无法承载 AI，而是碎片化的系统设计，在 AI 规模化部署时，终将转化为真实可感的成本代价。

AI 工作负载在计算、内存、网络、存储及软件各环节紧密耦合。CPU 拖后腿，昂贵的加速器就会空等；功耗和散热波动，利用率就会下滑；数据管道、调度、编排未能针对平台调优，吞吐量就不可预测。峰值性能依然重要，但稳定性、每瓦性能和系统整体平衡性更关键。

Futurum 指出，超大规模云服务提供商正进行结构性调整，旨在实现算力的指数级增长，同时避免能耗的同步激增。Futurum 引用 Arm 的数据指出，到 2025 年末，出货到头部超大规模云服务提供商的算力中，有近 50% 是基于 Arm 架构。

架构师现在不再只看纸面跑分，而是更关心 AI 平台在实际应用中能否长期可靠地运行智能体 AI 和连续推理工作负载，比如：

长时间高负载下，系统表现如何？

在实际环境中，功耗限制和散热条件如何影响性能曲线？

在机架级系统中，计算层如何确保加速器能持续获得稳定的数据供给，而非仅停留在纸面参数上？

当能效、可扩展性与系统平衡性成为首要原则时，重新审视 CPU 底层架构就成了必然。也正因为此，Arm 凭借领先的架构和完善的生态，正是这场行业变革的核心所在。

在数据中心领域，Arm Neoverse 平台是推动这一转型的核心引擎。亚马逊云科技、Google、微软、NVIDIA 等头部超大规模云服务提供商与 AI 领军企业，都在基于 Arm 架构或采用 Arm 计算平台进行产品研发。Arm 的模式既能支持定制化系统设计，又能保持跨平台、跨生态、跨软件的一致性。对于想要构建高集成度平台、又不愿被单一技术路径绑定的团队而言，这种灵活性至关重要。

智能体 AI 与持续推理，

重塑规模化算力的经济逻辑

随着 AI 与通用计算工作负载的融合，AI 工作负载正在发生变化，基础设施也需随之调整，以支持多样化的工作负载特性。

行业重心正在转向智能体 AI，而智能体 AI 本质上就是一个连续推理系统。智能体并不是简单地给出一个答案， 而是会规划、调用工具、检索数据、验证结果，如此循环往复。由此便形成了连续推理模式：稳定不间断的词元 (token) 生成任务，请求类型趋于多元化，围绕加速器的编排和数据迁移任务变得更繁重。

在智能体 AI 里，CPU 不再是配角， 而是整个 AI 系统的控制中枢。CPU 负责协调控制、调度任务、管理 IO、处理网络与存储服务、执行安全策略，并在模型、上下文及工具链不断演进的过程中，维持整个系统的平衡。

以承载大语言模型 (LLM) 的服务为例，它可能同时处理成百上千的并发请求。就算加速器负责核心计算，CPU 也要承担请求权限控制、分词和预处理、批处理和队列调度、数据迁移编排，以及针对模型权重与 KV 缓存的数据路径协调等。到了智能体工作流，CPU 的工作负担进一步扩展，还要承担工具调用、检索流程、结构化输出验证、多步调度等持续运行的任务。

这一切都表明，CPU的重要性远超许多团队的预期。如果 CPU 跟不上编排节奏，数据迁移、处理流程和加速器都会被“卡住”，面临结构性的闲置风险。

融合型 AI 数据中心的建设，彰显了 Arm 架构的强劲势头

Arm 的发展势头正在加快。在业内领先的集成式 AI 系统中，基于 Neoverse 平台的 CPU 被广泛用于智能体推理密集型系统的编排层，尤其适合追求高能效、可预测扩展能力和大规模部署的应用场景。

独立测试也印证了现代 CPU 基础平台在“AI 相关”工作负载中的价值。Futurum 旗下 Signal65 的独立基准测试对比了基于 Arm Neoverse 平台的 Amazon Graviton4 与同级的 AMD和 IntelEC2 实例，结果显示：在生成式 AI (Llama-3.1-8B)、数据库 (Redis)、机器学习(XGBoost)、网络 (Nginx) 等测试的各种工作负载中，基于 Neoverse 平台的 Graviton4 在性能和性价比方面大幅领先。

测试结果直接反映了智能体 AI 数据中心的现状：LLM、检索层、缓存、Web/API、传统机器学习等全都处于智能体系统的关键路径上，只有当 CPU 兼具速度与能效时，整体才能更好地扩展。

最新的机架级 AI 系统在架构设计上，均采用定制化加速器层以及基于 Arm 架构的 CPU 层的组合，由后者承担调度编排、数据迁移与智能体推理预处理等关键任务。NVIDIA Grace Hopper、Grace Blackwell 等系列产品，将 NVIDIA GPU与基于 Neoverse 架构的 Grace CPU 深度融合。而其最新机架级平台 Vera Rubin NVL72，更是在系统内集成 72 颗 Rubin GPU 与 36 颗基于 Arm 架构的 Vera CPU，专为交互式、深度推理型智能体 AI 优化，显著降低推理成本。

亚马逊云科技也在走同样的系统级路线：Amazon Trainium3 UltraServer 把 Trainium3 加速器芯片与 Graviton CPU 结合，强化了“融合型”设计理念：将加速器与定制的高性能、高能效 CPU 相匹配，以实现高效扩展。

“提供更优选择”不再是偏好，而是硬性要求

AI 系统迭代太快，固定架构已无法适配其发展节奏，因此为客户提供更优选择已成为风险管理的必要举措。

系统架构师想要的是：

平台能适应不同代的硬件、多样的工作负载配置及各异的部署环境；

软件可移植，以降低系统变更成本。

与此同时，系统架构师希望避免因过度依赖单一厂商，而导致在模型组合变化、业务规模扩张或新需求出现时陷入被动。在智能体时代尤其如此：推理形态不断变化，上下文更长、工具调用更多、多模态输入更频繁、全天候工作负载更普遍，效率和平衡远比峰值跑分重要。

Arm 架构在提升系统性能的同时，保持跨平台一致性。Arm 架构不仅引入了现代 AI 基础设施所需的关键特性，而且拥有强大的软件生态支持。Arm 计算子系统 (CSS) 提供经过验证的基础设施级模块，既加速了芯片开发，又保留了合作伙伴间的差异化与选择权。对于所有基于 Arm 架构的平台，一致性贯穿始终，云工作负载迁移至 Arm 平台也极为便捷。同时，在软件层面，Arm 生态助力团队在不同环境与平台间拥有一致连贯的基础，从而加速开发进程，无需重写所有代码。

智能体 AI 经济重塑 CPU 选择格局，Arm Neoverse 平台成头部厂商首选

系统架构师之所以倾向于 Arm 平台，因为它精准匹配定制AI 系统的核心需求：能效、可扩展性及每瓦性能。能效重要，因为功耗和预算是硬上限；系统平衡和 CPU 性能重要，因为加速器闲置成本极高；一致性重要，因为 AI 基础设施变化快、跨环境部署日益增多。

在融合型智能体 AI 数据中心里，面对持续推理的应用需求，上述优先事项变成了上线即需满足的硬性指标。智能体系统不只需要能生成词元的加速器，更需要以 CPU 为核心的编排能力，在网络、存储、调度、安全层面，持续、高效、大规模地把资源利用起来。

Arm 如今的强劲增长正源于此：Neoverse 正成为智能体时代的 CPU 基础平台，作为计算头节点，是让 AI 系统保持高效、一致并面向未来的核心控制中枢。

　　活动现场，身着色彩艳丽服饰的横山中心小学小演员们闪亮登场，以一曲民俗表演《打铃萧》拉开了整场演出的帷幕。清雅悠远的曲调中，演员们翩翩起舞，尽情抒发对美好生活的热爱，给观众带来了美的艺术享受。紧接着，繁昌民歌《繁昌 梦江南》、民俗表演《得胜桥下划龙舟》、舞蹈《绿水青山》、旗袍走秀《走卒》等好戏连台上演，精彩纷呈。“非遗”表演接地气、冒热气、蕴灵气，深受观众欢迎，赢得阵阵掌声。

　　除了精彩纷呈的节目，现场的非遗文化展板和书画志愿小分队的挥毫泼墨也同样吸引大家驻足，感受非遗文化的魅力。

　　繁阳镇新光社区居民何子萱告诉记者：“从这个非遗文化展演的活动中，我学到了很多关于非遗文化传统的知识，从社区的宣传中也学到了很多普法知识与垃圾分类的知识，活动非常有意义，让我这个周末过得很有价值。”

　　活动当天，新光社区工作人员和志愿者还提供了医保缴费、反电诈、法律法规宣传和有害垃圾兑换活动，还提供免费测量血压等服务，吸引了小区及其周边数百名居民。

　　“我们以这次非遗演出活动为契机，在活动现场开展了普法、医保等宣传活动，新光社区还将积极地拓展服务链，更好地为居民提供优质的服务。”繁阳镇新光社区党委书记姚晓芳介绍说。

　　本次活动旨在通过“观繁昌非遗文化展、听繁昌非遗优美民歌”等形式，从视觉、听觉等全方位、多角度向人们展示繁昌非遗文化的独特魅力。

　　“‘峨溪遗韵’第七届繁昌区非遗巡演活动是繁昌区文化馆品牌活动之一，接下来还会在繁昌经开区、峨山镇、荻港镇分别开展活动。”繁昌区文化馆副馆长仇莹说。（记者 黄晨伟）

莎拉波娃状态不稳 输给老冤家加西亚

在今年斯图加特，两位选手就曾有过一次交手，当时加西亚苦战三盘才艰难获胜，然而回到硬地后，莎拉波娃非但没能复仇成功，反而却收获了一场更一边倒的失利。至于失利的原因，恐怕熟悉她的人闭着眼也能猜到——糟糕而不稳定的发球，过多的非受迫性失误，最终导致整个战术体系全面瓦解。

全场比赛，莎拉波娃的每一个发球局都非常纠结，除了四次被破发之外，只有一个发球局是没有经历平分而保发成功的。如果你知道她的一发成功率只有40%，尤其是第二盘更是降到了36%，就不会对这个结果感到特别意外了。

对于这场失利，莎拉波娃说道：“我觉得她（加西亚）今天的表现十分出色，总是能够很连续地做出对的事情，她的回球非常深，总是可以打到线上，我并没有太多上手的机会，而且移动也总是慢半拍，而且在机会球上她的表现也非常出色。而她的发球也很好，这是我今天做的不够好的地方。”

确实，现在的莎拉波娃太仰仗自己的发球了，而这个环节又恰恰是她发挥起伏最大的地方。她的问题不在于无法打出一场出色的比赛，前两场尤其是上一轮对阵卡萨金娜的比赛就是明证，只要能拿出自己的应有的水准，她还是足以让任何人感到胆寒。然而问题就是在于，她现在无法连续在几场比赛里有足够稳定的发挥，太过于依靠状态的好坏来左右比赛的胜负，而并非依靠自己深厚的底蕴和硬实力。然而状态这种东西又恰恰是最捉摸不定的，等待状态的从天而降，显然无法支撑她在一项赛事中走得更远。

此前坊间有传言，莎拉波娃可能不会打满下一个完整的赛季，而从她本站比赛飘忽不定的表现来看，这一切绝非空穴来风。复出已经16个月了，她还远远未能达到自己和外界的期待，排名也是刚刚挤进了前三十，勉强锁定了一个大满贯种子席位而已，这对于心高气傲的莎娃来说，长此以往显然会是一种更痛苦的折磨。

所以，接下来的辛辛那提和美网的表现，可能对莎拉波娃的整个职业生涯都会尤为关键，她能把在蒙特利尔前两轮的表现再提升一个档次的话，也许接下来还有的打，如果还是这样好一场坏一场的表现，或许距离说再见真的不会太远。