微軟和AWS的財報正好證明了這一點：基於Arm架構的CPU現在是智慧體AI的核心基礎架構
兩場財報電話會議，同一個故事。在短短 24 小時內，微軟和亞馬遜分別以實際行動證明，基於 Arm 架構的客製化晶片已經從實驗階段發展成為超大規模雲端基礎設施的支柱。
微軟執行長 Satya Nadella 用九個字概括了架構轉變：「在運行代理程式時，CPU 與 GPU 同等重要。」 然後他補充道：到 7 月底，微軟預計將在全球超過 25 個資料中心運行 Cobalt 200 機架。
一天后，亞馬遜宣布其晶片業務（包括Graviton、Trainium 和 Nitro）的年營收已突破 250 億美元大關，年增三位數。 Graviton 的營收承諾季增近三倍，Graviton5 也正在被廣泛採用。速度幾乎是 Graviton4 的兩倍。
不同的產品，不同的雲端平台，相同的方向：最大的超大規模雲端服務商正在建立基於 Arm 的 CPU 作為核心 AI 基礎設施，以適應他們自己的工作負載和經濟效益。
智能體需要的不只是模型計算
生成式人工智慧的第一波浪潮以模型規模、加速器供應量和代幣發行量來衡量。而智能體人工智慧則更加複雜，也更加繁雜。智能體需要檢索資料、呼叫工具、運行程式碼、應用策略並檢查自身的工作。這是一項更廣泛的任務。
GPU 仍然執行大部分模型訓練和推理標記生成，但 CPU 則運行周圍的一切：路由請求、準備資料、協調工具、管理記憶體和儲存、保持數千個並發互動流暢運行而不崩潰。
納德拉在財報電話會議上表示，微軟的 Cobalt VM 產品組合已經承載了微軟自有服務以及來自 Adobe、Arm、Elastic、OpenAI、Sprinklr 和 TomTom 等客戶的工作負載。這已經是一個實實在在的生產環境了。
AWS 從另一個角度講述了同樣的故事。 Graviton5 專為智能體 AI 工作負載而構建，例如即時推理、程式碼生成和多步驟編排。基於 Graviton5 的 M9g 實例的運算效能比基於 Graviton4 的 M8g 實例提升高達 25%，機器學習推理速度提升高達 35%。
兩家超大規模資料中心，兩條通往相同規模的路徑
Cobalt 和 Graviton 證明，Arm 能夠讓超大規模資料中心營運商在共享相同架構和軟體基礎的同時，針對自身集群優化晶片。這大大加快了產品獲利的速度。微軟於 2025 年 11 月發布了 Cobalt 200，並於 2026 年 6 月開啟了虛擬機器預覽。不到兩個月後，該公司表示，機架已在超過 25 個資料中心投入使用。這速度相當驚人。
Cobalt 200 基於 Arm Neoverse 計算子系統 V3 構建，是微軟的第二代 Arm 雲 CPU，性能比上一代產品提升高達 50%，可擴展至 128 個 vCPU，專為雲端原生、資料密集型、代理工作負載而構建。
AWS 的 Graviton 架構已發展至第五代。搭載 Graviton 5 的 M9g 和 M9gd 實例已於 6 月正式發布，其運算效能比 Graviton 4 提升高達 25%。 AWS 聲稱，整個 Graviton 產品線的性價比比同類執行個體高出 30% 至 40%。
採用率才是真正的重磅數據：AWS 前 1000 名的 EC2 客戶中，98% 都使用了 Graviton。超過 12 萬家客戶基於 Graviton 建置應用程式。連續第三年，AWS 新增 CPU 容量中超過一半來自 Graviton。
效率轉化為產能，產能轉化為收入
微軟認為基礎建設效率直接關係到公司獲利。 Azure 營收本季成長 43%，但需求仍超過可用容量。財務長 Amy Hood 將這一成長歸功於 CPU 和 GPU 叢集效率的提升，以及基礎設施更快的上線速度，使得可用容量幾乎在上線的同時就能實現盈利。
在超大規模資料中心，CPU 效率不僅意味著更低的能耗。當需求超過供應時，更有效率的 CPU 叢集能夠在相同的機架和能耗條件下釋放更多可用容量。這些新增容量最終轉化為收益。
微軟並未單獨列出 Cobalt 200 相對於其他車隊效率提升措施的具體貢獻。但其邏輯已然明了：性能、利用率和能源效率既是產能提升的槓桿，也是成長的槓桿。
AWS 補充了第二個數據點。 250 億美元的年化收入涵蓋了整個晶片業務，而不僅僅是 Graviton，但更快的訂單承諾和 Graviton5 的快速普及表明，定制 CPU 產品線在龐大且快速增長的晶片平台中發揮著舉足輕重的作用，同時也為客戶提供了將更多工作負載遷移到該平台上的切實性價比理由。
風險不斷攀升，國際能源總署 (IEA) 預測， 2025 年人工智慧資料中心的用電量將成長 50% 。 Dell'Oro 預計，2026 年第一季亞馬遜、Google、Meta 和微軟的資本支出將年增 78%。每一瓦電力、每一個機架都比一年前更重要。 CPU 效率不再是無關緊要的因素；它決定了超大規模資料中心營運商如何釋放有限的容量，並從現有設施中獲得更高的回報。
此外，市場正在超越 GPU 領域，IDC 預計到 2026 年，全球 AI 基礎設施支出將達到 4,970 億美元，年成長約 56%，而真正的需求現在已經超越了 GPU 系統：編排、資料管道、僅使用 CPU 的推理叢集。
Arm在超大規模運算領域發出更廣泛的訊號
微軟和 AWS 是今天的新聞頭條，但它們只是更廣泛的架構轉變的一部分。
Google Cloud 建構了 Axion，這是其定制的基於 Arm 的 CPU 處理器系列，可作為支撐其雲端基礎設施的通用 CPU，以及 AI 頭部節點 CPU 和其最新一代 TPU，提供編排、網路和基礎設施服務，使 AI 系統能夠在超大規模下運行。
NVIDIA 在 AI 工廠也採用了相同的架構選擇。 NVIDIA 最新的基於 Arm 架構的 CPU Vera，作為下一代 AI 系統（包括 Rubin）的運算基礎，在 Rubin 中，CPU 負責協調機架級部署中的記憶體、網路和加速器。
綜合來看，微軟 Cobalt、AWS Graviton、Google Axion 和 NVIDIA Vera 都指向同一個結論：隨著 AI 基礎架構從模型推理擴展到自主代理執行，基於 Arm 的 CPU 正在成為協調現代 AI 資料中心的通用運算基礎。
更多COMPUTEX 2026最新資訊就在 ioioTIME 專區中
現在就加入 ioioTIMES 臉書粉絲團 更多互動、更多好康攏抵加!!
我們有LINE TODAY頻道了，快來追踪我們吧!!--最新科技新聞 盡在你手
