136个核心塞进一颗CPU，每瓦性能翻倍，Arm这次亲自下场造芯片了。更魔幻的是，Meta和OpenAI这两个算力黑洞，居然抢着当首批客户。
这不是授权IP的老路子，是Arm成立35年来第一次自己设计、自己流片、自己卖芯片。
3月28日，Arm正式发布AGI CPU——名字就透着野心，"通用智能"（Artificial General Intelligence）直接写进产品名。CEO Rene Haas在发布会上用了个挺重的词："Arm计算平台的下一次进化"。
进化在哪？过去Arm只卖架构授权，高通、苹果、联发科买了设计自己改。这次Arm亲自操刀，从图纸到晶圆全流程把控，相当于从"卖菜谱"变成"开餐厅"。
性能数据：把x86架在火上烤
单颗AGI CPU塞进136个Neoverse V3核心，每核心配6GB/s内存带宽，延迟压到100纳秒以内。整机功耗300瓦，比同性能x86方案低一截。
更狠的是密度。风冷1U机架能塞8160个核心，液冷方案直接飙到45000核心。Arm官方说法是"每机架性能超x86两倍"——这话要是属实，数据中心运营商的电费单得重新算了。
功耗和密度，恰恰是AI数据中心的命门。OpenAI训练GPT-4据说用了上万张GPU，电费占成本大头；Meta去年资本开支380亿美元，相当部分砸进算力基建。AGI CPU的卖点很直白：同样的活，更少的电，更小的地。
但Arm的野心不止于省钱。官方文档里反复出现一个新词：agentic AI（自主智能体）。不是跑完就撤的一次性任务，是7×24小时在线、能推理能规划能执行的长期驻留程序。这种负载对延迟敏感、对稳定性苛刻，传统GPU+CPU的异构架构反而累赘。
时机：老黄刚把GPU卖成期货
Arm选的这个时间点，细品很有意思。
英伟达H100/H200至今供不应求，B200刚发布就被订到明年。云厂商算过账：买GPU的钱、等GPU的时间、喂GPU的电，三项成本都在涨。摩根士丹利去年报告里有个数——AI训练成本中，硬件占比从2020年的47%涨到2023年的68%。
Meta和OpenAI的算盘不难猜：多一条腿走路，总比吊在英伟达一棵树上强。Meta去年搞过自研MTIA芯片，OpenAI被传和博通合作定制ASIC，都是同一个逻辑——算力自主，生死攸关。
Arm的差异化打法是"CPU本位"。不是跟GPU硬碰硬，而是抢那些"GPU过剩、CPU瓶颈"的场景：推荐系统、检索增强生成（RAG）、中小模型推理。这些活儿不需要H100的暴力算力，但需要低延迟、高吞吐、好调度——恰恰是CPU的舒适区。
Haas在发布会上放了一句挺挑衅的话："2036年的AI数据中心不会塞满GPU"。FuriosaAI的CEO之前也说过类似的话。这类判断的潜台词是：AI计算正在分层，训练靠GPU，推理靠专用芯片，中间地带会挤进新玩家。
风险：Arm会不会和客户抢饭碗
但Arm亲自下场，有个尴尬问题：它的客户怎么办？
亚马逊Graviton、阿里倚天、微软Cobalt，都是基于Arm Neoverse的定制CPU。现在Arm自己出芯片，性能指标又这么激进，云厂商的自研路线会不会被釜底抽薪？
Arm的回应是"分层服务"：AGI CPU针对超大规模客户的极致需求，普通授权照旧。但这话听着像安抚，实际博弈才刚开始。Meta和OpenAI愿意当早期客户，部分原因也是它们体量够大、议价权够强，不怕被Arm卡脖子。
另一个未知数是软件生态。x86统治数据中心三十年，靠的不是指令集，是无数企业应用的历史包袱。Arm服务器喊了多年"替代"，进展始终慢于预期。AGI CPU要成气候，得让PyTorch、TensorFlow、vLLM这些框架无缝迁移——Arm说正在做，但"正在做"和"做好了"是两回事。
还有制造。Arm没有晶圆厂，AGI CPU得找台积电或三星代工。先进制程的产能，现在比GPU还紧张。Haas没透露具体工艺节点，但"2025年送样、2026年量产"的时间表，意味着它要和苹果、高通、AMD抢同一条产线。
Meta工程师在内部论坛的一段吐槽被泄露出来："我们测过早期样品，单线程性能不错，但多机扩展的稳定性还得磨。"OpenAI那边更谨慎，据说只签了"评估协议"，没承诺采购量。大厂的白鼠心态很明显：先看看，不押宝。
Arm的股价发布会当天涨了4%，但全年仍跑输纳斯达克。资本市场的问题是：AGI CPU能贡献多少收入？分析师估测，即便2026年量产顺利，前三年营收占比可能不到5%。Arm的真正赌注在更远处——如果agentic AI成为主流，如果CPU在推理层站稳脚跟，AGI CPU就是重新定义游戏规则的筹码。
Haas在采访里被问到"会不会和英伟达正面竞争"，他打了个太极："我们在计算平台层面互补。"但所有人都知道，数据中心的预算池是有限的，多一个分蛋糕的，老黄就得少切一块。
热门跟贴