Arm近日正式顛覆長達三十多年的商業模式，首度推出自有品牌實體晶片「Arm AGI CPU」，專為快速崛起的代理式AI伺服器基礎設施打造。這款劃時代的處理器由台積電3nm製程加持，並與科技巨頭Meta攜手合作，宣稱能提供比傳統x86平台高出一倍以上的機架運算效能，預期將重塑AI資料中心的運算版圖。
事實陳述：Arm AGI CPU 面世，瞄準代理式AI運算核心
Arm於今日 (3/24) 歷史性地宣布，推出首款由官方親自操刀設計並投入量產的實體矽晶片產品——「Arm AGI CPU」。這款處理器明確劍指近期快速崛起的「代理式AI」 (Agentic AI) 基礎設施需求，其首發共同開發夥伴正是全球社群媒體巨擘Meta。憑藉台積電先進的3nm製程加持，Arm AGI CPU標榜能提供比傳統x86平台高出兩倍以上的機架運算效能，這不僅提升效率，更能在每吉瓦的AI資料中心建置中，為企業省下高達100億美元的資本支出。
在硬體規格方面，Arm AGI CPU展現極強的企圖心。單顆CPU搭載高達136個Arm Neoverse V3核心，並提供每核心6GB/s的記憶體頻寬與低於100ns的延遲表現。該晶片的功耗控制在300瓦 (TDP)，同時每個程式執行緒均配置專屬核心，確保在持續高負載下提供決定性的效能，有效消除降頻與閒置執行的浪費。此外，它支援高密度1U伺服器機架，在氣冷佈署模式下，每組機架可容納高達8160個CPU核心；若採用液冷系統設計，則能推升至每機架對應超過45000個CPU核心，大幅提升伺服器密度。
各方反應：科技巨頭力挺，Meta成首發合作夥伴
Arm這次打破慣例親自投入晶片設計，並未引發原有IP客戶的強烈反彈，反而獲得業界廣泛支持。其中，Meta更成為該晶片的首發合作夥伴與共同開發者。Meta基礎設施主管Santosh Janardhan表示，Meta將利用Arm AGI CPU來優化其應用程式家族的基礎設施，並將其與Meta自研的AI加速晶片「MTIA」協同運作，藉此實現在大規模AI系統中更有效率的運算調度。雙方亦承諾將在未來多個世代的產品路線圖中持續深入合作。
除了Meta，包含OpenAI、Cerebras、Cloudflare、SAP與SK Telecom在內的多家企業，也均確認將導入此晶片，用於加速器管理、控制平面處理，以及雲端API託管等核心任務。在硬體系統端，Arm已與華擎 (ASRock Rack)、聯想 (Lenovo)、廣達 (Quanta Computer)及Supermicro等OEM及ODM廠展開合作，預計今年下半年將有更多系統投入市場。此外，包含AWS、Google、微軟、NVIDIA執行長黃仁勳，以及三星、SK海力士 (SK hynix)等超過50家科技巨頭，也都對Arm擴展至晶片產品線表達大力支持，顯示業界對此策略的高度認可。
背景補充：代理式AI需求驅動，Arm轉型搶佔市場
Arm執行長Rene Haas在聲明中指出，AI已經徹底重新定義運算的建構與佈署方式。過去的AI基礎設施高度集中在GPU的「模型訓練」上；但隨著AI應用轉向佈署持續運行的「AI代理」 (AI Agents) 時，這些系統需要不斷地進行推理、規劃、協調與資料搬移，導致AI系統生成的Token數量呈指數級增長。根據預估，當企業大規模導入代理驅動的應用時，每吉瓦 (GW) 電力所需的CPU數量將暴增超過4倍。
在功耗限制下，傳統x86處理器的複雜架構與高能耗已難以負荷。因此，為協助合作夥伴加快佈署AI代理速度，Arm決定打破過往僅提供IP或運算子系統 (CSS) 的「慣例」，直接推出自有品牌實體晶片，為市場提供更具彈性且直接的硬體選擇。此舉也象徵Arm從過往僅提供IP設計與CSS運算子系統配置，進一步跨入提供實體CPU產品，藉此在代理式AI趨勢中佈局更廣泛的運算市場。
外界分析指出，Arm將AGI CPU的定位精準切入「代理式AI」這個新興且需才孔急的特殊領域，成功避免了與既有IP客戶產生利益衝突。對於像Meta或OpenAI這樣需要海量CPU來搭配自家AI加速器，卻又不見得想投入龐大資源去「從零設計通用CPU」的廠商來說，直接購買現成、已經將Neoverse V3效能榨到極限的Arm AGI CPU，是最具成本效益的做法。這同時也是Arm針對x86陣營 (Intel與AMD) 在資料中心領域發起的一場「絕殺」，預示著資料中心的運算主力，正無可避免地向Arm架構全面傾斜。
後續觀察：資料中心運算版圖的潛在變革
Arm此次親自設計並推出AGI CPU晶片，不僅是其商業模式上的一大突破，更被視為對未來代理式AI運算需求的前瞻性佈局。此舉動能否在競爭激烈的資料中心市場中，成功挑戰x86架構的長期主導地位，並引導業界加速轉向更具能效比的Arm架構，將是科技界未來幾年關注的焦點。隨著更多系統產品於今年下半年陸續投入市場，其對全球AI基礎設施的深遠影響將逐步顯現。
