Arm云AI业务拓展副总裁Eddie Ramirez：智能体爆发，CPU从配角走向C位

当AI产业重心从大模型推理转向智能体执行，数据中心算力结构正在发生深刻变化。过去行业更多聚焦GPU算力堆叠，而智能体需要频繁检索数据、调用工具、访问数据库以及多智能体协同，大量调度、编排工作落到CPU身上。CPU不再是AI系统的配角，而是决定智能体服务时延、并发能力与综合成本的关键。IDC数据显示，基于Arm架构的机架级服务器市场规模已经超越x86，成为加速计算领域主流平台。

在2026 Arm Everywhere China年度大会上，Arm发布Neoverse CSS N4计算子系统，加速推进Arm AGI CPU国内落地。Arm云AI业务拓展副总裁Eddie Ramirez接受专访，围绕Neoverse路线、中外市场差异、AGI CPU与IP授权的关系、生态争议以及中国本土合作展开解读。在他看来，智能体时代不存在一套通吃全部场景的基础设施，Arm的解决方案并非单一芯片，而是IP、CSS计算子系统、量产就绪CPU组成的分层产品矩阵，满足不同企业的差异化发展路径。

N与V双系列互补，匹配中国市场多元算力场景

采访首先谈及Neoverse N系列与V系列两大核心路线在中国市场的定位。Eddie Ramirez强调二者不是替代关系，而是面向不同负载的互补方案。

Arm云AI业务拓展副总裁Eddie Ramirez先生

“N系列是我们能效最优、设计灵活度最高的核心，可以在单位芯片面积内部署更多内核。” 国内不少合作伙伴基于N系列开发数据中心SoC、DPU、存储与边缘服务器，追求高密度部署和更优TCO，阿里云倚天710就是N系列代表性落地案例，适合横向扩展、数据面处理类业务。V系列则主打极致单核性能，面向高性能、重单线程负载，国内已有厂商基于CSS V系列开展产品开发。安谋科技继续负责Arm在中国的IP销售与技术支持，服务本土客户研发。

谈及中美Arm服务器市场差异，Eddie Ramirez表示，超大规模云厂商的基础架构层面两地十分接近，CPU、DPU、存储服务器混合部署模式国内外均在落地。真正区别来自本土特有业务催生的定制需求。“如云游戏，国内普及度远高于海外，也催生一批针对性方案厂商。” 上海熠知电子ThinkForce的云游戏机架方案就是典型案例，垂直场景的需求，推动CSS这类可定制子系统快速发展。

本次发布的Neoverse CSS N4，是Arm可配置性最强的CSS平台。单颗裸片最高支持128内核，支持LPDDR6内存与PCIe Gen7 互连。对比上一代N3，性能最高翻倍，每瓦性能最高可达1.25倍，内存带宽最高可达1.75倍。面向智能体带来的海量数据流、多加速器协同调度压力，CSS N4提供充足计算密度与高速IO。合作伙伴基于这套经过验证的底座开发，能够降低工程风险，缩短芯片开发周期，鸿钧微电子已是首批采用CSS N4的国内企业。配合Arm Total Design生态项目，从早期IP验证到软件协同，加速定制芯片量产，该协作模式也正在拓展至物理AI领域。

直面x86竞争：多元化生态与能效构筑Arm差异化壁垒

x86阵营同样针对智能体负载持续优化，市场格局走向备受关注。Eddie Ramirez总结Arm三大差异化优势。第一是商业模式独特，可同时输出IP授权、CSS子系统以及成品AGI CPU，客户既可以深度自研，也可以直接采购芯片，这种选择是对手不具备的。第二是能效优势，同等性能下AGI CPU TDP为300瓦，对标x86方案普遍达到500瓦，功耗差异直接转化为数据中心散热、电费、机架的综合成本优势。第三是生态参与者丰富，x86主流服务器方案供给方仅剩两家，而Arm生态汇聚云厂商、芯片企业、OEM厂商，给客户更多供应链与技术路线选择。

针对 “Arm单核性能弱于x86” 的固有认知，Eddie Ramirez提出不同看法。以AWS Graviton5为例，基于V3核心的产品在基准测试中较x86实现两位数性能提升，即便x86开启多线程，单个Arm核心依旧具备竞争力。他也承认少数向量带宽敏感的小众场景x86仍占优势，但覆盖范围有限。“头部云厂商已经在真实业务完成大规模验证，他们的部署选择本身就是有力佐证。”

业界一直担忧大量厂商定制开发Arm芯片，会带来生态碎片化。Eddie Ramirez认为，多元化不等于碎片化，而是行业发展的必然。微软基于CSS打造Cobalt系列，在芯片内加入专用加速器支撑自有业务；AWS七年迭代五代Graviton，这种快速迭代节奏是传统x86厂商难以实现的。同时Arm持续将固件成果回馈开源社区，让所有Arm芯片厂商可以复用，在硬件多样化之上守住统一软件底座，平衡定制创新与生态一致性。

三层产品矩阵共存，AGI CPU意在做大整体生态

Arm下场推出成品AGI CPU，外界一直存在疑问：这是否会和AWS、微软这类自研IP客户形成竞争？中小型厂商架构迁移成本高，是否很难拥抱Arm？

Eddie Ramirez给出一组数据，一颗领先的数据中心SoC研发投入普遍达到58亿美元。超大规模云厂商可以凭借巨大算力摊薄成本，但大量中小云服务商、AI 企业无力承担芯片研发，AGI CPU就是面向这类客户，降低使用Arm架构的门槛。

“AGI CPU不会抢夺自研客户市场，而是把整个Arm生态蛋糕做大。” 不少此前未考虑Arm架构的企业，因为AGI CPU开始评估Arm平台。自研芯片的头部厂商与直接采购AGI CPU的客户，目标群体并不完全重合。AGI CPU拥有完整多代演进路线，已经获得OpenAI、Meta、联想、Supermicro等全球企业支持，同时该产品合规可面向中国市场交付。

国内已经出现落地案例，联想认为AGI CPU是Token驱动AI基础设施的重要底座，结合自身系统制造能力输出适配中国市场的算力产品。火山引擎推出首批基于AGI CPU的智能体沙箱方案，为大规模智能体工作负载提供安全隔离、弹性扩展的运行环境。火山引擎的早期评估显示，AGI CPU在主流云负载上展现出不错潜力。

至此Arm三层产品逻辑清晰：IP授权给到希望完全自主设计芯片的企业；CSS面向想要差异化创新，但规避底层重复开发的厂商；AGI CPU面向不愿投入芯片研发、需要量产就绪算力的客户。三者共享Neoverse统一平台与软件生态，互不排斥，大型云厂商也可以混合采用多种方案，不再追求基础设施一刀切。

立足本土合作，面向智能体时代布局长期算力底座

谈及国内云厂商自研芯片热潮，Eddie Ramirez认为这恰恰体现中国算力市场活力。不同厂商业务负载差异巨大，传统云原生、数据库、企业服务和爆发的智能体AI并存，单一芯片无法覆盖全部场景，多方案并行会是长期趋势。

本次大会上Arm宣布深化和新紫光集团战略合作，双方将围绕AGI CPU、Neoverse CSS等技术，计划成立联合通用人工智能创新中心，主攻AI智能体编排、CXL内存池化、机架级系统架构、边缘AI等方向，打造适配国内市场、具备多代演进路线的AI基础设施方案，结合Arm的能效与软件生态和本土企业产业积累，推动下一代算力建设。

智能体AI尚处在早期阶段，未来大规模普及后，系统将处理更大体量数据、调度海量加速器，如何释放每一度电、每一个机架、每一笔投资的最大价值，是行业共同命题。

“整个行业正逐步把Arm视作下一代智能体AI的通用计算底座。”Eddie Ramirez表示，Neoverse CSS N4和AGI CPU提供两条清晰路径：追求高度定制，CSS N4可以加速从子系统到芯片落地；希望快速部署智能体算力，AGI CPU可以直接交付。二者立足统一技术底座，兼顾性能、能效和软件兼容，回应智能体时代多样化算力需求。