近期微软(Microsoft)和亚马逊(Amazon)的两场财报电话会议共同印证了一个趋势：基于 Arm 架构的定制芯片已经从过去的技术尝试，转变为超大规模云基础设施的核心支柱。
微软 CEO 萨提亚·纳德拉用一句话概括了这场架构变革：“在运行智能体负载时，CPU 与 GPU 同样重要。”随后他给出了有力的证据：微软预计，到 7 月底搭载 Azure Cobalt 200 的机架将部署在全球超过 25 个数据中心。
时隔一日，亚马逊公布，其芯片业务（包括 Graviton、Trainium 和 Nitro）年化营收规模已突破 250 亿美元，同比增长达到三位数。客户对 Graviton 的采购承诺规模环比接近增长三倍，而 Graviton5 的采用速度也接近 Graviton4 的两倍。
虽然产品不同、云平台不同，但方向趋同：全球领先的超大规模云服务商正在将基于 Arm 架构的 CPU 打造成 AI 基础设施的核心，并针对各自的工作负载需求和经济效益目标进行优化。
智能体需要的不止是模型算力
生成式 AI 的第一波浪潮的衡量标准是模型规模、AI 加速器的供给能力以及词元（Token）的生成能力。而智能体 AI 的运行方式则更加复杂，智能体需要检索数据、调用工具、运行代码、执行策略，并对结果进行验证，所涉及的是更广范畴的任务。
GPU 仍承担绝大部分模型训练与推理 Token 生成工作，而 CPU 则承担着围绕模型运行的各项任务，包括请求路由、数据预处理、工具编排、内存和存储管理，并确保数千个并发交互任务能够持续稳定地运行。
纳德拉在财报电话会议上表示，基于 Azure Cobalt 的虚拟机(VM)产品组合目前已承载微软自有服务，以及 Adobe、Arm、Elastic、OpenAI、Sprinklr 和 TomTom 等客户的工作负载，表明其已在真实生产环境中应用。
亚马逊云科技则从另一个角度印证同一趋势。Graviton5 专为智能体 AI 工作负载设计，针对实时推理、代码生成和多步骤编排等场景进行了优化。基于 Graviton5 的 M9g 实例相比采用 Graviton4 的 M8g 实例，计算性能最高提升 25%，机器学习推理速度最高提升 35%。
两家超大规模云厂商，不同路径通向规模化
Cobalt 与 Graviton 的成功证明，Arm 架构让超大规模云厂商能够针对自身大规模基础设施要求定制芯片，同时共享同一架构和软件。这有助于加快商业化进程，实现商业回报。微软于 2025 年 11 月发布 Cobalt 200，2026 年 6 月开放虚拟机产品的预览访问。不到两个月，搭载该芯片的机架方案已部署至全球超过 25 个数据中心，进展十分迅速。
Cobalt 200 基于 Arm Neoverse CSS V3 构建，是微软第二代 Arm 架构云 CPU——相较前代产品，性能最高提升 50%，扩展到 128 个 vCPU，专为云原生、数据密集型以及智能体工作负载设计。
亚马逊云科技已推出第五代 Graviton 产品。搭载 Graviton5 的 M9g 和 M9gd 实例已于今年 6 月正式商用，计算性能较 Graviton4 最高提升 25%。亚马逊云科技表示，就整个 Graviton 产品线而言，其性价比较同类实例高出 30%至 40%。
真正值得关注的是 Graviton 产品的客户采用率：亚马逊云科技排名前 1000 的 EC2 客户中，98%都在使用 Graviton，超过 12 万家客户基于 Graviton 构建服务。连续第三年，亚马逊云科技新增 CPU 容量中超过一半采用了 Graviton。
效率释放算力，算力创造营收
微软将基础设施效率与业绩增长直接关联起来。当季 Azure 营收同比增长 43%，而市场需求依然超过现有供给能力。微软首席财务官艾米·胡德（Amy Hood）表示，CPU 和 GPU 基础设施运营效率的持续提升，以及基础设施扩容和启用速度的加快，释放了更多可用算力资源，而这些新增算力几乎在上线后便被市场需求迅速消化并转化为收入。
对于超大规模数据中心而言，CPU 效率提升的意义远不止降低电费支出。当市场需求超过供给时，更高效的基础设施能够在相同机架规模和相同电力预算下释放更多可用算力，而这些算力最终会转化为营收。
微软并未披露 Cobalt 200 对效率提升的具体贡献比例，但背后的逻辑已经非常明确：性能、资源利用率和能效既是释放更多算力的杠杆，也是推动业务增长的杠杆。
亚马逊云科技提供了另一项佐证数据。250 亿美元的年化营收涵盖整个芯片业务，而不仅仅是 Graviton。然而采购承诺的快速增长以及 Graviton5 的加速采用表明，定制 CPU 产品线正成为这一规模庞大且高速增长的芯片业务的重要支柱。同时，其显著的性价比优势，也为客户将更多工作负载迁移至 Graviton 平台提供了充分理由。
行业面临的压力持续加大。国际能源署(IEA)数据显示，面向 AI 的数据中心用电量在 2025 年增长了 50%。研究机构 Dell'Oro Group 统计显示，2026 年第一季度，亚马逊、谷歌、Meta 和微软的数据中心资本支出同比增长 78%。相比一年前，如今每一瓦电力、每一个机架都变得更加重要。CPU 能效已不再是技术参数中的次要指标，而是超大规模云厂商释放受限算力、提升现有基础设施利用率并获得更高回报的关键手段。
与此同时，市场需求正突破 GPU 单一范畴。IDC 预计，2026 年全球 AI 基础设施支出将达到 4,970 亿美元，同比增长约 56%，且需求不再局限于 GPU 系统，还包括编排平台、数据流水线以及基于 CPU 的推理集群等领域。
超大规模云市场传递出更多利好 Arm 的信号
微软和亚马逊云科技是当下最受关注的案例，但它们只是这场更广泛架构迁移的一部分。
Google Cloud 推出的 Axion 是基于 Arm 架构定制的 CPU 产品系列。Axion 不仅作为支撑其云基础设施的通用 CPU，还在最新一代 TPU 系统中担任 AI 头节点 CPU，负责提供编排、网络和基础设施服务，支撑超大规模 AI 系统稳定运行。
NVIDIA 在 AI 工厂方案也做出了相同的架构选择。Vera 是 NVIDIA 最新推出的基于 Arm 架构的 CPU，将作为 Rubin 等下一代 AI 系统的计算基础。在这些机架级部署的系统中，CPU 负责协调内存、网络和加速器资源。
综合来看，Microsoft Cobalt、Amazon Graviton、Google Axion 以及 NVIDIA Vera 都指向了同一个结论：随着 AI 基础设施从模型推理阶段迈向自主智能体执行阶段，基于 Arm 架构的 CPU 正逐渐成为现代 AI 数据中心的通用计算底座，承担资源编排与系统协调等关键职能。
