为AI数据中心工作负载供电的挑战——以及机遇

先抛一个核心判断：AI的潜力，说实话，已经超越了过去一百年我们见过的任何一项变革性创新。它在医疗、教育、生产力等领域能带来的改变，远超想象。但要把这些复杂的AI工作负载跑起来，全球数据中心的算力得指数级地往上翻。问题来了——算力要电，而且是要海量的电。

今天的数据中心已经是电力消耗大户了。全球每年干进去460太瓦时，什么概念？几乎等于整个德国一年用的电。而AI这股浪潮，预计到2030年会让这个数字翻三倍——到时候，数据中心的用电量甚至会超过印度这个全球人口第一大国的总耗电。

未来的AI模型只会更大、更聪明，这自然意味着需要更强的算力，而算力背后又是更大的电力需求。说白了，这成了一个循环：AI越发展，电越不够用。要兑现AI的承诺、实现真正的社会性突破，关键就在于能不能给这些大型数据中心找到一条降低功耗的路子。

换句话说，没有电，AI就是空中楼阁。企业必须重新审视能效问题——不只是省电那么简单，而是要从头到尾重新想一遍。

重新构思AI的未来——一个由Arm平台驱动的未来

Arm这个公司，从骨子里就是省电的料。当年他们做芯片，就是为了给用电池的设备供电，这才有了后来的移动电话革命。这种深植于基因里的能效DNA，现在正好派上大用场——它能帮业界重新思考：芯片到底该怎么造，才能扛得住AI对能耗的疯狂需求？

看看一个典型的服务器机架，仅计算芯片这一项，就能吃掉超过一半的电力预算。工程团队现在想尽办法要把这个比例降下来，不管省下的那一瓦特有多微小，都值得全力以赴。

正因如此，全球顶尖的云服务商纷纷转向Arm技术来降低功耗。Arm最新推出的Neoverse CPU，在云数据中心这个赛道上，性能和能效都做到了业界顶尖。更重要的是，Neoverse给了云服务商极大的定制灵活性——他们可以针对自己的工作负载做优化，省下的每一瓦特，都能拿来跑更多的计算。这也就是为什么亚马逊云、微软、谷歌和甲骨文现在都用上了Neoverse架构——不管是通用计算，还是基于CPU的AI推理和训练，全都靠它。可以说，Neoverse正在成为云数据中心的事实标准。

看看最近行业里的几个大动作，就一目了然了：

基于Arm架构的AWS Gra viton：AI推理性能比其他同类产品高出25%，Web应用提升30%，数据库性能提了40%，而效率则直接拉升了60%。

基于Arm架构的Google Cloud Axion：性能和能效分别高出50%和60%，支持YouTube、Google地球等服务，以及CPU上的AI推理和训练。

基于Arm架构的Microsoft Azure Cobalt：性能优于同类产品40%，为Microsoft Teams等服务提供支撑，并与Maia翻跟斗配合，驱动Azure的端到端AI架构。

Oracle Cloud采用基于Arm架构的Ampere Altra Max：每机架服务器性能提升2.5倍，能耗却降低了2.8倍，用于生成式AI推理、大语言模型训练的数据标记化等场景。

显而易见了，Neoverse在云端通用计算上的性能和能效提升是实打实的。而且，合作伙伴发现，它在加速计算上同样能带来惊喜。大规模的AI训练需要独特的加速架构，比如NVIDIA Grace Blackwell平台——它把NVIDIA的Blackwell GPU与基于Arm架构的Grace CPU结合在了一起。这种组合实现了系统级的设计优化，与大语言模型场景下的NVIDIA H100 GPU相比，能耗降低了整整25倍，每个GPU的性能则提升了30倍。这样的碘伏性成效，归根结底要归功于Neoverse带来的芯片定制灵活性。

随着基于Arm架构的部署不断扩大，这些企业加起来能节省数据中心总能耗的15%。这些省下来的电力，在同样的功率范围内可以用来驱动额外的AI运算，而不会增加能源负担。换算一下：这相当于可以额外运行20亿次ChatGPT查询，支撑四分之一的日常网络搜索流量，或者为20%的美国家庭供电——甚至可以为哥斯达黎加那么大面积的一个国家提供全部电力。这种节能效果，对能源消耗和环境可持续性的影响，令人震撼。

说到底，Arm CPU正在从根基上推动AI变革，而最重要的是，它对地球也是好事。Arm架构，就是未来AI计算的基石。