<p>长期以来备受期待的云基础设施架构转变正在加速，Arm AI 基础设施正作为下一代工作负载的基础层。领先的超大规模云服务商现在正在战略性地部署基于 Arm Neoverse 的专用计算，推动这一转变的关键因素是对每瓦性能和成本效率的迫切需求，以便扩展 AI。这一转变不再是实验性的；它代表了一种根本性的、长期的架构战略，正在迅速取代数据中心中传统的 x86 主导地位。根据公告，</p>
<p>转向 Arm 的必要性源于 AI 工作负载的不断演变，这些工作负载现在涵盖了整个计算管道——从数据预处理和向量搜索到实时服务和编排。通用 CPU 并未设计为高效处理这些系统级挑战，特别是在延迟和功耗方面。Arm 的架构使得全管道优化成为可能，不仅作为核心 CPU，还为数据移动提供关键组件，如 NVIDIA Grace CPU 主节点和 BlueField DPU，创造了一个统一的、节能的平台方法。这种集成设计使得亚马逊（Graviton）、谷歌（Axion）和微软（Cobalt）等主要参与者承诺将基于 Arm 的硅作为其默认扩展路径。</p>
<p>这一架构转变的商业案例令人信服且迫在眉睫，超越了理论上的效率提升，带来了可衡量的生产节省。部署大型语言模型（LLM）的公司报告称运营支出大幅减少。例如，一家 AI 初创公司在切换到 Graviton3 后，LLM 推理成本下降了 35%，同时价格性能改善了 40%。类似地，迁移其全栈到 Arm 的生成 AI 平台报告称每百万次请求的 Lambda 成本降低了 40%，证明了效率提升直接转化为高流量实时应用的基础设施节省。</p>
<h2>降低迁移障碍</h2>
<p>历史上，采用新服务器架构的主要摩擦点在于软件生态系统的成熟度和迁移的痛苦。Arm 正在积极解决这一问题，提供强大的自助开发者工具，旨在自动化 x86 到 Arm 的过渡。像 Arm MCP 服务器和 Arm 云迁移代理这样的工具，现在已集成到 GitHub Copilot 等 AI 助手中，简化了兼容性评估并加速了云迁移。这种代理工作流程消除了深度平台重写的需要，使得 Atlassian、Spotify 和 Uber 等大型软件公司能够使用公共文档和最小摩擦迁移关键工作负载。</p>
<p>这一工具的成熟度至关重要，因为它验证了接近 50% 的顶级超大规模云服务商的新服务器部署将基于 Arm 的预测。生态系统不再是瓶颈；它是加速器。通过在 Arm 上标准化操作——从开发者笔记本电脑到生产云实例——像 AuthZed 这样的公司正在简化工作流程，实现 40% 更快的本地构建，并在生产环境中实现显著的计算成本降低。这种统一的方法最大化了开发者的效率，同时利用 Arm Neoverse 核心在向量搜索和实时机器学习等要求苛刻任务中的卓越性价比。</p>
<p>向 Arm AI 基础设施的转变标志着数据中心格局的永久性重新调整，这一转变是由扩展 AI 的不可持续能源需求驱动的。随着工作负载的不断扩大，能源效率成为一个决定性的竞争因素，Arm Neoverse 提供的高每瓦性能不再是小众利益——而是一种战略必要性。Arm 正在成功地将自己定位为 AI 云时代的基础设施平台，为开发者构建下一代 AI 系统提供了一条实用、成熟且具有成本效益的前进道路。</p>

<p>Arm 的人工智能基础设施正成为云计算的默认选择，这一趋势源于对人工智能工作负载性能和成本效率的需求。亚马逊、谷歌和微软等主要公司正在采用基于 Arm 的硅芯片，并报告了显著的运营成本节省。Arm 正在通过开发者工具来解决迁移挑战，这些工具简化了从 x86 到 Arm 的过渡，促进了更快的部署。这一转变正在重塑数据中心的格局，强调能源效率和每瓦特性能作为扩展人工智能应用的关键因素</p>

<p>The long-anticipated architectural shift in cloud infrastructure is accelerating, positioning Arm AI infrastructure as the foundational layer for next-generation workloads. Leading hyperscalers are now strategically deploying purpose-built compute based on Arm Neoverse, driven by the critical need for performance-per-watt and cost efficiency in scaling AI. This transition is no longer experimental; it represents a fundamental, long-term architectural strategy that is rapidly displacing traditional x86 dominance in the data center. According to the announcement</p>
<div class="lb-trans"><p>长期以来备受期待的云基础设施架构转变正在加速，Arm AI 基础设施正作为下一代工作负载的基础层。领先的超大规模云服务商现在正在战略性地部署基于 Arm Neoverse 的专用计算，推动这一转变的关键因素是对每瓦性能和成本效率的迫切需求，以便扩展 AI。这一转变不再是实验性的；它代表了一种根本性的、长期的架构战略，正在迅速取代数据中心中传统的 x86 主导地位。根据公告，</p>
</div><p>The move to Arm is necessitated by the evolving nature of AI workloads, which now span the entire compute pipeline—from data pre-processing and vector search to real-time serving and orchestration. General-purpose CPUs were not designed to handle these system-level challenges efficiently, particularly concerning latency and power consumption. Arm’s architecture enables full-pipeline optimization, serving not just as the core CPU but also powering critical components like the NVIDIA Grace CPU head node and the BlueField DPU for data movement, creating a unified, energy-efficient platform approach. This integrated design is why major players like Amazon (Graviton), Google (Axion), and Microsoft (Cobalt) are committing to Arm-based silicon as their default scaling path.</p>
<div class="lb-trans"><p>转向 Arm 的必要性源于 AI 工作负载的不断演变，这些工作负载现在涵盖了整个计算管道——从数据预处理和向量搜索到实时服务和编排。通用 CPU 并未设计为高效处理这些系统级挑战，特别是在延迟和功耗方面。Arm 的架构使得全管道优化成为可能，不仅作为核心 CPU，还为数据移动提供关键组件，如 NVIDIA Grace CPU 主节点和 BlueField DPU，创造了一个统一的、节能的平台方法。这种集成设计使得亚马逊（Graviton）、谷歌（Axion）和微软（Cobalt）等主要参与者承诺将基于 Arm 的硅作为其默认扩展路径。</p>
</div><p>The business case for this architectural pivot is compelling and immediate, moving beyond theoretical efficiency gains to deliver measurable production savings. Companies deploying large language models (LLMs) are reporting dramatic reductions in operational expenditure. For instance, an AI startup saw LLM inference costs drop by 35% after switching to Graviton3, coupled with a 40% improvement in price-performance. Similarly, generative AI platforms migrating their full stack to Arm reported 40% lower Lambda costs per million requests, proving that the efficiency gains translate directly into bottom-line infrastructure savings for high-volume, real-time applications.</p>
<div class="lb-trans"><p>这一架构转变的商业案例令人信服且迫在眉睫，超越了理论上的效率提升，带来了可衡量的生产节省。部署大型语言模型（LLM）的公司报告称运营支出大幅减少。例如，一家 AI 初创公司在切换到 Graviton3 后，LLM 推理成本下降了 35%，同时价格性能改善了 40%。类似地，迁移其全栈到 Arm 的生成 AI 平台报告称每百万次请求的 Lambda 成本降低了 40%，证明了效率提升直接转化为高流量实时应用的基础设施节省。</p>
</div><h2>Lowering the Migration Barrier</h2>
<div class="lb-trans"><h2>降低迁移障碍</h2>
</div><p>Historically, the primary friction point for adopting new server architectures was the maturity of the software ecosystem and the pain of migration. Arm is aggressively addressing this by providing robust, self-service developer tooling designed to automate the x86-to-Arm transition. Tools like the Arm MCP Server and the Arm Cloud Migration Agent, now integrated into AI assistants like GitHub Copilot, simplify compatibility assessment and accelerate cloud transitions. This agentic workflow removes the need for deep platform rewrites, allowing major software companies like Atlassian, Spotify, and Uber to migrate critical workloads using public documentation and minimal friction.</p>
<div class="lb-trans"><p>历史上，采用新服务器架构的主要摩擦点在于软件生态系统的成熟度和迁移的痛苦。Arm 正在积极解决这一问题，提供强大的自助开发者工具，旨在自动化 x86 到 Arm 的过渡。像 Arm MCP 服务器和 Arm 云迁移代理这样的工具，现在已集成到 GitHub Copilot 等 AI 助手中，简化了兼容性评估并加速了云迁移。这种代理工作流程消除了深度平台重写的需要，使得 Atlassian、Spotify 和 Uber 等大型软件公司能够使用公共文档和最小摩擦迁移关键工作负载。</p>
</div><p>This tooling maturity is critical because it validates the projection that close to 50% of new server deployments at top hyperscalers are set to be Arm-based. The ecosystem is no longer a bottleneck; it is an accelerant. By standardizing operations on Arm—from developer laptops to production cloud instances—companies like AuthZed are streamlining workflows, achieving 40% faster local builds, and realizing significant compute cost reductions in production environments. This unified approach maximizes developer efficiency while capitalizing on the superior price-performance of Arm Neoverse cores for demanding tasks like vector search and real-time machine learning.</p>
<div class="lb-trans"><p>这一工具的成熟度至关重要，因为它验证了接近 50% 的顶级超大规模云服务商的新服务器部署将基于 Arm 的预测。生态系统不再是瓶颈；它是加速器。通过在 Arm 上标准化操作——从开发者笔记本电脑到生产云实例——像 AuthZed 这样的公司正在简化工作流程，实现 40% 更快的本地构建，并在生产环境中实现显著的计算成本降低。这种统一的方法最大化了开发者的效率，同时利用 Arm Neoverse 核心在向量搜索和实时机器学习等要求苛刻任务中的卓越性价比。</p>
</div><p>The shift toward Arm AI infrastructure signals a permanent realignment of the data center landscape, driven by the unsustainable energy demands of scaling AI. As workloads continue to expand and energy efficiency becomes a defining competitive factor, the high performance-per-watt delivered by Arm Neoverse is no longer a niche benefit—it is a strategic necessity. Arm is successfully positioning itself as the infrastructure platform for the AI cloud era, offering a practical, mature, and cost-effective path forward for developers building the next generation of AI systems.</p>
<div class="lb-trans"><p>向 Arm AI 基础设施的转变标志着数据中心格局的永久性重新调整，这一转变是由扩展 AI 的不可持续能源需求驱动的。随着工作负载的不断扩大，能源效率成为一个决定性的竞争因素，Arm Neoverse 提供的高每瓦性能不再是小众利益——而是一种战略必要性。Arm 正在成功地将自己定位为 AI 云时代的基础设施平台，为开发者构建下一代 AI 系统提供了一条实用、成熟且具有成本效益的前进道路。</p>
</div>

Arm AI infrastructure is now the cloud default

- Arm 基础设施加速云计算架构转型，取代传统 x86。  
- 大型公司如亚马逊和谷歌正在采用 Arm 计算，显著降低运营成本。  
- 自助工具简化迁移过程，推动接近 50% 的新服务器部署采用 Arm 架构。

Arm 的 AI 基础设施现已成为云计算的默认选项