<p>長期以來備受期待的雲基礎設施架構轉變正在加速，Arm AI 基礎設施正作為下一代工作負載的基礎層。領先的超大規模雲服務商現在正在戰略性地部署基於 Arm Neoverse 的專用計算，推動這一轉變的關鍵因素是對每瓦性能和成本效率的迫切需求，以便擴展 AI。這一轉變不再是實驗性的；它代表了一種根本性的、長期的架構戰略，正在迅速取代數據中心中傳統的 x86 主導地位。根據公告，</p>
<p>轉向 Arm 的必要性源於 AI 工作負載的不斷演變，這些工作負載現在涵蓋了整個計算管道——從數據預處理和向量搜索到實時服務和編排。通用 CPU 並未設計為高效處理這些系統級挑戰，特別是在延遲和功耗方面。Arm 的架構使得全管道優化成為可能，不僅作為核心 CPU，還為數據移動提供關鍵組件，如 NVIDIA Grace CPU 主節點和 BlueField DPU，創造了一個統一的、節能的平台方法。這種集成設計使得亞馬遜（Graviton）、谷歌（Axion）和微軟（Cobalt）等主要參與者承諾將基於 Arm 的硅作為其默認擴展路徑。</p>
<p>這一架構轉變的商業案例令人信服且迫在眉睫，超越了理論上的效率提升，帶來了可衡量的生產節省。部署大型語言模型（LLM）的公司報告稱運營支出大幅減少。例如，一家 AI 初創公司在切換到 Graviton3 後，LLM 推理成本下降了 35%，同時價格性能改善了 40%。類似地，遷移其全棧到 Arm 的生成 AI 平台報告稱每百萬次請求的 Lambda 成本降低了 40%，證明了效率提升直接轉化為高流量實時應用的基礎設施節省。</p>
<h2>降低遷移障礙</h2>
<p>歷史上，採用新服務器架構的主要摩擦點在於軟件生態系統的成熟度和遷移的痛苦。Arm 正在積極解決這一問題，提供強大的自助開發者工具，旨在自動化 x86 到 Arm 的過渡。像 Arm MCP 服務器和 Arm 雲遷移代理這樣的工具，現在已集成到 GitHub Copilot 等 AI 助手中，簡化了兼容性評估並加速了雲遷移。這種代理工作流程消除了深度平台重寫的需要，使得 Atlassian、Spotify 和 Uber 等大型軟件公司能夠使用公共文檔和最小摩擦遷移關鍵工作負載。</p>
<p>這一工具的成熟度至關重要，因為它驗證了接近 50% 的頂級超大規模雲服務商的新服務器部署將基於 Arm 的預測。生態系統不再是瓶頸；它是加速器。通過在 Arm 上標準化操作——從開發者筆記本電腦到生產雲實例——像 AuthZed 這樣的公司正在簡化工作流程，實現 40% 更快的本地構建，並在生產環境中實現顯著的計算成本降低。這種統一的方法最大化了開發者的效率，同時利用 Arm Neoverse 核心在向量搜索和實時機器學習等要求苛刻任務中的卓越性價比。</p>
<p>向 Arm AI 基礎設施的轉變標誌着數據中心格局的永久性重新調整，這一轉變是由擴展 AI 的不可持續能源需求驅動的。隨着工作負載的不斷擴大，能源效率成為一個決定性的競爭因素，Arm Neoverse 提供的高每瓦性能不再是小眾利益——而是一種戰略必要性。Arm 正在成功地將自己定位為 AI 雲時代的基礎設施平台，為開發者構建下一代 AI 系統提供了一條實用、成熟且具有成本效益的前進道路。</p>

<p>Arm 的人工智能基礎設施正成為雲計算的默認選擇，這一趨勢源於對人工智能工作負載性能和成本效率的需求。亞馬遜、谷歌和微軟等主要公司正在採用基於 Arm 的硅芯片，並報告了顯著的運營成本節省。Arm 正在通過開發者工具來解決遷移挑戰，這些工具簡化了從 x86 到 Arm 的過渡，促進了更快的部署。這一轉變正在重塑數據中心的格局，強調能源效率和每瓦特性能作為擴展人工智能應用的關鍵因素</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>長期以來備受期待的雲基礎設施架構轉變正在加速，Arm AI 基礎設施正作為下一代工作負載的基礎層。領先的超大規模雲服務商現在正在戰略性地部署基於 Arm Neoverse 的專用計算，推動這一轉變的關鍵因素是對每瓦性能和成本效率的迫切需求，以便擴展 AI。這一轉變不再是實驗性的；它代表了一種根本性的、長期的架構戰略，正在迅速取代數據中心中傳統的 x86 主導地位。根據公告，</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>轉向 Arm 的必要性源於 AI 工作負載的不斷演變，這些工作負載現在涵蓋了整個計算管道——從數據預處理和向量搜索到實時服務和編排。通用 CPU 並未設計為高效處理這些系統級挑戰，特別是在延遲和功耗方面。Arm 的架構使得全管道優化成為可能，不僅作為核心 CPU，還為數據移動提供關鍵組件，如 NVIDIA Grace CPU 主節點和 BlueField DPU，創造了一個統一的、節能的平台方法。這種集成設計使得亞馬遜（Graviton）、谷歌（Axion）和微軟（Cobalt）等主要參與者承諾將基於 Arm 的硅作為其默認擴展路徑。</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>這一架構轉變的商業案例令人信服且迫在眉睫，超越了理論上的效率提升，帶來了可衡量的生產節省。部署大型語言模型（LLM）的公司報告稱運營支出大幅減少。例如，一家 AI 初創公司在切換到 Graviton3 後，LLM 推理成本下降了 35%，同時價格性能改善了 40%。類似地，遷移其全棧到 Arm 的生成 AI 平台報告稱每百萬次請求的 Lambda 成本降低了 40%，證明了效率提升直接轉化為高流量實時應用的基礎設施節省。</p>
</div><h2>Lowering the Migration Barrier</h2>
<div class="lb-trans"><h2>降低遷移障礙</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>歷史上，採用新服務器架構的主要摩擦點在於軟件生態系統的成熟度和遷移的痛苦。Arm 正在積極解決這一問題，提供強大的自助開發者工具，旨在自動化 x86 到 Arm 的過渡。像 Arm MCP 服務器和 Arm 雲遷移代理這樣的工具，現在已集成到 GitHub Copilot 等 AI 助手中，簡化了兼容性評估並加速了雲遷移。這種代理工作流程消除了深度平台重寫的需要，使得 Atlassian、Spotify 和 Uber 等大型軟件公司能夠使用公共文檔和最小摩擦遷移關鍵工作負載。</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>這一工具的成熟度至關重要，因為它驗證了接近 50% 的頂級超大規模雲服務商的新服務器部署將基於 Arm 的預測。生態系統不再是瓶頸；它是加速器。通過在 Arm 上標準化操作——從開發者筆記本電腦到生產雲實例——像 AuthZed 這樣的公司正在簡化工作流程，實現 40% 更快的本地構建，並在生產環境中實現顯著的計算成本降低。這種統一的方法最大化了開發者的效率，同時利用 Arm Neoverse 核心在向量搜索和實時機器學習等要求苛刻任務中的卓越性價比。</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 基礎設施的轉變標誌着數據中心格局的永久性重新調整，這一轉變是由擴展 AI 的不可持續能源需求驅動的。隨着工作負載的不斷擴大，能源效率成為一個決定性的競爭因素，Arm Neoverse 提供的高每瓦性能不再是小眾利益——而是一種戰略必要性。Arm 正在成功地將自己定位為 AI 雲時代的基礎設施平台，為開發者構建下一代 AI 系統提供了一條實用、成熟且具有成本效益的前進道路。</p>
</div>

Arm AI infrastructure is now the cloud default

- Arm 基礎設施加速雲計算架構轉型，取代傳統 x86。  
- 大型公司如亞馬遜和谷歌正在採用 Arm 計算，顯著降低運營成本。  
- 自助工具簡化遷移過程，推動接近 50% 的新服務器部署採用 Arm 架構。

Arm 的 AI 基礎設施現已成為雲計算的默認選項