Arm预计两财年AGI CPU销售额达20亿美元:AI数据中心推动服务器CPU架构变化

当全球AI数据中心不断增加GPU采购预算时,一个看似与主流讨论方向不同的现象正在出现:服务器CPU重新成为大型科技企业关注的重点。
过去两年,AI硬件市场的竞争主要围绕GPU展开。芯片厂商不断提高加速器的计算性能和显存带宽,云服务商则投入大量资金建设GPU集群。
但一套AI系统真正运行起来之后,需要处理的工作远不止模型计算。
GPU负责执行大量并行计算任务,CPU则承担应用运行、任务调度、数据处理、系统管理以及其他通用计算工作。随着AI应用从单纯的模型调用发展为能够连续执行任务的智能体系统,这些CPU工作负载正在受到更多关注。
2026年11月4日,美国时间,处理器架构公司Arm公布2027财年第二季度业绩。公司季度营收达到14.4亿美元,同比增长27%,高于市场预期。
与此同时,Arm首席执行官Rene Haas进一步披露,公司预计在2027和2028两个财年累计实现约20亿美元的Arm AGI CPU销售额。
Arm还表示,基于其架构的服务器产品正在大型云服务商中加快部署。根据公司的统计口径,2025年相关服务器架构已覆盖主要云服务商超过50%的部署,并预计这一比例到2026年底可能超过60%。
这组数字值得关注,但也需要准确理解。
其中,20亿美元是未来两个财年的销售预期,不是已经完成的销售收入。Arm此前已经披露超过20亿美元的潜在客户需求,本次的新进展主要体现在销售目标和供应能力方面。
此外,Arm公布的云平台部署占比,也不能直接理解为Arm已经获得全球服务器CPU市场60%的销售份额。
A5数据认为,这次财报最有价值的信号,是AI正在推动服务器CPU市场进入新的竞争阶段。
当GPU成为AI计算的核心设备时,谁来承担越来越复杂的应用调度、数据处理和系统管理任务?这个问题,正在让CPU架构的重要性重新显现。
一、Arm最新财报:营收增长27%,但20亿美元不是当季收入
先来看Arm本次公布的财务数据。
与AMD和Intel等传统处理器厂商不同,Arm长期以来主要通过处理器架构授权以及芯片销售版税获得收入。
简单来说,Arm向芯片厂商提供相关技术授权。客户使用Arm架构设计并销售芯片时,Arm可以根据授权协议获得相应收入。
因此,不能将Arm的财报与直接销售大量自有处理器的芯片制造商完全等同。
根据此次公布的2027财年第二季度财报,Arm主要经营数据如下:
财务指标 | 最新结果 |
|---|---|
季度总营收 | 14.4亿美元 |
营收同比增长 | 27% |
授权及其他收入 | 约7.73亿美元 |
版税收入 | 约6.70亿美元 |
调整后每股收益 | 0.52美元 |
下一季度营收预测 | 约15.4亿美元 |
AGI CPU两财年销售预期 | 约20亿美元 |
其中,授权及其他业务收入增长明显,而版税收入同比增长约8%。
这说明Arm当前的业绩增长并非完全来自已销售芯片数量的扩大,也与客户采购新的技术授权有关。
需要特别说明,Arm所谓2027财年和2028财年,是公司的财务年度,并非自然年2027和2028年。
按照Arm财年安排,2027财年截至2027年3月31日,2028财年截至2028年3月31日。
因此,此次提到的20亿美元目标,代表跨越两个财务年度的累计销售规模。
A5数据认为,在分析Arm这份财报时,必须把三个概念分开:当前已经实现的营收、已经获得的客户需求,以及管理层对未来销售的预测。
三者都能反映业务发展状况,但并不具有相同的确定性。
二、Arm AGI CPU到底是什么?它与传统服务器CPU有什么区别?
Arm AGI CPU是Arm在2026年3月推出的面向AI数据中心的处理器产品。
这里的AGI虽然经常用于指代通用人工智能,但不能简单理解为这款CPU本身具备通用人工智能能力。
它仍然属于通用计算处理器,只是产品定位更加面向智能体AI和大规模数据中心的计算需求。
对于熟悉服务器硬件的用户来说,可以把它理解为Arm针对新一代AI基础设施推出的专用产品方向。
传统服务器CPU主要承担虚拟化、数据库、Web应用、文件处理、企业软件和通用计算任务。
而在智能体AI环境中,CPU不仅要完成这些工作,还需要支持更多与模型交互相关的应用逻辑。
例如,一个AI智能体可能需要连续完成以下操作:
接收用户提出的任务。
调用大语言模型分析任务需求。
查询数据库或者外部业务接口。
执行程序、读取文件或者处理业务数据。
根据执行结果再次调用模型。
将最终结果返回给用户。
在这个过程中,GPU主要负责适合加速器处理的模型计算,而大量应用逻辑、网络请求、数据转换和系统操作仍然需要CPU参与。
如果一家企业同时运行数千甚至数万个AI智能体任务,CPU需要承担的并发处理工作可能持续增加。
这正是Arm看好AI数据中心通用计算需求的重要原因。
不过,不能因此认为一台AI服务器的CPU使用率必然会增长数倍。
实际需求取决于应用架构、任务复杂度、GPU推理速度以及数据处理方式。
有些AI服务主要受到GPU性能限制,有些则可能受到CPU、网络或者存储性能限制。
因此,Arm AGI CPU是否能够发挥优势,需要结合具体工作负载验证。
三、为什么AI越发展,CPU反而越重要?
过去谈论AI服务器时,很多人主要关注显卡型号和显存大小。
例如,一台服务器安装多少张GPU、每张GPU拥有多少显存、能够运行多大的模型。
这些参数当然重要。
但当企业真正将AI应用部署到生产环境后,系统的性能瓶颈可能发生变化。
我们可以从三个实际场景理解。
场景一:AI推理服务
假设一家企业部署了一套在线AI客服系统。
用户提交问题后,服务器需要完成身份验证、获取历史对话、查询知识库、组织模型输入,并将结果返回给用户。
模型生成答案主要由GPU负责。
但在调用GPU之前和之后,仍然存在大量CPU处理工作。
如果用户并发量较高,即使GPU还存在空闲算力,应用服务器也可能因为CPU资源不足而出现响应延迟。
这时,单纯增加GPU未必能够提高整个系统的吞吐量。
场景二:AI Agent执行任务
AI Agent与普通聊天机器人不同的地方,在于它可能需要连续调用工具或者处理多个任务阶段。
例如,让AI分析服务器日志、生成报告并发送通知。
这个流程可能涉及文件读取、日志解析、数据库查询、脚本执行及网络调用。
其中一部分工作可以通过GPU加速,但不少环节仍然依赖通用计算。
随着任务数量增加,CPU承担的工作也可能扩大。
场景三:大规模GPU集群
在大型AI训练或推理集群中,GPU之间需要传输数据,同时还需要CPU负责部分系统管理和数据处理工作。
如果CPU资源不足,或者CPU与其他组件之间的通信效率较低,就可能影响整体系统表现。
不过,GPU集群通常还受到高速网络、存储和加速器互联等因素影响。
不能因为CPU重要,就认为它一定是所有AI集群的主要瓶颈。
A5数据认为,AI计算基础设施正在进入一个更加重视系统平衡的阶段。
过去讨论GPU数量较多,现在则需要进一步考虑CPU、内存、存储、网络和加速器如何协同工作。
GPU决定模型计算能力的重要部分,CPU则参与决定整套AI应用能否高效运行。
四、Arm首次直接销售数据中心CPU,商业模式正在改变
Arm AGI CPU还有一个非常值得关注的地方:它代表Arm开始进一步进入自有生产级处理器产品市场。
Arm过去主要通过架构授权、计算子系统授权和版税模式参与服务器芯片市场。
例如,一家大型云厂商可以购买Arm技术授权,开发自己的数据中心CPU。
在这种模式下,Arm不需要直接向最终服务器用户销售完整CPU芯片,也可以通过授权与版税获得收入。
但Arm AGI CPU使其拥有了另一种选择。
客户可以继续使用Arm授权设计自己的处理器,也可以根据业务需要选择Arm提供的成品CPU。
对于部分没有自行设计CPU能力的企业来说,这种模式可能降低采用Arm服务器架构的部分技术门槛。
不过,这也意味着Arm需要承担更多传统芯片供应商面对的问题。
例如,晶圆制造、封装、测试、芯片交付、供应链协调以及产品支持等。
Arm此前已经披露,AGI CPU在2027和2028财年拥有超过20亿美元的客户需求。
但早期确认的生产能力,首先覆盖了其中约10亿美元的机会。
最新财报中,Arm进一步讨论了扩大供应能力,并将未来两个财年的销售规模目标指向约20亿美元。
我们认为,这里反映的一个重要变化是:
对Arm来说,市场需求不再是唯一的问题,能否获得足够的芯片制造与供应能力,同样决定收入能否兑现。
尤其是在AI服务器需求旺盛、内存和其他关键组件供应紧张的背景下,芯片厂商不仅需要完成产品设计,还需要确保供应链能够按照计划交付。
因此,未来判断Arm AGI CPU商业化进展时,应同时观察订单需求、实际芯片出货以及收入确认情况。
五、Arm架构进入大型云平台,是否意味着x86服务器要被取代?
这是很多IDC服务商和服务器采购人员可能关心的问题。
目前,全球通用服务器市场长期由x86架构占据重要地位。
AMD EPYC和Intel Xeon处理器广泛应用于物理服务器、云主机、虚拟化和企业数据中心。
但近年来,Arm架构服务器开始在大型云平台获得越来越多的应用。
例如,AWS拥有基于Arm架构的Graviton处理器。
Google Cloud推出了Axion处理器。
其他云计算厂商也在探索或部署采用Arm技术的服务器产品。
此次Arm财报进一步透露,Google已经开始在相关AI系统中使用基于Arm架构的Axion处理器。
Arm还表示,基于其架构的服务器在主要云服务商中的部署占比正在上升。
不过,这一指标需要谨慎解读。
它并不代表全球60%的服务器CPU已经由Arm架构占据,也不代表Intel和AMD在全部服务器市场中的合计份额下降到40%以下。
因为不同统计方式可能关注不同的客户范围、部署项目或者服务器类型。
全球服务器市场还包括大量企业自建机房、政府机构、中小型IDC、托管服务器及其他业务场景。
因此,Arm在大型云平台的发展趋势,不能直接等同于整个服务器市场的实际销售份额。
A5数据认为,未来更可能出现的是多种CPU架构长期共存。
例如,大型云厂商为了优化特定工作负载,可能采用越来越多的Arm服务器。
而普通企业和IDC服务商,仍然会根据软件兼容、采购成本及客户需求选择Intel Xeon或AMD EPYC平台。
对于已经稳定运行的x86业务,没有必要仅因为Arm发布新产品,就立即进行架构迁移。
六、能效正在成为服务器CPU竞争的重要指标
Arm能够在数据中心市场持续扩大影响力,一个重要原因是大型云厂商越来越重视能效。
在普通办公电脑中,CPU功耗可能主要影响电池续航或者设备散热。
但在数据中心里,功耗是一项长期运营成本。
一台服务器可能全年持续运行。
当服务器规模达到数千台、数万台时,即使单台设备的能耗差异不大,长期累计也可能产生明显的电力成本变化。
与此同时,服务器产生的热量需要通过冷却系统处理。
因此,CPU的性能功耗比会影响机房的运营成本和部署密度。
不过,我们认为,比较Arm与x86服务器的能效时,不能只看处理器标称功耗。
例如,一款CPU的TDP较低,并不意味着在任何工作负载下都比另一款CPU省电。
更合理的方法是比较完成相同业务工作需要消耗多少电力。
例如,在同样的Web请求吞吐量下,两台服务器的实际整机功耗分别是多少。
或者在运行相同数据库查询任务时,两种服务器平台需要多少时间、消耗多少电力。
对于AI应用,还需要考虑GPU、内存、网络及其他设备的能耗。
只有比较完整的业务处理效率,才能判断不同架构的实际成本。
因此,Arm未来能否在更多IDC场景中取得竞争优势,不仅取决于芯片本身的设计,也取决于完整服务器平台的性能表现。
七、Arm与AMD、Intel的竞争,可能从CPU性能扩展到软件生态
对于服务器用户而言,更换CPU架构并不像更换一块同类型硬盘那样简单。
在大多数情况下,从x86迁移到Arm,需要确认操作系统、应用程序及其他软件是否支持对应架构。
目前,Linux已经具备比较成熟的Arm64支持。
Ubuntu、Debian、RHEL以及其他Linux发行版,都为Arm架构提供了相应的软件包或支持方案。
Docker等容器技术也能够使用多架构镜像。
但这不代表所有服务器软件都可以直接跨架构运行。
例如,某些商业软件可能只提供x86二进制版本。
部分自编译程序依赖x86专用指令。
某些数据库扩展、驱动或者安全软件也可能需要重新验证。
对于IDC服务商来说,客户是否愿意选择Arm服务器,最终往往取决于现有软件能否顺利运行。
如果客户主要使用标准Linux环境、常见Web服务和支持Arm64的开源软件,迁移评估可能相对容易。
但如果客户部署大量Windows专用程序、旧版商业系统或者依赖特定处理器指令的软件,迁移成本可能较高。
因此,Arm在服务器市场的竞争,不仅发生在CPU硬件层面,也发生在操作系统、开发工具、应用兼容和软件生态层面。
我们认为,这也是x86架构仍然拥有重要市场基础的原因之一。
长期形成的软件兼容性和运维经验,是企业采购服务器时必须考虑的实际因素。
八、IDC服务商应该怎样评估Arm服务器?
对于目前主要提供AMD EPYC、Intel Xeon物理服务器的IDC企业来说,Arm的发展值得关注,但不适合盲目追逐。
我们认为,比较合理的产品规划方式,是先从能够验证的客户场景入手。
1. 选择适合Arm的业务进行测试
例如,Linux Web应用、部分容器化微服务、支持Arm64的数据库和计算任务,可以优先纳入测试范围。
这些业务相对容易进行基准测试和兼容性验证。
但是否具有成本优势,仍需根据实际运行结果判断。
2. 比较整机成本,而不是只比较CPU价格
服务器采购成本除了处理器,还包括主板、内存、存储、网络、机箱以及相关软件和支持服务。
不同架构的整机配置也可能存在差异。
因此,不能仅因为某款Arm CPU拥有较好的能效,就直接认定对应服务器租赁价格一定更低。
对于IDC服务商,还需要将机房电费、采购数量、维护成本和设备利用率计入整体评估。
3. 明确软件兼容范围
如果准备增加Arm服务器产品线,应当清楚告诉客户支持哪些操作系统及应用环境。
例如,可以区分Linux Arm64服务器与传统x86服务器。
对于客户自行安装的软件,不应默认承诺全部兼容。
尤其是依赖Windows x86程序或者特定商业软件的用户,更需要提前验证。
4. 不必立即替换现有x86产品线
AMD EPYC和Intel Xeon仍然能够满足大量服务器业务需求。
对于已经形成稳定客户群体的IDC服务商,继续提供成熟的x86服务器具有现实意义。
Arm可以作为补充产品方向,而不是必须立即替换全部现有配置。
A5数据认为,在客户需求尚未明确之前,小规模测试、积累兼容性经验,比大批量采购新架构服务器更加稳妥。
九、Arm AGI CPU与NVIDIA、AMD AI平台之间是什么关系?
AI数据中心正在形成多种不同的技术组合。
例如,NVIDIA希望通过GPU、CPU、互联和软件提供完整AI计算平台。
AMD则通过EPYC、Instinct以及Helios机架级系统扩大AI基础设施业务。
Arm的角色有所不同。
一方面,它为大型云厂商及芯片公司提供处理器架构授权。
另一方面,它开始通过AGI CPU直接参与数据中心处理器产品市场。
这意味着,即使某些AI服务器并未直接采购Arm品牌CPU,也可能使用基于Arm架构的处理器。
例如,NVIDIA推出的Vera CPU采用Arm相关技术。
Google的Axion也基于Arm架构。
因此,Arm在数据中心的商业价值不仅来自AGI CPU成品销售,还来自其广泛的技术授权和芯片版税业务。
我们认为,这是理解Arm与传统CPU厂商竞争时不能忽略的一点。
AMD和Intel主要通过销售自身处理器获取收入。
Arm则同时参与架构授权、自有CPU产品以及其他合作伙伴的芯片生态。
从市场竞争角度看,Arm既可能与部分客户形成处理器产品层面的竞争,也可能继续作为技术提供方与其他芯片厂商合作。
这使其数据中心业务拥有更加复杂的商业模式。
十、20亿美元销售目标能否实现,关键还要看什么?
虽然Arm公布了相对积极的AGI CPU销售预期,但我们认为,未来两个财年的实际表现仍然受到多种因素影响。
首先,是产品交付能力。
Arm需要确保晶圆制造、封装测试及其他供应链环节能够满足客户需求。
其次,是客户实际部署规模。
客户表达需求、采购少量产品进行验证,与最终形成大规模稳定采购,存在明显区别。
第三,是市场竞争。
AMD、Intel以及大型云厂商自研CPU都可能参与相同或相近的计算市场。
第四,是软件生态成熟度。
Arm AGI CPU需要在实际应用中证明性能、兼容性和长期稳定性。
第五,是完整系统成本。
对于大型数据中心客户,芯片采购价格只是总成本的一部分,还需要考虑电力、散热、网络和运维。
因此,Arm要将未来两财年的20亿美元销售目标真正转化为收入,仍然需要完成产品交付和客户规模化应用。
此外,Arm季度版税收入增长相对温和,也提醒我们不能将AI市场的强劲需求直接等同于公司所有业务同步高速增长。
财报数据反映的是不同业务共同作用的结果。
十一、A5数据观点:AI正在改变CPU市场,但不会让所有服务器走向同一种架构
过去,服务器CPU竞争主要围绕核心数量、线程规模、单核性能、内存支持和采购价格展开。
现在,AI数据中心正在增加新的考量因素。
例如,CPU能否高效处理大量智能体任务,能否与GPU或其他加速器协同工作,以及能否在有限电力条件下提供更高的应用吞吐量。
Arm最新财报正好反映了这种变化。
公司季度营收增长27%,并进一步明确AGI CPU未来两个财年约20亿美元的销售目标,说明其希望在AI时代获得更大的服务器计算市场。
但我们认为,真正值得关注的并不是Arm是否将在短期内取代x86。
服务器市场的需求非常复杂。
大型AI云平台需要高密度计算和高能效。
企业数据库可能更重视稳定性和软件兼容。
中小型IDC客户通常更加关注采购成本、操作系统支持和长期维护。
而普通网站、企业后台和游戏服务器,还需要根据实际应用选择合适的处理器。
这些需求不会因为某一款新CPU推出就完全统一。
因此,未来服务器市场可能出现更加多元化的架构选择。
x86继续服务大量传统企业计算和云计算业务。
Arm在部分云原生、规模化服务和AI数据中心场景中扩大应用。
与此同时,专用加速器和定制CPU也将根据不同工作负载发展。
对于IDC服务商来说,真正的机会并不是简单宣传某种CPU架构已经成为未来趋势。
而是根据客户真实需求,提供经过验证、成本合理并且长期稳定的计算方案。
A5数据认为,Arm AGI CPU销售目标达到20亿美元的行业意义,不只是服务器市场多了一款处理器,而是AI正在重新分配CPU与GPU在数据中心中的角色。
过去,AI硬件投资容易被理解为不断增加GPU数量。
但随着AI Agent、在线推理和复杂业务流程的发展,服务器需要处理更多任务调度、应用逻辑和数据操作,CPU的重要性并没有下降。
未来,衡量一套AI基础设施的价值,不能只看GPU的计算能力,还需要看CPU、内存、网络和存储能否配合完成实际业务。
对于Arm而言,接下来的关键是能否把客户需求、芯片供应能力和产品竞争力转化为持续收入。
对于AMD和Intel而言,AI数据中心也可能带来新的CPU产品竞争。
而对于广大网站管理员、企业技术人员和IDC服务商,我们认为最重要的原则仍然没有改变:
服务器不应该为了架构而选择架构,而应该根据实际工作负载、软件生态、运行效率和综合成本选择硬件。
Arm的最新进展说明服务器CPU市场正在发生变化,但这种变化最终能够带来多少实际价值,仍然需要通过产品交付、真实业务性能和长期运营成本来检验。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/7770.html