Arm把基础小芯片系统架构贡献给OCP

为了帮助科技公司克服行业在大规模AI数据中心建设中面临的电力限制问题，Arm公司高管穆罕默德·阿瓦德（Mohamed Awad）表示，该公司正在推出一项新标准，用于构建基于小芯片（chiplet）的芯片设计，以最大化每瓦特性能。

负责Arm数据中心业务的阿瓦德表示，全球最大、最具影响力的科技公司（包括Arm自身）正在进行的大规模AI数据中心建设，“从长远来看，其必要性是毫无疑问的”。

阿瓦德说：“如果你从长远角度来看，毫无疑问这一切都是必需的，因为我们才刚刚处于起步阶段，仍在学习和开发之中。” 他表示。

过去一个月，已经出现了几项规模庞大的AI数据中心交易，包括OpenAI与Nvidia GPU平台合作建设至少10吉瓦基础设施的协议，以及使用AMD GPU平台建设6吉瓦服务器农场的协议。

仅本周就出现了多笔重磅交易：OpenAI与博通达成协议，将设计价值10吉瓦的定制AI加速芯片；甲骨文与AMD达成5万个GPU的交易；谷歌宣布新投入90亿美元用于美国AI基础设施；一个由Nvidia、微软和埃隆·马斯克旗下xAI公司组成的财团宣布以400亿美元收购Aligned Data Centers。

休斯顿系统集成商Mark III Systems的一位高级主管表示，目前对这类数据中心的需求正越来越多地由“推理”需求推动，这要归功于“智能体AI”（agentic AI）应用能力的不断提升。这与几年前训练是AI数据中心市场增长主要动力的情况形成了鲜明对比。

Mark III Systems已连续多年被评为Nvidia顶级合作伙伴。该公司首席技术官兼战略与创新副总裁安迪·林（Andy Lin）表示：“目前所需的规模，尤其是当我们谈论这些智能体模型、更大规模的推理模型时，它们体量庞大。因此，随着越来越多的组织希望利用这些模型，而不是自己训练基础模型，他们将需要类似的平台。”

但阿瓦德也像业内其他人士一样承认，电力供应的限制正日益成为阻碍众多计划中的大型AI数据中心建设的明显障碍。这些项目包括Arm参与的5000亿美元“Stargate”联合企业，该企业由OpenAI、甲骨文、投资公司MGX及其最大投资者软银集团（SoftBank Group）共同组建。

阿瓦德说：“从某种意义上说，钱是‘免费’的——我当然不是说钱真的免费，但人们总能搞到钱。问题不在于资金，而在于我能获得多少电力？我能否满足这种需求？现实是，我们根本无法足够快地建设数据中心。”

为此，Arm在本周二举行的2025年OCP全球峰会（OCP Global Summit）上宣布了一项新举措。阿瓦德表示，此举将通过为科技公司提供一种新的标准来构建定制化、基于小芯片的硅产品，从而解决能源消耗问题，最大化每瓦特性能。

Arm宣布，将把“基础小芯片系统架构”（Foundation Chiplet System Architecture）规范贡献给“开放计算项目”（Open Compute Project, OCP）。OCP是由Meta创立的组织，为超大规模企业（hyperscalers）建设数据中心制定一系列标准。全球最大的超大规模企业——亚马逊、微软和谷歌——都在其定制数据中心芯片中使用Arm技术，其中亚马逊是使用最广泛、最活跃的客户。此外，Arm技术也已应用于Nvidia最新的机架级AI平台，这些平台正被部署于许多新建的AI数据中心中。

这项新规范基于Arm公司去年推出的“小芯片系统架构”（Chiplet System Architecture），旨在标准化基于Arm CPU核心的小芯片封装中，小芯片如何划分以及彼此之间如何通信。

阿瓦德表示：“我们决定，更广泛的行业都能从中受益。这不应仅限于Arm。” 他补充道：“其中当然有Arm特有的部分，但我们认为我们所采用的原则实际上比这更广泛。”

通过将“基础小芯片系统架构”规范贡献给OCP，阿瓦德表示，这将为公司创造机会，使其能够基于任何指令集架构（ISA）构建基于小芯片的产品。这包括x86架构，其主要用户是AMD和英特尔（Intel），后者正重新发力定制芯片设计。

他说：“系统中会有一些部分并不一定与Arm相关。例如，如果你正在构建一个I/O小芯片，它集成了最新的PCIe版本，那就不一定需要我们来控制。”

阿瓦德表示，在当前AI数据中心对能源需求空前高涨的背景下，这一举措将使企业在设计基于小芯片的硅产品时拥有更大的自由度，从而在固定的功耗限制内尽可能地提升性能。

他说：“在这样一个每瓦性能至关重要的环境中，我们越来越多地看到，那些正在建设数据中心的大型科技公司正在对系统的各个方面进行规范，以榨取尽可能多的性能。”

尽管该规范对所有指令集架构开放，但阿瓦德表示，Arm仍会从中受益，因为它能提供具有竞争力的计算产品，例如其Neoverse CPU核心设计。这些产品相比客户从头开始构建完全定制的芯片所需投入要少得多，同时又比现成的CPU产品提供更高的定制化程度。

这位高管将企业面对计算需求的选择描述为一个光谱：“一端是，我可以花费十亿甚至数十亿美元，获取Arm的架构授权，完全自主设计自己的芯片，或者采用某种新架构并建立一整套生态系统，这成本极其高昂。另一端是，他们可以直接购买Ampere或Nvidia的芯片——比如Nvidia的Grace CPU，或者购买x86架构的CPU。”

阿瓦德指出，在这两个极端之间，就是Arm的现成CPU核心及其相关技术，企业可以授权使用这些技术来设计自己的产品。此外，Arm还推出了名为“Arm Total Design”的生态系统计划，将有计算需求的企业与芯片设计公司、制造商及其他技术供应商连接起来，协助其进行定制化芯片开发。

他说：“这是一个连续体，这条路径上的每一个点都对应着不同级别的定制化和不同的成本。而我们的任务，从生态系统角度来看，就是尽可能支持更多定制化，同时降低这一成本。” 他补充道，这里的“成本”也包括企业将产品推向市场所需的时间。

正是出于这些原因，加上Arm已有的超过3000亿台设备的庞大部署基础——其中包括全球最大的超大规模企业所建设的服务器农场——阿瓦德对其公司在当前AI数据中心建设浪潮中的长期前景“非常有信心”。

他说：“当然，我们会持续确保自己积极参与其中。但这是一个巨大的市场，正在发生很多事情。我认为，我们产品线的广度和市场覆盖的广度，前景非常乐观。”