Arm扩展智能体CPU评测维度
Arm提出一套面向智能体AI的评测方法，将工具调用、任务编排、推理支持、沙箱运行和端到端执行纳入CPU性能评价，并曾与富士通、Meta和OpenAI共同探索。Arm云AI解决方案架构总监Ravi Malhotra表示，这是一套方法论而非行业标准，不应为不同智能体场景设置统一权重。Arm委托Signal65开展的研究建模称，在设定功耗预算下，Arm AGI CPU的机架级平均性能约为AMD EPYC 9755平台的1.99倍，但结果并非完整生产机架实测。
智能体需要CPU把模型输出转化为实际行动，因此基础设施比较正从单纯关注Token吞吐，转向衡量端到端任务完成效率、延迟与并发能力。
过去两年，AI 基础设施的竞争几乎围绕 GPU 展开。模型能生成多少 Token、每秒能输出多少 Token、每瓦功耗能够支撑多少推理吞吐量，成为衡量算力效率的重要指标。
但随着 AI Agent 从聊天问答走向软件开发、企业自动化和复杂任务执行，一个新的问题开始浮现：如果模型生成了代码，却要花很长时间才能完成编译和测试；如果推理速度足够快，工具调用、数据库访问和任务编排却跟不上，那么更快的 Token 生成速度，究竟能带来多少实际生产力？
这也让 CPU 在 AI 基础设施中的作用开始被重新审视。
Arm 云 AI 解决方案架构总监 Ravi Malhotra 在一场技术分享中提出，智能体 AI 正在改变 CPU 性能的评价逻辑。过去，AI 性能主要围绕 Token 生成展开，而在 Agent 场景下，基础设施不仅需要支持模型思考，还必须让模型生成的内容转化为真实行动。
#Arm#Fujitsu#Meta#OpenAI#Signal65#AMD#Intel#Docker#Firecracker#gVisor#Arm AGI CPU#AMD EPYC 9755