微软与亚马逊最新财报共同印证一个趋势：基于 Arm 架构的定制芯片已从技术尝试转变为云基础设施的核心支柱。微软 CEO 纳德拉直言「CPU 与 GPU 同样重要」，亚马逊芯片业务年化营收突破 250 亿美元，同比增长三位数。
7 月，微软与亚马逊先后发布财报。两家公司产品不同、云平台不同，但释放的信号高度一致：基于 Arm 架构的 CPU 正在成为 AI 基础设施的核心支柱。
微软 CEO 萨提亚·纳德拉在电话会议上用一句话概括了这场架构变革：「在运行智能体负载时，CPU 与 GPU 同样重要。」他给出有力证据：搭载 Azure Cobalt 200 的机架将在 7 月底前部署至全球超过 25 个数据中心。
仅隔一日，亚马逊公布芯片业务（Graviton、Trainium、Nitro）年化营收规模突破 250 亿美元，同比增长三位数。客户对 Graviton 的采购承诺环比增长近 3 倍，Graviton5 的采用速度接近 Graviton4 的 2 倍。
两家公司，同一个判断：CPU 架构正在重塑云计算的成本与效率曲线。
基于 Arm Neoverse CSS V3，性能提升 50%，128 个 vCPU。已承载 Adobe、Arm、Elastic、OpenAI 等客户工作负载，真实生产环境验证。
专为智能体 AI 负载设计，计算性能提升 25%，推理速度提升 35%。12 万+ 客户基于 Graviton 构建服务，新增 CPU 容量中超过一半采用 Graviton。
注：两家公司选择了不同的产品路线，但底层架构均指向 Arm——这并非巧合，而是超大规模数据中心对效率极限的追求所驱动的共同选择。
生成式 AI 的第一波浪潮，衡量标准是模型规模与 GPU 算力供给。但智能体 AI 的运行方式完全不同——它需要检索数据、调用工具、运行代码、执行策略，并对结果进行验证。
GPU 仍承担绝大部分模型训练与推理 Token 生成，而 CPU 则承担着围绕模型运行的各项关键任务：
纳德拉在财报会议上表示，基于 Azure Cobalt 的 VM 产品组合已承载微软自有服务及 Adobe、OpenAI 等客户的工作负载。CPU 的效率直接决定了智能体 AI 的吞吐与响应速度。
智能体 AI 的黄金公式：GPU 算力 × CPU 效率 = 实际交付能力。
注：AI 基础设施投入正在从 GPU 单一维度扩展至 CPU 编排、数据流水线、推理集群等全栈系统。每一瓦电力、每一个机架都变得更加重要。
两家公司分别拿出了自己的王牌产品。数字不会说谎：
注：柱形以 Cobalt 200 性能提升幅度为基准（100%），其余按比例缩放。数据来自官方财报及产品公告。微软 Cobalt 200 较前代性能提升 50%，Graviton5 较 Graviton4 计算性能提升 25%。
更值得关注的是部署速度：Cobalt 200 于 2025 年 11 月发布，2026 年 6 月开放预览，不到两个月即部署至全球 25+ 数据中心。Graviton5 的商用实例 M9g 在 6 月正式上线，客户采用速度接近前代产品的 2 倍。
速度本身就是效率的证明。
微软和亚马逊是最受关注的案例，但远非全部。Google Cloud 的 Axion 已在 TPU 系统中担任 AI 头节点 CPU。NVIDIA 在最新的 AI 工厂方案中，Vera CPU 同样基于 Arm 架构，将作为 Rubin 等下一代 AI 系统的计算基础。
五大芯片巨头，同一个架构选择。
微软 CFO 艾米·胡德（Amy Hood）将基础设施效率与业绩增长直接关联：当季 Azure 营收同比增长 43%，而市场需求依然超过现有供给能力。更高效的 CPU 基础设施在相同机架规模和电力预算下释放了更多可用算力，这些算力几乎在上线后便被迅速消化并转化为收入。
对于超大规模数据中心而言，CPU 效率提升的意义远不止降低电费——当市场需求超过供给时，效率就是解锁营收的杠杆。
IDC 预计，2026 年全球 AI 基础设施支出将达到 4,970 亿美元，需求不再局限于 GPU 系统，而是扩展至编排平台、数据流水线以及 基于 CPU 的推理集群。Arm 架构恰好站在了这个扩张方向的中心。
Arm 架构在数据中心的崛起，揭示了 AI 基础设施竞争的核心正从「单一算力」转向「系统效率」。当 CPU 与 GPU 的协同设计成为新基准，那些只关注模型参数规模而忽视整体架构效率的玩家，将在下一阶段面临真正的挑战。
Azure Cobalt 200 虚拟机已在全球 25+ 数据中心上线，Graviton5 实例（M9g / M9gd）已正式商用。企业客户可通过各自云平台直接体验 Arm 架构带来的性能与效率提升。
查看云厂商产品文档 →具体产品信息以各云厂商官方公告为准