Arm 近使用新的 CPU 内核升级了 Arm Neoverse 计算子系统 (CSS) 设计，旨在帮助公司为数据中心构建自己的定制芯片。
　　Arm 基础设施业务副总裁兼总经理 Mohamed Awad 表示，数据中心定制芯片的市场非常巨大。
　　“[超大规模企业]正在从头开始重新设计系统，从定制规格开始，”他说。“这是有效的，因为他们比其他人更了解自己的工作负载，这意味着他们可以微调系统的各个方面，包括网络加速，甚至通用计算，特别是为了优化效率、性能并终优化总体拥有成本。 ”
　　超大规模数据中心运营商已经开发了多代自己的基于Arm 的定制 CPU，包括 AWS Graviton，并且 Ampere 和 Nvidia 等公司已将 Arm 用于数据中心 CPU。
　　CSS 是 Arm 的烤箱就绪设计，结合了关键 SoC 元素，让客户在设计定制 SoC 时占据先机。Arm 还拥有一个由设计合作伙伴组成的生态系统，可以在需要时帮助实施。总体目标是使定制芯片的路径更快、更容易实现。近发布的 Microsoft Cobalt 100 基于第二代 CSS（特别是 CSS-N2）。
　　Awad 表示，超大规模企业选择 Arm 是因为 CSS 的可用性意味着可以快速创建定制解决方案并将其与 Arm 强大的生态系统相结合。
　　“我们从各地听到的消息是，一般来说，对于超大规模厂商和许多 OEM 而言，通用计算无法跟上，这意味着现成的 SoC 无法跟上，”他说。“我们对 [CSS] 非常乐观，并且我们已经看到这些平台的巨大吸引力。”
　　超大规模企业渴望构建自己的芯片的驱动力无疑是人工智能。
　　Awad 表示，Arm 的客户在基于 Arm 的 CPU 上大规模运行人工智能推理，部分原因是定制加速器的成本，部分原因是其可用性。（众所周知，市场领先的数据中心 GPU Nvidia H100 供应短缺。）他表示，与其他选择相比，CPU 的应用广泛，而且价格非常实惠。
　　“将推理工作转移到加速器（无论是 GPU 还是其他加速器）的决定取决于您正在处理的计算粒度，”他说。“在某些计算粒度下，在工作负载的背景下，将其保留在 CPU 上更有意义……从性能角度来看，这终将转化为成本。”
　　Arm 的愿景是终让“相当大比例（即使不是绝大多数）的人工智能推理在 CPU 上运行，特别是当模型针对 CPU 硬件变得更加优化时。
　　“这个领域有很多工作正在进行——市场在不断发展，所以我可以投入什么来尽快完成工作，”他说。“因此，我们今天可能会看到一些 GPU 或人工智能加速器的使用。未来，随着市场的成熟，其中很多可能终会出现在 CPU 上。”
　　Awad 表示，Arm 还预计其 CSS 设计将用于紧密耦合的 CPU 加加速器设计，类似于Nvidia Grace Hopper，后者针对内存容量和带宽进行了优化。
　　CSS 不仅仅适用于超大规模企业；它还适用于超大规模企业。他说，他们还可以支持小型公司，特别是通过设计合作伙伴的 Arm Total Design 生态系统。
　　“（较小的）公司希望尽快进入市场，推出他们的解决方案，以占领市场份额，建立自己的地位，”他说。“他们还寻求一定程度的灵活性，以便能够专注于创新，然后他们显然需要性能来运行其中一些工作负载。”