隨著人工智能?(AI)?技術的迅猛發展，云計算領域正在經歷顯著變革。愈發復雜的?AI?應用對計算解決方案的性能、效率和成本效益提出了更高要求。在云端部署工作負載的客戶正在重新評估其所需的基礎設施，以滿足現代工作負載需求，其中不僅包括提高性能和降低成本，還涵蓋了需符合監管要求或可持續發展目標的新能效基準。
Arm?與亞馬遜云科技?(AWS)?長期合作，為實現性能更強勁、更有效和可持續的云計算提供專用芯片和計算技術。在近期舉行的?AWS re:Invent 2024?大會上，AWS?進一步展示了?AWS Graviton4?所取得的顯著進展，使開發者和企業能夠充分發揮其云工作負載的性能潛力。
卓越的性能表現
相較于上一代?Graviton3?處理器，基于?Arm Neoverse V2?平臺的?AWS Graviton4?處理器在計算性能上提升了?30%，核心數增加了?50%，內存帶寬提高了?75%。憑借這些技術優勢，AWS Graviton?處理器在生態系統和客戶群體中得到了廣泛應用。
Arm Neoverse V2?平臺涵蓋?Armv9?架構的新特性，包括高性能浮點和向量指令支持，以及?SVE/SVE2、Bfloat16?和?INT8 MatMul?等特性。這些特性為?AI/機器學習?(ML)?以及高性能計算?(HPC)?工作負載提供了卓越性能。
AI/ML?工作負載
今年早些時候，Arm?與主流的?AI?框架和軟件生態系統合作，推出了?Arm Kleidi?軟件，以確保Arm?平臺上開機即用的推理性能優化能惠及整個?ML?棧，開發者無需掌握額外的?Arm?專業知識即可構建其工作負載，從而進一步推動?AI?工作負載的廣泛應用。此前，Arm?已展示了?PyTorch?中的這些優化如何賦能?AWS Graviton4?上運行大語言模型(LLM)，如?Llama 3 70B?和?Llama 3.1 8B，并顯著改善了每秒生成詞元?(token)?數和詞元首 次響應時間的表現指標。
HPC?和?EDA?工作負載
對于?HPC?工作負載，Graviton4?相較于?Graviton3E?在功能上實現了顯著提升。每個核心的主內存帶寬增加了?16%，每個?vCPU?的?L2?緩存容量翻倍。這些改進對于?HPC?應用的性能至關重要，因為?HPC應用通常受限于內存帶寬。AWS?已經在這些領域取得了顯著優勢，如下所示。
根據?Arm?工程團隊實際運行?EDA?工作負載所得出的結果，Graviton4?提供的?RTL?仿真工作負載性能比?Graviton3?高出?37%。
圖：AWS Graviton4?上的?HPC?和?EDA?工作負載優勢
生態系統廣泛采用
近年來，隨著云計算用戶將各種云工作負載部署在?AWS Graviton?處理器上，其軟件生態系統持續擴展。如此一來，客戶不僅節省了費用，收獲了性能的提升，還能優化其碳足跡和可持續發展足跡。以下是部分示例：
圖：采用基于?Arm Neoverse?的?AWS Graviton3?所取得的生態優勢
著手利用?Graviton?的強大性能
Arm?將在云計算的未來中發揮關鍵作用，并將繼續支持?AWS Graviton?立于技術創新的前沿。Arm?將繼續投入并進一步強化軟件生態系統，從而使開發者能夠更加輕松地在?Arm?平臺上構建其應用，并充分利用?Arm?計算平臺所提供的卓越性能和效率優勢。
（推廣）