Arm发布智能体CPU（中央处理器）评测方法，称AGI CPU机架级建模性能最高达AMD（美国超威半导体公司） EPYC 9755的约2倍
Arm（英国芯片设计公司）在OCP Global Summit期间公布一套面向AI（人工智能） Agent（人工智能智能体）负载的CPU（中央处理器）评测方法：以具代表性的智能体用例、可重复的CPU测量、端到端结果验证三项原则组织，Meta（美国科技公司）、OpenAI（美国人工智能公司）和富士通（日本信息通信技术公司）表态支持。
Arm称第三方Signal65（美国技术分析机构）用相同脚本独立验证，七项负载下Arm AGI CPU平均机架级建模性能为AMD（美国超威半导体公司） EPYC 9755的1.99倍，沙箱创建延迟最多降低45%。
这些是厂商委托的建模结果，非客户部署实测。
Arm在OCP Global Summit期间公布智能体AI（人工智能） CPU（中央处理器）评测方法，围绕三项原则：代表性智能体用例、可重复的CPU测量、对端到端结果的验证。 方法由Arm与Meta（美国科技公司）、OpenAI（美国人工智能公司）协作推进，富士通亦表态支持。
Arm称，第三方机构Signal65使用与AMD（美国超威半导体公司） EPYC Turin相同的基准脚本进行独立验证，服务器级实测数据用于机架级建模。 初步结果：七项负载下Arm AGI CPU平均机架级建模性能为AMD EPYC 9755的1.99倍； 工具调用负载1.7倍，智能体工作流与编排2.0倍，推理与规划2.2倍；
相较AMD EPYC 9965，沙箱创建延迟最多降低45%。 Arm同时称正贡献Arm AGI CPU参考服务器，Meta的Yosemite YV5将其纳入OCP机架级设计。 Arm引用a16z提及的数据称OpenRouter上智能体token用量自2026年2月以来增长约14倍。
这条报道把AI（人工智能） Agent的瓶颈从模型侧推到基础设施侧：智能体持续运行、调用工具、反复创建隔离执行环境，使“单位功耗内能完成多少并发任务”和“启动沙箱要多久”成为可测量指标。 1.99倍、45%等数字是机架级建模结果而非真实客户部署数据，且由Arm委托、以Arm自家方法组织负载，跨厂商比较的可信度取决于该方法能否被第三方复现采用；
方法论仍处早期，Arm自己也承认智能体架构与软件会持续变化。 对产品团队有参考价值的是评测思路：把部件性能与端到端任务完成度分开验证，避免用理论算力替代实际任务吞吐。
后续观察信号
- Arm AGI CPU（中央处理器）是否有客户实际部署数据公开
- 智能体负载下的功耗与任务完成率如何权衡
- 其他基准组织是否推出类似智能体CPU（中央处理器）评测