吃了没熟的螃蟹怎么办

本质上，AI 重新定义了“优秀”基础设施的标准。相应地，平台设计的重心也从注重单一的芯片或服务器，转向了打造机架级、可扩展的系统，在功耗和预算有限的前提下，实现高效扩展。而这一转变背后的原因在于，推理与智能体 AI 工作负载持续增长且不间断运行，对高密度、全天候在线的算力需求正快速提升。

Futurum 在《Arm处于 AI 和数据中心变革的中心》报告中，把这一转变称为迈向“系统级协同”。设计的关键不再是堆多少算力，而是平台能不能有效地把加速器、CPU、内存、网络和软件协同起来。

正因如此，业界正加速迈向定制化机架级系统设计：即围绕 AI 负载特性、功耗波动和持续利用率来进行端到端设计的平台。越来越多的架构师开始重新思考计算底层设计，选择基于 Arm 架构来解决现代 AI 平台面临的多重约束。

AI 促使行业重构：转向定制化机架级系统

这一转变的核心原因，并非通用型标准化基础设施无法承载 AI，而是碎片化的系统设计，在 AI 规模化部署时，终将转化为真实可感的成本代价。

AI 工作负载在计算、内存、网络、存储及软件各环节紧密耦合。CPU 拖后腿，昂贵的加速器就会空等；功耗和散热波动，利用率就会下滑；数据管道、调度、编排未能针对平台调优，吞吐量就不可预测。峰值性能依然重要，但稳定性、每瓦性能和系统整体平衡性更关键。

Futurum 指出，超大规模云服务提供商正进行结构性调整，旨在实现算力的指数级增长，同时避免能耗的同步激增。Futurum 引用 Arm 的数据指出，到 2025 年末，出货到头部超大规模云服务提供商的算力中，有近 50% 是基于 Arm 架构。

架构师现在不再只看纸面跑分，而是更关心 AI 平台在实际应用中能否长期可靠地运行智能体 AI 和连续推理工作负载，比如：

长时间高负载下，系统表现如何？

在实际环境中，功耗限制和散热条件如何影响性能曲线？

在机架级系统中，计算层如何确保加速器能持续获得稳定的数据供给，而非仅停留在纸面参数上？

当能效、可扩展性与系统平衡性成为首要原则时，重新审视 CPU 底层架构就成了必然。也正因为此，Arm 凭借领先的架构和完善的生态，正是这场行业变革的核心所在。

在数据中心领域，Arm Neoverse 平台是推动这一转型的核心引擎。亚马逊云科技、Google、微软、NVIDIA 等头部超大规模云服务提供商与 AI 领军企业，都在基于 Arm 架构或采用 Arm 计算平台进行产品研发。Arm 的模式既能支持定制化系统设计，又能保持跨平台、跨生态、跨软件的一致性。对于想要构建高集成度平台、又不愿被单一技术路径绑定的团队而言，这种灵活性至关重要。

智能体 AI 与持续推理，

重塑规模化算力的经济逻辑

随着 AI 与通用计算工作负载的融合，AI 工作负载正在发生变化，基础设施也需随之调整，以支持多样化的工作负载特性。

行业重心正在转向智能体 AI，而智能体 AI 本质上就是一个连续推理系统。智能体并不是简单地给出一个答案， 而是会规划、调用工具、检索数据、验证结果，如此循环往复。由此便形成了连续推理模式：稳定不间断的词元 (token) 生成任务，请求类型趋于多元化，围绕加速器的编排和数据迁移任务变得更繁重。

在智能体 AI 里，CPU 不再是配角， 而是整个 AI 系统的控制中枢。CPU 负责协调控制、调度任务、管理 IO、处理网络与存储服务、执行安全策略，并在模型、上下文及工具链不断演进的过程中，维持整个系统的平衡。

以承载大语言模型 (LLM) 的服务为例，它可能同时处理成百上千的并发请求。就算加速器负责核心计算，CPU 也要承担请求权限控制、分词和预处理、批处理和队列调度、数据迁移编排，以及针对模型权重与 KV 缓存的数据路径协调等。到了智能体工作流，CPU 的工作负担进一步扩展，还要承担工具调用、检索流程、结构化输出验证、多步调度等持续运行的任务。

这一切都表明，CPU的重要性远超许多团队的预期。如果 CPU 跟不上编排节奏，数据迁移、处理流程和加速器都会被“卡住”，面临结构性的闲置风险。

融合型 AI 数据中心的建设，彰显了 Arm 架构的强劲势头

Arm 的发展势头正在加快。在业内领先的集成式 AI 系统中，基于 Neoverse 平台的 CPU 被广泛用于智能体推理密集型系统的编排层，尤其适合追求高能效、可预测扩展能力和大规模部署的应用场景。

独立测试也印证了现代 CPU 基础平台在“AI 相关”工作负载中的价值。Futurum 旗下 Signal65 的独立基准测试对比了基于 Arm Neoverse 平台的 Amazon Graviton4 与同级的 AMD和 IntelEC2 实例，结果显示：在生成式 AI (Llama-3.1-8B)、数据库 (Redis)、机器学习(XGBoost)、网络 (Nginx) 等测试的各种工作负载中，基于 Neoverse 平台的 Graviton4 在性能和性价比方面大幅领先。

测试结果直接反映了智能体 AI 数据中心的现状：LLM、检索层、缓存、Web/API、传统机器学习等全都处于智能体系统的关键路径上，只有当 CPU 兼具速度与能效时，整体才能更好地扩展。

最新的机架级 AI 系统在架构设计上，均采用定制化加速器层以及基于 Arm 架构的 CPU 层的组合，由后者承担调度编排、数据迁移与智能体推理预处理等关键任务。NVIDIA Grace Hopper、Grace Blackwell 等系列产品，将 NVIDIA GPU与基于 Neoverse 架构的 Grace CPU 深度融合。而其最新机架级平台 Vera Rubin NVL72，更是在系统内集成 72 颗 Rubin GPU 与 36 颗基于 Arm 架构的 Vera CPU，专为交互式、深度推理型智能体 AI 优化，显著降低推理成本。

亚马逊云科技也在走同样的系统级路线：Amazon Trainium3 UltraServer 把 Trainium3 加速器芯片与 Graviton CPU 结合，强化了“融合型”设计理念：将加速器与定制的高性能、高能效 CPU 相匹配，以实现高效扩展。

“提供更优选择”不再是偏好，而是硬性要求

AI 系统迭代太快，固定架构已无法适配其发展节奏，因此为客户提供更优选择已成为风险管理的必要举措。

系统架构师想要的是：

平台能适应不同代的硬件、多样的工作负载配置及各异的部署环境；

软件可移植，以降低系统变更成本。

与此同时，系统架构师希望避免因过度依赖单一厂商，而导致在模型组合变化、业务规模扩张或新需求出现时陷入被动。在智能体时代尤其如此：推理形态不断变化，上下文更长、工具调用更多、多模态输入更频繁、全天候工作负载更普遍，效率和平衡远比峰值跑分重要。

Arm 架构在提升系统性能的同时，保持跨平台一致性。Arm 架构不仅引入了现代 AI 基础设施所需的关键特性，而且拥有强大的软件生态支持。Arm 计算子系统 (CSS) 提供经过验证的基础设施级模块，既加速了芯片开发，又保留了合作伙伴间的差异化与选择权。对于所有基于 Arm 架构的平台，一致性贯穿始终，云工作负载迁移至 Arm 平台也极为便捷。同时，在软件层面，Arm 生态助力团队在不同环境与平台间拥有一致连贯的基础，从而加速开发进程，无需重写所有代码。

智能体 AI 经济重塑 CPU 选择格局，Arm Neoverse 平台成头部厂商首选

系统架构师之所以倾向于 Arm 平台，因为它精准匹配定制AI 系统的核心需求：能效、可扩展性及每瓦性能。能效重要，因为功耗和预算是硬上限；系统平衡和 CPU 性能重要，因为加速器闲置成本极高；一致性重要，因为 AI 基础设施变化快、跨环境部署日益增多。

在融合型智能体 AI 数据中心里，面对持续推理的应用需求，上述优先事项变成了上线即需满足的硬性指标。智能体系统不只需要能生成词元的加速器，更需要以 CPU 为核心的编排能力，在网络、存储、调度、安全层面，持续、高效、大规模地把资源利用起来。

Arm 如今的强劲增长正源于此：Neoverse 正成为智能体时代的 CPU 基础平台，作为计算头节点，是让 AI 系统保持高效、一致并面向未来的核心控制中枢。

为何AI数据中心的系统架构师首选Arm平台

獅子座3

五諸侯增二

HD 223778

泉港区涂岭镇秀溪村举办篝火晚会，吸引了不少游客。

今年春节，涂岭镇以“全域研学、全龄体验、全时留客”为目标，串点成线、串珠成链，让非遗民俗成为涂岭中国年最鲜明的底色，变“一日甜”为“日日甜”。正月元宵前后，传承数百年的板凳龙灯非遗民俗将在樟脚、秀溪等村落陆续点亮，这是非遗传承的“灯甜”；始建于清代的樟脚古民居红灯高挂、年画新贴，剪纸、写春联等传统年俗非遗体验吸引游客走进老宅沉浸式过年，这是古厝非遗的“岁甜”；三赤瀑布飞泻如练，观音山登高纳福，成为新春家庭出游热门打卡地，这是山水相映的“景甜”；小坝民族特色村寨里，蒙古族风情体验项目假期持续迎客，在南方山水间感受民族融合的豪迈年味，这是民族团结的“团圆甜”。

为让年过得更舒心、更具特色，涂岭镇在秀溪、小坝等景点周边配套布局一批太空舱民宿，既丰富游客的乡野度假体验，又推动乡村旅游从“过路游”升级“过夜游”。（通讯员 林艳婷 融媒体记者 陈淑华 文/图）

非遗民俗为中国年加足料 泉港山水乡村有点“甜”

后髮座22

南十字座BG

HD 218560

一、3%关税：成本革命，重塑全球艺术品定价权

长期以来，高税负是制约海外文物回流与国际艺术品入境的最大卡点。内地常规通道，艺术品进口需承担15%关税+13%增值税，综合税负高达28%。一件估价1亿元的海外瓷器，仅税费就要2800万元，高额成本让大量流失文物难以回家。

海南自贸港的3%关税政策，直接带来颠覆性改变：

- 综合税负从28%降至3%，降幅达89%；

- 1亿元藏品，税费从2800万元降到300万元，节省2500万元；

- 保税仓内展示、交易、仓储全程免税，成交后再完税，大幅降低机构资金占用。

海口海关数据显示，2025年海南封关运作首年，艺术品保税交易412票、货值21.7亿元，累计免征税费3.08亿元，平均每单节省成本超75万元。3%关税不是简单让利，而是用制度优势，把全球艺术品的“流转首选地”搬到中国海南。

二、数据说话：低关税如何引爆交易规模

政策落地后，海南艺术品市场呈现爆发式增长，用硬核数据印证3%关税的强大引力。

1. 成交额快速放量

2025年海南文物艺术品总成交额68.4亿元，占全国市场5.7%；2026年一季度同比增长196%，全年有望突破200亿元，三年内向千亿级迈进。

2. 文物回流提速

低关税让海外文物回家成本大减，2026年海南口岸回流文物交易额预计突破500亿元，占全国回流总量40%，高古瓷、明清官窑、近现代书画成为主力。

3. 机构加速集聚

三亚CBD已吸引保利文化、苏富比、佳士得、中信国际拍卖等150+头部机构入驻，形成“国际巨头+本土龙头”格局。2025年海南举办30余场国际展览、7场重点拍卖会，单场成交率最高89%，拍卖总成交额超3亿元。

4. 品类结构优化

高古瓷成交占比42%、近现代书画26%、当代艺术14%，海外精品与中国传统艺术双向流通，海南正成为东西方艺术交汇中心。

三、组合政策：3%关税只是开始，全链条赋能枢纽建设

3%关税是“引爆点”，海南真正的竞争力，是一揽子超低制度成本：

- 保税交易：一线进口零关税、免征增值税，岛内自由流转，先展拍、后完税；

- 企业优惠：鼓励类文创企业所得税15%（内地25%），拍卖、仓储、鉴定全链条减负；

- 通关便利：72小时快速通关、白名单制度、多元税收担保，跨境流转效率提升3倍；

- 加工增值：艺术品在琼加工增值超30%，经“二线”进入内地免征关税，打通“海南交易、全国分销”通道。

对比香港、日内瓦、纽约等传统艺术枢纽，海南在税负、空间、配套、面向中国内需四大维度全面占优。3%关税+保税+低所得税+内需市场，形成不可复制的政策闭环，让海南从“中转站”变成“目的地”。

四、三大价值：3%关税如何重构行业格局

1. 全球文物回流“第一站”

过去，大量流失文物经香港、海外市场辗转，成本高、周期长。海南3%低关税，让直接回流成为最优路径。预计未来五年，经海南回流文物超200万件，总价值超3000亿元，破解“文物回家难”。

2. 国际艺术品“定价中心”

更低成本吸引全球拍品、藏家、机构汇聚，交易量提升带来流动性溢价。海南将逐步建立以人民币计价的艺术品价格指数，争夺亚太地区定价权，改变欧美长期主导的市场格局。

3. 艺术金融“创新试验田”

低成本+高流通，为质押、基金、信托、保险提供优质底层资产。2026年海南艺术品质押规模有望突破80亿元，艺术品基金规模超300亿元，备案藏品可实现“保税仓储+快速融资+全球交易”全闭环。

五、未来三年：海南将成为亚太第一艺术流通枢纽

按照规划，2026—2028年是海南艺术品枢纽成型的关键期：

- 2026年：成交额破200亿元，机构超300家，保税仓面积超10万㎡；

- 2027年：年交易超500亿元，文物回流占全国50%，国际拍卖常态化；

- 2028年：站稳千亿级市场，成为与日内瓦、纽约、香港并列的全球四大艺术品交易中心。

对藏家、机构、投资者而言，海南3%关税不是短期红利，而是十年一遇的战略机遇：海外回流走海南，跨境交易选海南，资产配置看海南。

3%关税，一个时代的开启

海南自贸港以3%关税为核心，用制度创新降低流通成本、激活全球资源、服务国家文化战略。这不仅是一次税负下调，更是中国艺术品市场走向国际化、主导全球流通的标志性事件。未来，全球买家在海南竞拍，流失文物在海南回家，中国艺术在海南走向世界。3%关税，撬动的是万亿市场，成就的是国际艺术品流通枢纽的中国方案。

声明：

本文来源于网络版权归原作者所有，仅供大家共同分享学习，如作者认为涉及侵权，请与我们联系，我们核实后立即删除。

海南自贸区：3%关税如何打造国际艺术品流通枢纽 收藏资讯

蒼蠅座FH

HD 220440

鮪魚

巴德士水性木器漆获中山市科技进步奖

河內大劇院

HD 216172

柱八 (角宿)

该项目是区城投集团投资建设的自主经营性重点项目，总用地面积92319平方米，是临安再生资源循环利用体系与“无废城市”建设的核心载体。建设内容包括再生资源1至4号车间、再生资源产品研发中心等，整体解决方案及产线设备由南方路机提供，其中包含：

年处理量200万吨

建筑拆除垃圾处置生产线1条

年处理量80万吨

工程渣土资源化处置生产线1条

年处理量35万吨

渣土底泥处置、固化土生产线1条

年处理量65万吨

再生水稳生产线1条

商品混凝土生产线2条

年产100万m³

建成后，项目将打造集回收分拣、高值化加工、固废资源化利用于一体的循环经济产业集群，预计年产值可达10亿元。

▲项目效果图

“项目预计今年10月份完成主体结构结顶，同步穿插砌筑、二次结构、道路、管线及绿化景观施工，年底全面完工。”区城投集团项目负责人江镇表示，项目建设具有重要现实意义和长远价值，建成后将有效完善区域再生资源循环利用体系，推动固废处置向减量化、无害化、资源化升级，实现经济效益、社会效益与生态效益的有机统一。

南方路机助力临安循环经济产业集群加速建设！

獵犬座R

郎位十一

六分儀座33

本质上，AI 重新定义了“优秀”基础设施的标准。相应地，平台设计的重心也从注重单一的芯片或服务器，转向了打造机架级、可扩展的系统，在功耗和预算有限的前提下，实现高效扩展。而这一转变背后的原因在于，推理与智能体 AI 工作负载持续增长且不间断运行，对高密度、全天候在线的算力需求正快速提升。

Futurum 在《Arm处于 AI 和数据中心变革的中心》报告中，把这一转变称为迈向“系统级协同”。设计的关键不再是堆多少算力，而是平台能不能有效地把加速器、CPU、内存、网络和软件协同起来。

正因如此，业界正加速迈向定制化机架级系统设计：即围绕 AI 负载特性、功耗波动和持续利用率来进行端到端设计的平台。越来越多的架构师开始重新思考计算底层设计，选择基于 Arm 架构来解决现代 AI 平台面临的多重约束。

AI 促使行业重构：转向定制化机架级系统

这一转变的核心原因，并非通用型标准化基础设施无法承载 AI，而是碎片化的系统设计，在 AI 规模化部署时，终将转化为真实可感的成本代价。

AI 工作负载在计算、内存、网络、存储及软件各环节紧密耦合。CPU 拖后腿，昂贵的加速器就会空等；功耗和散热波动，利用率就会下滑；数据管道、调度、编排未能针对平台调优，吞吐量就不可预测。峰值性能依然重要，但稳定性、每瓦性能和系统整体平衡性更关键。

Futurum 指出，超大规模云服务提供商正进行结构性调整，旨在实现算力的指数级增长，同时避免能耗的同步激增。Futurum 引用 Arm 的数据指出，到 2025 年末，出货到头部超大规模云服务提供商的算力中，有近 50% 是基于 Arm 架构。

架构师现在不再只看纸面跑分，而是更关心 AI 平台在实际应用中能否长期可靠地运行智能体 AI 和连续推理工作负载，比如：

长时间高负载下，系统表现如何？

在实际环境中，功耗限制和散热条件如何影响性能曲线？

在机架级系统中，计算层如何确保加速器能持续获得稳定的数据供给，而非仅停留在纸面参数上？

当能效、可扩展性与系统平衡性成为首要原则时，重新审视 CPU 底层架构就成了必然。也正因为此，Arm 凭借领先的架构和完善的生态，正是这场行业变革的核心所在。

在数据中心领域，Arm Neoverse 平台是推动这一转型的核心引擎。亚马逊云科技、Google、微软、NVIDIA 等头部超大规模云服务提供商与 AI 领军企业，都在基于 Arm 架构或采用 Arm 计算平台进行产品研发。Arm 的模式既能支持定制化系统设计，又能保持跨平台、跨生态、跨软件的一致性。对于想要构建高集成度平台、又不愿被单一技术路径绑定的团队而言，这种灵活性至关重要。

智能体 AI 与持续推理，

重塑规模化算力的经济逻辑

随着 AI 与通用计算工作负载的融合，AI 工作负载正在发生变化，基础设施也需随之调整，以支持多样化的工作负载特性。

行业重心正在转向智能体 AI，而智能体 AI 本质上就是一个连续推理系统。智能体并不是简单地给出一个答案， 而是会规划、调用工具、检索数据、验证结果，如此循环往复。由此便形成了连续推理模式：稳定不间断的词元 (token) 生成任务，请求类型趋于多元化，围绕加速器的编排和数据迁移任务变得更繁重。

在智能体 AI 里，CPU 不再是配角， 而是整个 AI 系统的控制中枢。CPU 负责协调控制、调度任务、管理 IO、处理网络与存储服务、执行安全策略，并在模型、上下文及工具链不断演进的过程中，维持整个系统的平衡。

以承载大语言模型 (LLM) 的服务为例，它可能同时处理成百上千的并发请求。就算加速器负责核心计算，CPU 也要承担请求权限控制、分词和预处理、批处理和队列调度、数据迁移编排，以及针对模型权重与 KV 缓存的数据路径协调等。到了智能体工作流，CPU 的工作负担进一步扩展，还要承担工具调用、检索流程、结构化输出验证、多步调度等持续运行的任务。

这一切都表明，CPU的重要性远超许多团队的预期。如果 CPU 跟不上编排节奏，数据迁移、处理流程和加速器都会被“卡住”，面临结构性的闲置风险。

融合型 AI 数据中心的建设，彰显了 Arm 架构的强劲势头

Arm 的发展势头正在加快。在业内领先的集成式 AI 系统中，基于 Neoverse 平台的 CPU 被广泛用于智能体推理密集型系统的编排层，尤其适合追求高能效、可预测扩展能力和大规模部署的应用场景。

独立测试也印证了现代 CPU 基础平台在“AI 相关”工作负载中的价值。Futurum 旗下 Signal65 的独立基准测试对比了基于 Arm Neoverse 平台的 Amazon Graviton4 与同级的 AMD和 IntelEC2 实例，结果显示：在生成式 AI (Llama-3.1-8B)、数据库 (Redis)、机器学习(XGBoost)、网络 (Nginx) 等测试的各种工作负载中，基于 Neoverse 平台的 Graviton4 在性能和性价比方面大幅领先。

测试结果直接反映了智能体 AI 数据中心的现状：LLM、检索层、缓存、Web/API、传统机器学习等全都处于智能体系统的关键路径上，只有当 CPU 兼具速度与能效时，整体才能更好地扩展。

最新的机架级 AI 系统在架构设计上，均采用定制化加速器层以及基于 Arm 架构的 CPU 层的组合，由后者承担调度编排、数据迁移与智能体推理预处理等关键任务。NVIDIA Grace Hopper、Grace Blackwell 等系列产品，将 NVIDIA GPU与基于 Neoverse 架构的 Grace CPU 深度融合。而其最新机架级平台 Vera Rubin NVL72，更是在系统内集成 72 颗 Rubin GPU 与 36 颗基于 Arm 架构的 Vera CPU，专为交互式、深度推理型智能体 AI 优化，显著降低推理成本。

亚马逊云科技也在走同样的系统级路线：Amazon Trainium3 UltraServer 把 Trainium3 加速器芯片与 Graviton CPU 结合，强化了“融合型”设计理念：将加速器与定制的高性能、高能效 CPU 相匹配，以实现高效扩展。

“提供更优选择”不再是偏好，而是硬性要求

AI 系统迭代太快，固定架构已无法适配其发展节奏，因此为客户提供更优选择已成为风险管理的必要举措。

系统架构师想要的是：

平台能适应不同代的硬件、多样的工作负载配置及各异的部署环境；

软件可移植，以降低系统变更成本。

与此同时，系统架构师希望避免因过度依赖单一厂商，而导致在模型组合变化、业务规模扩张或新需求出现时陷入被动。在智能体时代尤其如此：推理形态不断变化，上下文更长、工具调用更多、多模态输入更频繁、全天候工作负载更普遍，效率和平衡远比峰值跑分重要。

Arm 架构在提升系统性能的同时，保持跨平台一致性。Arm 架构不仅引入了现代 AI 基础设施所需的关键特性，而且拥有强大的软件生态支持。Arm 计算子系统 (CSS) 提供经过验证的基础设施级模块，既加速了芯片开发，又保留了合作伙伴间的差异化与选择权。对于所有基于 Arm 架构的平台，一致性贯穿始终，云工作负载迁移至 Arm 平台也极为便捷。同时，在软件层面，Arm 生态助力团队在不同环境与平台间拥有一致连贯的基础，从而加速开发进程，无需重写所有代码。

智能体 AI 经济重塑 CPU 选择格局，Arm Neoverse 平台成头部厂商首选

系统架构师之所以倾向于 Arm 平台，因为它精准匹配定制AI 系统的核心需求：能效、可扩展性及每瓦性能。能效重要，因为功耗和预算是硬上限；系统平衡和 CPU 性能重要，因为加速器闲置成本极高；一致性重要，因为 AI 基础设施变化快、跨环境部署日益增多。

在融合型智能体 AI 数据中心里，面对持续推理的应用需求，上述优先事项变成了上线即需满足的硬性指标。智能体系统不只需要能生成词元的加速器，更需要以 CPU 为核心的编排能力，在网络、存储、调度、安全层面，持续、高效、大规模地把资源利用起来。

Arm 如今的强劲增长正源于此：Neoverse 正成为智能体时代的 CPU 基础平台，作为计算头节点，是让 AI 系统保持高效、一致并面向未来的核心控制中枢。

为何AI数据中心的系统架构师首选Arm平台

HD 225216

柳宿五

南十字座Y