亞馬遜 AWS 在近日宣布全新的 AWS Graviton3 處理器，借助 Arm Neoverse 架構的，可在特定領域帶來極高的能源效率，大幅降低能耗並提升處理速度，在複雜工作負載較 Graviton2 提升 25% 效能，而在機器學習、遊戲與媒體內容解碼的浮點運算效能提升一倍，於加密工作負載提供兩倍的運算速度，同時借助支援 bfloat16 ，使機器學習工作負載達三倍效能，這也是 Arm 架構開放創新帶來的驚人成果。
同時亞馬遜 AWS 亦同步發表採用 Graviton3 的 C7g 應用實例，是業界首款採用 Arm Neoverse 並支援 DDR5 的雲端應用實例，借助更高的記憶體頻寬帶來更高的效能，目前已經提供 AWS 的多家頂尖客戶進行 C7g Beta 應用實例進行測試，在不同領域相對目前的 C6g 有 20% 至 80% 不等的效能提升。
亞馬遜 AWS 自 2015 年收購 Annapurna Lab 跨足自主晶片架構策畫，並從 AWS Nitro 到 2018 年推出 Graviton 持續進行創新，同時借助 Arm IP 的彈性設計，視 AWS 需求規劃合適的晶片設計，由 AWS 洞悉的趨勢因應特定運算領域需求，持續將 Graviton 平台進化為針對這些特定運算領域最佳化的設計。
▲ Arm 的 Neoverse 架構是針對雲運算與超算應用的微架構，也成為 Arm 跨入資料中心、雲服務與 HPC 的重要基礎
也由於 Arm 架構不斷地提升以及業界合作夥伴的努力之下，逐步深入以往被 x86 壟斷的運算領域，且許多重要業界客戶也紛紛採用基於 Arm 架構的服務，以 AWS 的 Graviton2 為例，目前已累積超過數千家客戶，其中不乏大型遊戲發行商 Epic Games 、照片服務商 SmugMug / Flickr 、一級方程式賽車 F1 等。同時 AWS 的 Arm 架構應用實例已經擴展到 9 大系列，並在全球 23 區提供服務，且也針對不同的領域提供特殊化服務，如 G5g 實例即是針對 Android 遊戲串流與提供具成本效益的機器學習推論，此外甫推出的 Im4gn / Is4gen 應用實例則是著重儲存密集的應用。
Arm 本身也是受惠於 AWS Graviton 持續演進的受益者，去年 Arm 將相當比例的設計與驗證 EDA 工作負載轉移到 AWS Graviton2 平台，大幅縮減資料中心占地面積與提升使用彈性，且借助特定領域最佳化，在部分 EDA 流程更縮減為原本的 1/6 ，同時相較使用傳統處理器也減少 30% 成本， Graviton 可說是呼應 Arm 全面運算理念的體現者之一。
1 則回應