برای بیش از دو دهه، پلت فرم x86 Xeon اینتل بود. The the the انتخاب پیش فرض در مرکز داده اگر شما در حال خرید سرور هستید، شما اینتل (یا حداقل x86 را از طریق اینتل یا AMD خریداری کرده اید). این دوره پایان می یابد. ARM، هنگامی که با تلفن ها و تخته های کوچک تعبیه شده ارتباط برقرار می کند، در حال حاضر یک رقیب جدی در سرورهای ابری و سازمانی است و در برخی از hyperscalers، در حال حاضر آن را در حال حاضر است. The the the گزینه ترجیحی
این مقاله توضیح می دهد چرا ARM ناگهان رقابتی استچه چیزی در هر دو طرف ARM و اینتل تغییر کرده است و این به چه معنی برای خریداران ابر، مدیران On-prem و عملکرد IT مثبت است.

تصویر بزرگ: از Niche تا تقریبا نیمی از Hyperscaler Compute
فشار مرکز داده ARM دیگر نظری نیست - آن را نشان می دهد در سهم بازار، نقشه های سیلیکون و استقرار های بیش از حد:
-
شرکت های تحقیقاتی تخمین می زنند که در سال ۲۰۲۴، سرورهای مبتنی بر ARM – ۱۷-۲ درصد از محموله های سرور جهانی / سرورهای مستقراز اشتراک تک رقمی فقط چند سال پیش. گزارش رشد بازار1+
-
داده های IDC برای 2025 می گوید که محموله های سرور ARM در اطراف رشد کرده اند 70 درصد سال گذشتهنمایندگی بیش از حد 21٪ از کل حمل و نقل سرور... IDC
-
خود ARM و تحلیلگران صنعت انتظار دارند که حدود 50٪ از محاسبات ارسال شده به hyperscalers بالا در سال 2025 خواهد بودرانده شده توسط AWS، Google Cloud، Microsoft Azure و سیستم عامل های AI Nvidia. تکنولوژی Radar1+
به عبارت دیگر: ARM از “جایگزین علاقه مند” گرفته تا شهروند درجه اول در ابرسوال دیگر نیست اگر ARM می تواند اینتل را در بازار سرور به چالش بکشد – در حال حاضر این است.
چرا ARM ناگهان در سرورها کار می کند
2.1 مزیت عملکرد-پر وات
قدرت اصلی ARM است بهره وری:
-
چندین معیار مستقل و ارائه دهندگان خدمات میزبانی 10 تا 20 درصد عملکرد بهتر در هر وات برای ARM در مقابل x86 سنتی در سرورهای وب و کارهای کانتینری، در حالی که x86 اغلب هنوز هم دارای یک لبه کوچک (5-15٪) در پایگاه داده های پیچیده و برخی از کارهای میراثی است. Onidel Cloud1+
-
برای پرداخت هزینه های عظیم برق و مقابله با محدودیت های شبکه واقعی، این بهره وری یک “نیکی برای داشتن” نیست – این یک مزیت استراتژیک است.
این نقشه ها کاملا بر روی دنیای امروز است:
-
Microservices Cloud-native microservices
-
خوشه های Kubernets هزاران کانتینر را اداره می کنند
-
هوش مصنوعی و خدمات لبه ای که در آن هزینه انرژی و چگالی به اندازه سرعت خام مهم است.
۲.۲ ارائه دهندگان Cloud ساخت خود خود مالک تراشه های ARM
دومین تغییر بزرگ چه کسی پردازنده ها را طراحی می کند:
-
خدمات وب سایت آمازونGraviton2 / 3 و در حال حاضر Graviton4، همه بر اساس ARM Neoverse، قدرت میلیون ها نمونه EC2. بسیاری از خدمات مدیریت AWS به طور پیش فرض بر روی گراviton اجرا می شوند.
-
Google CloudAxion، پردازنده سرور ARM سفارشی آن، در حال حاضر برای کارهای عمومی و AI-adjacent استفاده می شود.
-
Microsoft Azure100 کبالت (پر نسل اول) در حال حاضر مستقر شده است؛ تازه اعلام شده کبالت 200 یک تراشه سرور ARM 132-core ارائه می دهد 50٪ عملکرد بیشتر بیش از 100 کبالت در سال 2026 تولید خواهد شد. TECHCOMMUNITY.MICROSOFT.COM+2آنلاین+2
-
Nvidiaگریس و Grace-Blackwell superchips جفت پردازنده های ARM با GPU های Nvidia به عنوان موتورهای محاسبات AI محکم همراه، بهینه سازی شده برای پهنای باند حافظه بزرگ و بهره وری انرژی است. تکنولوژی Radar
ARM خود پردازنده های سرور را به فروش نمی رساند (حداقل در درجه اول) IP IPسپس Hyperscalers را ایجاد کنید سیلیکون سفارشی دقیقاً متناسب با حجم کاری خودچیزی که اینتل نمی تواند به طور مستقیم با خط Xeon عمومی مطابقت داشته باشد.
۲.۳ سرانجام گرفتار شد
سد اصلی ARM در مرکز داده ها مورد استفاده قرار گرفت نرم افزار Software:
-
برنامه ها برای x86 جمع آوری و بهینه شده اند.
-
بسیاری از پشته های سازمانی و کتابخانه های حیاتی عملکرد در ARM در دسترس یا بالغ نبودند.
این سریع در حال تغییر است:
-
شرکت های بزرگ لینوکس (Ubuntu، RHEL، SUSE، دبیان) دارای پشتیبانی سرور ARM کلاس اول هستند.
-
اکوسیستم های کانتینری (Docker, Kubernetes, containerd) بر روی ARM اجرا می شوند، درست مانند x86 و تصاویر چند ستاره ای در حال حاضر رایج هستند. Cloud Panel1+
-
زمان های اجرای بزرگ (Java، .NET، پایتون، Node.js) و کتابخانه های کلیدی (OpenSSL، NGINX، PostgreSQL، MySQL/MariaDB، Redis و غیره) دارای ساخت های پیشرفته ARM هستند.
-
Hyperscalers اضافه ابزار سازنده خودکار یا به طور شفاف در پرونده های ARM کار می کند (به عنوان مثال، برنامه های پذیرش AWS گراviton، مشاوران مهاجرت).
نتیجه: برای بسیاری Cloud-native تعویض به ARM در حال حاضر به سادگی تغییر انواع نمونه است.
پاسخ اینتل: Core Count، Impact Cores و Platform Muscle
اینتل هنوز ایستاده است. در سمت سرور، آن را آورده است:
-
جنگل سیراE-core Xeon 6 CPU با حداکثر 288 هسته بهره وری، هدف قرار دادن حجم کار مقیاسی که در آن شمارش نخ و مواد جانبی / وات. ویکی پدیا1+
-
گرانیت سریعسری Performance-core Xeon 6 عملکرد تک آهنگ قوی، 12channel DDR5، تعداد زیادی PCIe 5.0 lane و CXL 2.0 پشتیبانی از گسترش حافظه را ارائه می دهد. ویکی پدیا1+
این سیستم عامل ها پاسخ اینتل به داستان بهره وری ARM هستند: استفاده از E-cores برای کارهای فشرده و سبک ابرو P-cores برای HPC سنگین، پایگاه های داده و AI...
اما این است که:
-
اینتل هنوز حمل می کند چمدان x86هسته های بزرگتر، رمزگشایی پیچیده تر، قابلیت برگشت گسترده.
-
انتقال های تولیدی (Intel 7) اینتل 3 - اینتل 20A/18A) از مشتریانی که امیدوار بودند، سر و صدا و کندتر بوده اند.
-
شرکای Hyperscaler ARM می توانند تراشه ها را در آخرین گره های TSMC (N5، N3) با جدول زمانی بسیار تهاجمی قرار دهند.
بنابراین در حالی که Xeon های جدید اینتل بسیار توانمند هستند، آنها دیگر پیش فرض نیستند. آنها هستند یکی از چندین گزینهرقابت معماری واقعی
جایی که ARM برنده شدن – کار بارگذاری شده توسط Workload
4.1 خدمات میکروسرویس های ابری و کارهای وب
این ARM است شیرین:
-
شمارش هسته بالا، هسته های ساده از سفارش، عملکرد صحیح قوی و Vf / وات عالی باعث می شود ARM ایده آل برای microservices، backends API و Frontend های وب. Onidel Cloud1+
-
Hyperscalers می تواند هسته های ARM بیشتری را در هر قفسه در همان بودجه قدرت قرار دهد، که منجر به آن می شود. درآمد بالاتر در هر کیلووات ساعت برای آنها و قیمت پایین یا مشخصات بهتر برای مشتریان
اگر در حال دویدن هستید:
-
خوشه های Kubernetes
-
REST / GraphQL APIs
-
NGINX / Envoy / HAProxy Frontends
-
خدمات زمان واقعی
نمونه های ARM اغلب بهترین انتخاب پیش فرض در سال 2025 در AWS / Azure / GCP، به ویژه اگر شما در مورد بهره وری هزینه مهم است.
۴.۲ خدمات داده مقیاس و تجزیه و تحلیل
برای پایگاه های داده توزیع شده، لایه های کش و صف پیام:
-
بهره وری ARM و حساب های هسته ای بالا کمک می کند تا با حجم کاری مانند Elasticsearch / Opensearch، Casa، Redis، کافکا و برخی از پایگاه های داده NoSQL. Cloud Panel
-
برای پرسش های تحلیلی پیچیده و به شدت کار OLAP، پردازنده های x86 (Intel/AMD) هنوز هم به طور مکرر منجر می شوند، اما این شکاف محدود به عنوان طرح های ARM ادغام پهنای باند حافظه بهتر و حافظه بزرگتر است. Onidel Cloud1+
الگوی در حال ظهور:
-
استفاده از ARM برای کنترل هواپیما، مصرف، پردازش بدون حالت، Caching...
-
سنگین نگه دارید OLAP / ستون / بردار کار در x86 یا شتاب دهنده های تخصصی – حداقل در حال حاضر.
4.3 AI Inference و خوشه های متمرکز شتاب دهنده
آموزش هوش مصنوعی و استنتاج به طور فزاینده ای GPU- یا شتاب دهنده-boundدر اینجا کار CPU این است که:
-
تغذیه GPU ها
-
مدیریت I/O
-
مدیریت ارکستر و پیش از پردازش
این جایی است که کارایی ARM می درخشد:
-
Nvidia’s Grace و Grace-Blackwell دو پردازنده ARM با GPUs در یک بسته کاملا یکپارچه با تمرکز بر روی تمرکز بر روی ویژگی های مختلف پهنای باند حافظه و بهره وری انرژی در TFLOPنه در عملکرد CPU خام. تکنولوژی Radar
-
هنگامی که GPU ستاره است، CPU که وات کمتری را در هر واحد می سوزاند، همان چیزی است که شما می خواهید.
ARM نیازی به “شکست” اینتل در عملکرد اسکالر در اینجا ندارد – فقط باید به اندازه کافی خوب با استفاده از قدرت کمتر
جایی که اینتل هنوز خط را نگه می دارد
افزایش ARM به این معنا نیست که اینتل مرده است. دور از آن مناطقی وجود دارند که اینتل (و x86) به طور کلی دارای مزایا هستند:
۱.۵ نرم افزار شرکت و اکوسیستم
-
بسیاری از برنامه های تجاری گواهی فقط در x86پایگاه های داده قدیمی، سیستم های اختصاصی ERP / CRM، نرم افزار صنعتی عمودی، ابزار امنیتی و لوازم خانگی.
-
برخی از حجم کار شامل مونتاژ x86 دستی، استفاده خاص AVX-512، یا تکیه بر بهینه سازی های x86 است.
برای این کار، دویدن بر روی اینتل (یا AMD) هنوز هم مسیر حداقل مقاومت است.
5.2 Heavily با استفاده از کد عددی و HPC
-
خط Xeon اینتل ارائه می دهد پلاگین های غنی SIMD و ماتریس (AVX-512، AMX) و چندین دهه کامپایلر و تنظیم کتابخانه پشت آن. ویکی پدیا1+
-
برخی از کدهای HPC، مدل سازی مالی و کارهای علمی هنوز هم می توانند سریعتر در یک پشته x86 بالغ نسبت به پیاده سازی های فعلی ARM اجرا شوند، به ویژه در جایی که این کدها هرگز برای ARM پورت نشده یا مجدداً نصب نشده اند.
5.3 زیرساخت های سازمانی Inertia
-
شرکت های بزرگ با هزاران سرور x86 موجود، مجوز مربوط به هسته ها / مخازن در x86، و تیم های آموزش دیده در این اکوسیستم به ARM در طول شب نیست.
-
روابط طولانی مدت اینتل با OEM ها (Dell، HPE، Lenovo، Supermicro) و تضمین های پشتیبانی طولانی مدت هنوز هم وزن زیادی در فروشگاه های IT محافظه کار دارند.
واقعیت نزدیک مدت آن است. ناهمگنARM در ابر و برای کارهای جدید؛ x86 در بسیاری از میراث ها و استقرار های با کیفیت عملکرد.
اقتصاد: چرا ابر و مراکز داده ARM را دوست دارند
از دیدگاه تجاری، ARM جذاب است زیرا به حل سه نقطه درد کمک می کند:
-
قدرت و خنک کننده
-
با توجه به تقاضای قدرت مبتنی بر داده پیش بینی شده برای افزایش و محدودیت های قدرت در حال حاضر در برخی از مناطق کاهش می یابد، Perf / وات در حال تبدیل شدن به یک محدودیت طراحی اولیه است، نه یک پس از تصور. بهره وری انرژی ARM به hyperscalers کمک می کند تا بیشتر در همان پاکت برق محاسبه شوند. رویترز رویترز1+
-
سیلیکون سفارشی و تمایز
-
با مجوز ARM IP، Hyperscalers ساخت CPU های سفارشی این کار با حجم کاری آنها کاملا مطابقت دارد و ابرها را از رقبا متمایز می کند. اینتل نمی تواند هر hyperscaler را به طور کامل Xeon را ارائه دهد.
-
مجوز و کنترل
-
مدل مجوز ARM به این شرکت ها اجازه می دهد نقشه های سیلیکون خود را کنترل کنند، آنها را با خدمات داخلی (دیتابیس ها، تجزیه و تحلیل، AI) هماهنگ کنند و حاشیه بیشتری را در مقابل خرید CPU کالا ثبت کنند.
-
به همین دلیل است که شما عناوینی مانند “ARM برنده بر AWS، گوگل، مایکروسافت و Nvidia در مراکز داده” را مشاهده می کنید – این یک تغییر اقتصادی ساختاری نیست. CRN1+
مشاوره عملی: چه چیزی برای IT Pros و معماران معنی دارد
اگر امروز در حال برنامه ریزی زیرساخت هستید – چه برای برنامه های خود، ارزیابی یا پلتفرم های ابری – در اینجا چگونگی فکر کردن در مورد ARM در مقابل اینتل در سمت سرور وجود دارد.
7.1 برای استقرار تنها ابر
-
ARM را به طور پیش فرض برای خدمات دولتی جدید تبدیل کنید.
در AWS، GCP یا Azure، با خانواده های نمونه ARM (Graviton، Axion، VGA) برای میکروسرویس ها، API ها و مشاغل پس زمینه شروع کنید. فقط به x86 برمی گردید اگر به سازگاری یا مسائل عملکردی ضربه بزنید. -
کارهای واقعی خود را ارزیابی کنید.
فقط به معیارهای مصنوعی تکیه نکنید. اندازه گیری:-
درخواست/sec
-
Latency
-
هزینه هر میلیون درخواست
-
معیارهای انرژی در دسترس
-
بسیاری از کاربران متوجه می شوند که ARM در هزینه برنده می شود و اغلب با x86 در عملکرد برای کارهای معمول وب مواجه می شود.... Onidel Cloud1+
7.2 برای مراکز داده های هیبریدی و پیش از آن
-
برنامه ریزی برای یک جهان معماری مختلط
به طور فزاینده ای واقع بینانه است که محیط شما شامل:-
x86 سرور (Intel/AMD)
-
-
سرورهای ARM (از ارائه دهندگان ابر یا پیشنهادات آینده)
-
گره های GPU/accelerator با میزبان ARM (به عنوان مثال، Nvidia Grace)
-
زنجیره تامین نرم افزار و زنجیره ابزار
اطمینان حاصل کنید که خط لوله CI / CD شما می تواند چندین ظروف و مصنوعات (amd64 + Arm64) تولید کند. این کار باعث می شود که در صورت نیاز، حجم کاری بین اینتل و ARM را تغییر دهید. -
فضای OEM را تماشا کنید.
فروشندگان سرور سنتی سیستم عامل های مبتنی بر ARM را به ویژه برای لبه و telco معرفی می کنند. همانطور که این افراد بالغ هستند، ARM به جریان اصلی بیشتری تبدیل خواهد شد.
7.3 برای سناریوهای ارزیابی / ارزیابی عملکرد
با توجه به علاقه خود به ارزیابی و عملکرد سطح پایین:
-
ARM را در تمام شاخص های آینده قرار دهید.
هنگام ارزیابی ابرها یا سخت افزار، آزمایش:-
ARM vs اینتل (و AMD) در کارهای واقعی
-
Perf / وات و هزینه کار واحد، نه فقط از طریق خروجی خام
-
-
تست سناریوهای AI-adjacent
به ویژه در جایی که CPU “فقط” به GPU ها تغذیه می کند، اندازه گیری کنید که آیا میزبان های مبتنی بر ARM به شما کارایی بهتر و کل سیستم را با هزینه های مشابه یا پایین تر می دهند.
آیا ARM "Won" دارد؟
هنوز - اما هنوز هم قطعی حرکت از "بیرون" به معماری همزمان در مرکز داده ها:
-
در ابر بیش از حد، ARM در حال حاضر تقریبا نیمی از محاسبات جدید را که در سال 2025 عرضه شده است، در نظر گرفته شده است.طبق گفته های ARM و تحلیلگران صنعت تکنولوژی Radar1+
-
در کل حمل و نقل سرور و درآمد، ARM سریع صعود می کند اما هنوز x86 را رد می کند. Grand View Research1+
-
در مراکز داده های سازمانی سنتی، x86 همچنان غالب است، اما ARM در حال ضربه زدن به درب به عنوان نرم افزار بیشتر تبدیل به چند معماری و به عنوان محدودیت های انرژی می باشد.
داستان واقعی این نیست که «ARM اینتل را می کشد» بلکه محاسبه ی سالم، طبیعی جدید است.»:
-
ARM که بهره وری و مقیاس مهم ترین
-
اینتل (و AMD) که در آن پشتیبانی از میراث، عضله تک رشته ای و کد جهش یافته هنوز هم غالب است
-
Accelerators (GPUs،630، NPUs، DPUs) انجام بلند کردن AI سنگین، با هر دو ARM و x86 به عنوان ارکستر عمل می کنند.


11502
IT Pro 



















