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。

这场谜语人游戏始于去年8月，此后，每逢13号，官方就会准时晒出一位《最终幻想13》角色的纪念图。在粉丝眼中，这已不仅仅是系列周年纪念，而是对三部曲重制版最明显的暗示。

尽管《最终幻想13》常被列入系列“最具争议的作品”甚至“最差的一作”，但它拥有一支极其忠诚的粉丝群体。多年来，他们一直在为这部作品的重制奔走呼吁，希望三部曲能像《最终幻想12》一样获得新生。

目前，《最终幻想13》三部曲在Xbox Series X上凭借向下兼容拥有不错的体验，但PS平台和PC玩家只能忍受PS3原版的粗糙画质或性能拉胯的早期移植版。随着系列其他作品纷纷重制，粉丝的呼声也愈发响亮。

Square Enix尚未对重制传闻做出任何官方回应，但连续数月、固定在13号的发布节奏，已经很难用“巧合”来解释。

筑基：以自主技术守护“中国速度”

复兴号驰骋神州，时速350公里、每分钟5590转——在如此极端的工况下，润滑油的性能直接关系到万千旅客的生命安全。

经过十余年技术攻关，昆仑润滑科研团队成功研制出拥有完全自主知识产权的高铁齿轮箱润滑油。该油品采用独特的添加剂复配技术，传动效率较国外同类产品显著提升，成功解决了高铁传动系统高转速与大承载润滑保护难以兼顾的世界级难题。

这项突破不仅打破了国外技术垄断，更将“安全主动权”牢牢掌握在中国人自己手中。对昆仑润滑而言，这份安全责任，是国有企业对社会最庄重的承诺：保障国家关键产业链的供应链安全，就是最大的社会责任。从“复兴号”的全面应用，到被中国铁道博物馆永久收藏并誉为“中国高铁第一油”，昆仑润滑用自主技术，为民生出行筑起了一道坚实的“安全防线”。

增绿：以全生命周期践行“低碳使命”

如果说安全是底线，那么绿色就是方向。在守护速度的同时，昆仑润滑也在为绿水青山贡献一份力量。

在《润物无声》的镜头之外，昆仑润滑正将绿色发展理念融入每一滴油的“生命旅程”。以高铁齿轮箱油为例，通过持续优化极压抗磨技术，昆仑润滑实现了更长的换油周期——单车安全运行两个换油周期可达120万公里，大幅降低了全生命周期的润滑油消耗与废弃物排放。在“双碳”目标引领下，这滴油正在为中国轨道交通描绘一条更清洁、更高效的运行曲线。

从基础油精选到添加剂复合，从实验室研发到产业化应用，昆仑润滑已建立起覆盖产品全生命周期的绿色管理体系。可生物降解的环保配方、低灰分低排放的技术路线、全生命周期的环境影响评估——每一项创新，都在为这滴油“减负”，为中国制造“增绿”。

领航：以产业链协同“可持续未来”

企业的社会责任，不仅在于自身做得更好，更在于带动行业共同进步。昆仑润滑依托自有研发中心，构建起完全自主的绿色润滑技术体系，并积极推动上下游产业链提升环保标准。

目前，昆仑润滑的绿色润滑技术已延伸至多个战略领域：可降解的生物基变压器油和不加剂变压器油推动电力装备绿色创新，风电润滑脂助力清洁能源发展，新能源车用润滑油支撑交通电动化转型，工业齿轮油推动制造业能效提升。从轨道交通全传动系统润滑到新能源全产业链布局，昆仑润滑正以技术创新引领润滑产业向绿色化、高端化迈进。

面向未来，昆仑润滑将持续推动润滑技术与节能降碳技术深度融合，以更高效、更清洁、更智能的润滑解决方案，助力各行各业实现绿色转型，为经济社会高质量发展注入更多“绿色动能”。

无声之处，听见潮声

《润物无声》再度登陆央视，既是一次技术成果的回望，更是一份责任担当的宣言。一滴油中见征程——那层不足1微米的油膜，既托举起中国高铁的安全时速，也映照着绿水青山的生态梦想。

从守护安全到守护环境，从技术突破到产业引领，昆仑润滑正以实际行动书写着一份沉甸甸的责任答卷：跑得快，是能力的体现;跑得远，是眼界的体现;而跑得可持续，则是使命的体现。

这，就是一滴油的使命——一个关乎速度与温度、突破与坚守、当下与未来的中国故事。

一号种子：JDG

中路：Yagao

下路：Hope

上路：369

辅助：Missing

打野：Kanavi

世界赛M1kuya(上单)替换Yimeng(中单)

二号种子：TES

打野：Tian

辅助：Mark

上路：Qingtian、Wayward

下路：JackeyLove

中路：knight

三号种子：EDG

打野：JunJia、Jiejie

辅助：Meiko

上路：Flandre

下路：Viper

中路：Scout

四号种子：RNG

辅助：Bunny、Ming

中路：Xiaohu

打野：Wei

下路：GALA

上路：Breathe

新王+旧王，最完美的配置。此次出征的阵容相当的豪华，2021s赛世界冠军edg以及msi三冠王rng分别是三号种子和四号种子，底蕴十足。而新生力量tes和jdg更是不断冲击着更高的舞台，可谓是lpl真正的最强一年，让我们期待四支队伍精彩的表现吧。首先就先等待rng的入围赛之旅吧！