根据IDC的数据显示, Arm架构的那种机架级服务器的出货量, 都已经超过那个x86的了。三大云厂商的主要芯片, 全都是采用的Arm架构。但是智能体这个东西, 跑得是越来越多。那么安全问题到底由谁来负责看管?

Arm服务器为什么能打过x86

根据2025年IDC发布的数据统计, Arm架构在机架级服务器市场的规模已经超过了x86。AWS Graviton、Azure Cobalt以及Google Axion这三大头部云厂商各自研发的芯片, 全都无一例外地采用了Arm内核。

造成这个局面的核心原因非常单一, 那就是在同等的性能表现之下, 功耗能够降低百分之三十左右, 这样一来, 数据中心里的电费支出也就直接大幅削减了一大截。

更为核心的一点在于软件生态实现了统一。不论大家使用的是AGI CPU还是Vera CPU, 它们所运行的皆是同一套Arm软件栈。开发者仅需编写一次代码, 便能够对几十种不同的硬件进行部署, 其迁移成本远远低于曾经x86架构在企业内部更换芯片时所带来的种种折腾与消耗。

智能体对算力的需求彻底变了

以前人工智能在做一次性的问答的时候, 算完了就就结束了。现在智能体是在7×24小时持续运行的过程中, 要调配工具、查阅数据, 还要执行多步骤的任务。一个实例在奔跑一天的时候会调用几十次的API接口, 其并发量是比传统的推理方式要高出一个数量级的。

在二零二六年的时候, 头部云厂商单集群智能体实例已达百万级。CPU不再是“辅助推理”，而是智能体运行时作为绝对的主力, 发挥着至关重要的作用, Arm凭借高能效比这一优势, 让这种大规模并发在经济上真正变得可以承担得起, 从而实现了真正意义上的运行。

DPU把安全从主机里剥出来

智能体是在主机上面运行的, 那么到底由谁来监管它呢? Arm所提供的方案是采用DPU来构建一个独立的安全节点。DPU本身就是ARM CPU, 它在物理层面上是独立于主机的, 它是专门负责进行网络监测、实现流量隔离以及执行相关策略的, 所以它不会去和业务程序争夺算力资源。

以Grace DPU为例, 这个设备里搭载了64个Arm V2核心, 它被部署在主机的旁边。它可以实现实时监控智能体发出的每一次网络请求和工具调用。一旦发现情况有异常, 它会直接进行断连隔离的处理。这一整套过程全程都不需要主机CPU介入, 所以也不会拖慢业务的响应速度。

开放智能体安全平台怎么落地

Arm在2026年推出的开放智能体安全平台, 把上述能力打包成标准方案, 它能在任意Arm CPU上运行智能体, 同时通过Arm DPU在外部建安全边界, 两者协同形成内运行、外管控的架构。

平台是支持策略即代码的, 管理员可以通过规则来定义智能体能够访问哪些数据、可以调用哪些工具以及在超时多久之后进行熔断处理, 一旦智能体的行为出现了偏离策略的情况, DPU层就会立即触发隔离措施, 是不需要重启整个服务的。

从云端延伸到边缘和物理系统

从2027年开始, 智能体运行的地方将不再局限于数据中心一个领域。工厂里的机器人、汽车内部的系统以及物联网设备, 也都需要搭载轻量化的智能体。Arm公司目前在终端市场的占有率原本就已经相当高了, 它们可以直接沿用既有的安全架构, 完全不需要额外去重新设计另一套全新的方案。

具体的实施手段, 是把相同的DPU安全策略, 直接下发到边缘计算节点上去, 举一个自动驾驶领域的例子来讲, 就是当智能体需要去调用摄像头画面以及高精地图数据的时候, 由Arm处理器在芯片的底层层面进行隔离操作, 以此来防止相关的数据内容发生篡改或者出现外泄的情况。

性能和安全不再二选一

在过去, 增加安全机制通常意味着会增加系统的延迟以及推高成本, 因此团队往往会在削减特定功能与冒险相信系统不会发生故障之间做出艰难的选择, 而现在, Arm公司通过将安全防护构建为一个独立运行的计算层级, 使得中央处理器能够专注于执行用户业务, 数据处理单元可以全神贯注于实施各项防护措施, 这两项任务可以同时并行开展, 并且互不相干, 不会产生任何冲突。

对于基础设施团队而言, 在执行扩容操作的过程中, 计算能力和安全防护能力实现了同步增长, 因此, 没有必要再去单独采购一整套的安全设备。使用Arm统一架构, 能够让该计划在工程落地实施阶段变得简单许多。

你的团队目前在运营智能体的时候, 关于安全的责任归属这一事项, 你们是把安全交给云厂商进行兜底处理, 还是选择自己进行管理控制呢? 欢迎在评论区里讨论交流一下这个看法, 如果你认为这个回答比较有用, 那么请顺手点个赞, 并且把它转发给你的同事看。