7月12日14：00，海尔空调“挑战79℃高温制冷新纪录”体验云众播在海尔智家APP上线。海尔空调将70平方米的智慧客厅和智慧卧室场景搬进沙漠，展示了79℃“高温禁区”吃火锅、极限补水、极限防直吹、极限飞沙、极限高温制冷等5大场景挑战。通过挑战，为用户提供了空调高温制冷、防直吹，空气净化、补水等健康场景解决方案。

环球探险家侣行夫妇、莫高窟壁画匠人、敦煌文化特约讲解员还参与到“体验云众播”当中，分享了各自的健康空气需求，并体验了海尔空调“56℃除菌自清洁 只吹干净风”的原创科技。

场景一：一吃火锅就出汗！侣行夫妇79℃沙漠清凉吃火锅

平时夏天吃火锅就能出一头汗，这次不一样。侣行夫妇在沙漠中一边吹空调，一边吃火锅。在79℃沙漠高温下，海尔空调所在的智慧客厅温度只有23℃。侣行夫妇表示，室内外仅一门之隔完全是两个世界，海尔空调的制冷能力出乎意料。

海尔空调高级工程师雷永锋介绍，天再热，这款空调也能扛得住，给用户带来舒适降温。雷神者空调采用海尔独创的PKC变频控制技术，搭载高比表面积的螺纹铜管、双翼翅片、稀土压缩机，让空调高温高负载下仍能稳定运行、强劲制冷。

场景二：空调吹风太干燥？海尔56℃除菌空调挑战极限加湿

在空调房里敷面膜，空气太干体验打折扣？在湿度不足5%的沙漠里呢？体验云众播中，海尔水洗空调挑战了极限加湿。开启“水洗功能”后，室内湿度从32%升至52%。现场，梁红也做了对比测试发现，用手攥紧面膜仍然可以挤出水。她表示，“空调吹着不干，加湿净化功能很实用。”

雷永锋介绍，这款空调的好处是解决了吹风干燥和空气净化的问题。水洗空调内部形成“暴雨式”喷淋清洗室，有效加湿净化。在净化效果方面，现场一台检测仪显示，室内PM2.5降至15，净化效果明显。

场景三：雾霾沙尘天难开窗？海尔56℃除菌空调挑战极限飞沙

关窗开空调，总感觉憋闷。雾霾沙尘天，还担心空气污染。海尔空调针对沙尘、雾霾场景，挑战极限飞沙环境。

在户外，越野车制造起“人工沙尘暴”，扬沙弥漫，室外空气PM2.5数值爆表。在室内，海尔新风空调开启换新风，室外空气经过五重净化换进室内，戴白手套擦拭出风口没有黄沙。从数据上看，室内PM2.5数值从82降到13，为用户提供了不开窗换新风的使用体验。

场景四：空调风直吹怕冷？海尔56℃除菌空调挑战高温防直吹

普通空调冷风直吹太难受？体验云众播中，敦煌壁画艺术研究院创始人李永军带来了他创作的莫高窟壁画代表性作品《反弹琵琶》，现场挑战防直吹。

这幅作品是由温感变色的颜料创作的。开启海尔舒适风Pro空调，当温度达到22℃时，原本无色的壁画瞬间均匀变色。雷永锋介绍，如果空调直吹，壁画只能局部变色，能让壁画均匀显色是因为空调的防直吹功能。它也解决了用户不敢直吹空调的问题，空调能精确测算最佳送风角度，吹出自然风。

场景五：空调怕热罢工！海尔56℃除菌空调挑战极限高温制冷

高温天，不少家庭里空调出现了不制冷或停机现象。什么样的空调不怕热？

沙漠中，为了挑战更高温，海尔空调室外机被扣上了罩壳，实测温度达79℃。室内海尔雷神者空调却不受高温影响，将室温降低到25℃左右，并始终保持这一温度。现场的“巧克力长城”直观展示了空调的制冷实力：吹着空调的“巧克力长城”矗立不倒。而当关闭空调后，“巧克力长城”很快融化。

海尔雷神者空调在79℃“高温禁区”的沙漠，也能吹出凉风。除了高温制冷之外，它还具有深紫外UVC杀菌和56℃高温除菌等功能,实现空调和空气双重除菌。在自清洁过程中，侣行夫妇还用蒸发器结出的霜层制作了冰沙莫吉托。

有水源就是绿洲，海尔空调用成套的智慧空气方案在79℃沙漠里打造了一片“空气绿洲”。海尔空调敢在“高温禁区”进行挑战，源自于对品质的自信。同时“体验云众播”也让用户沉浸式体验全空间、全维度、全场景的健康空气解决方案。

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。