วิเคราะห์และรีวิว: Arm ระบุว่า AGI CPU ให้ประสิทธิภาพต่อแร็กเกือบ 2 เท่าของ AMD EPYC 9755

Arm ระบุว่า AGI CPU ทำผลงานต่อแร็กได้ 2 เท่าของ AMD EPYC 9755 จากการจำลองบน 7 เวิร์กโหลดที่เกี่ยวกับ Agentic AI โดยวัดทั้งงานเครื่องมือ workflow และการสร้าง sandbox

แต่ตัวเลขนี้ยังไม่ใช่บทสรุปว่า AGI CPU เป็นผู้นำโดยรวม เพราะผลขึ้นกับชิป งานทดสอบ การตั้งค่า และวิธีประเมินที่ Arm เสนอเอง อีกทั้งการเปรียบเทียบใช้สภาพแวดล้อม software ต่างกันด้วย

ชิป Arm ที่ถูกนำมาทดสอบ

บทความนี้อ้างอิง Arm AGI CPU อยู่ 2 การตั้งค่า ตามข้อจำกัดด้านฮาร์ดแวร์ ได้แก่ รุ่น 128 คอร์ ความเร็ว 2.8 GHz ใช้ RAM DDR5-7200 สำหรับ Terminal-Bench 2 และ SWE-bench replay

ส่วนอีกการตั้งค่าคือรุ่น 136 คอร์ ความเร็ว 3.2 GHz ใช้ RAM DDR5-8000 สำหรับการทดสอบอีก 5 เวิร์กโหลด ชิปทั้งสองแบบจึงไม่ได้ถูกใช้ในทุกการทดสอบเหมือนกันครับ

เมื่อซีพียูต้องทำงานรอบตัวโมเดลมากขึ้น

ศูนย์ข้อมูล AI ไม่ได้ให้ตัวเร่งทำงานลำพัง ซีพียูต้องรันเครื่องมือ เรียกฐานข้อมูลหรือ API เตรียมข้อมูล ประสานงานกับตัวเร่ง และดูแลสถานะของเอเจนต์ในสภาพแวดล้อมที่แยกกัน

ดังนั้นการวัดผลจึงไม่ควรดูแค่ว่ารันเอเจนต์พร้อมกันได้กี่ตัว แต่ต้องดูว่างานที่มีประโยชน์ทำได้ต่อเนื่องแค่ไหน โดยยังตอบสนองได้ดี เพราะพลังงาน ระบบระบายความร้อน และพื้นที่แรกล้วนจำกัดจำนวนเครื่องที่ติดตั้งได้ด้วย

AGI CPU คืออะไร

AGI CPU คือซีพียูดาต้าเซ็นเตอร์ของ Arm ที่ออกแบบมาสำหรับงาน Agentic AI โดยเฉพาะ งานหลักคือรองรับเครื่องมือ บริการฐานข้อมูล และการประสานงานเบื้องหลังการทำงานของเอเจนต์

จากข้อมูลต้นทาง ยังไม่มีรายละเอียดว่า AGI CPU อยู่ตำแหน่งใดในไลน์อัปของ Arm หรือมีรุ่นย่อยอื่นอะไรบ้าง จึงควรมองมันเป็นผลิตภัณฑ์สำหรับงานดาต้าเซ็นเตอร์เฉพาะทาง มากกว่าจะเทียบกับซีพียูทั่วไปในตลาดตอนนี้

สิ่งที่แหล่งข้อมูลยังไม่มีให้เทียบกับรุ่นก่อน

ต้นทางจึงยังไม่มีข้อมูลพอสำหรับสรุปพัฒนาการแบบรุ่นต่อรุ่น เช่น ประสิทธิภาพเพิ่มขึ้นเท่าไร หรือใช้พลังงานดีขึ้นแค่ไหน การเทียบที่มีตอนนี้เป็น AGI CPU กับ AMD EPYC 9755 ไม่ใช่กับรุ่นก่อนของ Arm.

จากเครื่องมือฐานข้อมูลถึงการสร้างแซนด์บ็อกซ์

Arm AGI CPU ถูกทดสอบกับฐานข้อมูลธุรกรรมที่อยู่เบื้องหลังเครื่องมือเอเจนต์ เหมาะกับระบบที่ต้องรับคำขอและดึงข้อมูลระหว่างทำงาน

อีกส่วนคือการรันงานเอเจนต์ในคอนเทนเนอร์แบบแซนด์บ็อกซ์ โดยทดสอบงานเอเจนต์ 72 ประเภท พร้อมกัน 128 ชุด และวัด overhead ตอนสร้าง sandbox

สำหรับงานวิศวกรรมซอฟต์แวร์ ใช้ SWE-bench replay จำนวน 259 งาน เพื่อดูการทำงานตามลำดับที่บันทึกไว้ ส่วน vLLM วัดงานของ CPU รอบการประมวลผลโมเดล โดยตัด GPU inference ออก จึงโฟกัสที่การเตรียมข้อมูลและประสานงานกับระบบครับ

Arm AGI CPU เทียบกับ AMD EPYC 9755 อย่างไร

อย่างไรก็ตาม ผลนี้ไม่ได้ยืนยันว่า AGI CPU เป็นผู้นำ agentic AI โดยรวม เพราะจำกัดอยู่ที่ชิป เวิร์กโหลด และการตั้งค่าที่เลือก อีกทั้งทั้งสองฝั่งใช้ software environment ต่างกัน และการประเมินอิง methodology ที่ Arm พัฒนาขึ้นเอง

จุดแข็งและข้อจำกัดของผลทดสอบ

จุดแข็งคือการวัดงานที่ CPU ต้องรับผิดชอบจริงใน agentic AI เช่น การเรียกใช้เครื่องมือ ฐานข้อมูล การสร้าง sandbox และ workflow หลายขั้นตอน อีกทั้งยังมองผลระดับแร็ก โดยรวมเรื่องพลังงาน การระบายความร้อน และพื้นที่ติดตั้งเข้าไปด้วย

ข้อจำกัดคือใช้ AGI CPU สองการตั้งค่าตามฮาร์ดแวร์ที่มี และทั้งสองฝั่งใช้ software environment ต่างกัน ผลจึงขึ้นกับชิป เวิร์กโหลด และ configuration ที่เลือก นอกจากนี้การทดสอบไม่ได้วัดความฉลาดของโมเดลหรือความเร็ว GPU inference โดยตรง

ทำไมต้องมองเลยไปจากความเร็วชิปอย่างเดียว

Arm AGI CPU ไม่ได้วัดแค่ความเร็วของชิป แต่ต้องมองพลังงาน การระบายความร้อน และพื้นที่ในแร็กด้วย เพราะทั้งหมดจำกัดจำนวนฮาร์ดแวร์ที่ผู้ให้บริการติดตั้งได้

ถ้า CPU ทำงานรอบตัว agent ไม่ทัน ตัวเร่งอาจต้องรอ ส่งผลให้ทรัพยากรถูกใช้ไม่เต็มที่ ดังนั้น performance ต่อแร็กจึงสะท้อนงานที่ระบบทำได้ภายใต้ข้อจำกัดจริงมากขึ้น

อย่างไรก็ตาม แหล่งข้อมูลไม่มีราคาจำหน่ายของ AGI CPU หรือ cost รวมของระบบเป็นตัวเลข ผลทดสอบยังขึ้นกับชิป เวิร์กโหลด และ configuration ที่เลือก รวมถึง software environment ที่ต่างกัน จึงใช้สรุปเรื่องความคุ้มค่าได้เพียงบางส่วน.

ควรอ่านผลลัพธ์นี้อย่างไรต่อ

ผลนี้ควรมองเป็นหลักฐานจากชิป เวิร์กโหลด และ configuration ที่เลือก ไม่ใช่คำยืนยันว่า Arm AGI CPU เป็นผู้นำ agentic AI โดยรวม แม้การวิเคราะห์โดย Signal65 ซึ่ง Arm ว่าจ้างจะตรวจสอบผลลัพธ์แล้วก็ตาม

Arm เสนอให้เล่นซ้ำการกระทำของเอเจนต์ เพื่อแยก performance ของ CPU ออกจากความแปรผันของเส้นทางทำงานและความหน่วงจาก model inference หรือบริการระยะไกล แต่ตอนนี้อุตสาหกรรมยังต้องพัฒนาชุด benchmark และวิธีให้คะแนนที่ทุกฝ่ายตกลงร่วมกันก่อน.