原文標題：AI agents are changing what CPU performance means
Arm 於 10 月 13 日公布一套面向代理式 AI（agentic AI）的 CPU 評測方法，並分享 Arm AGI CPU 在指定測試情境的結果。與只計算單一工作負載峰值效能不同，這套方法強調 AI 代理會持續維護狀態、取得上下文、呼叫工具、執行程式與評估結果，因而需要觀察高並行下的持續吞吐量、延遲與機櫃整體效能。Arm 表示方法設計獲 Fujitsu、Meta 與 OpenAI 支持。
Arm 將評測分成代表性的代理使用情境、可重複的 CPU 測量，以及與端到端任務完成結果的驗證。單獨量測 CPU 可減少模型推論或網路等變數的干擾，再透過整體工作流程確認硬體改善是否真的轉化為更好的使用體驗。這種區分尤其重要，因為代理任務可能在 CPU、記憶體、I/O 與加速器之間反覆切換。
官方引用 Signal65 的獨立驗證，表示在七項代理工作負載下，Arm AGI CPU 相較 AMD EPYC 9755 的機櫃模型平均效能達 1.99 倍；其中工具類工作約 1.7 倍、代理協調流程約 2.0 倍、推理與規劃約 2.2 倍。Arm 另指出，與 AMD EPYC 9965 相比，沙箱建立延遲最多降低 45%。這些數字涉及不同對照處理器與機櫃層級模型，不宜合併成一個不分情境的效能結論。
Arm 說明測試使用相同基準腳本，先取得伺服器層級數據，再據以推估機櫃效能。Arm AGI CPU 的設計強調高核心密度、每核心記憶體資源及高頻寬 I/O，並將相關參考伺服器與 Meta Yosemite YV5 的 OCP 機櫃設計連結。對資料中心營運者而言，關鍵不只是單台伺服器跑分，而是固定功率、散熱與空間限制下，能完成多少真實代理工作。
發生了什麼事
Arm 發布代理式 AI CPU 評測方法與 Arm AGI CPU 的指定測試結果，重點轉向任務完成量與機櫃級效率。
為什麼重要
代理工作負載的 CPU 需求與傳統推論加速器不同，評估方法可能影響資料中心選型及硬體採購時的效能比較基準。
影響哪些人
雲端服務商、AI 代理平台、伺服器供應商及採購高密度運算設備的企業，可參考方法但仍需自行重測真實負載。
已確認與未確認
1.99 倍是七項測試的機櫃模型平均值，45% 是特定沙箱建立延遲比較；不是對所有 x86 處理器或任務的通用優勢。
