IBM把50%的AI算力拒之門外3年，Arm終于來敲門了

2025年，全球主要云服務商出貨的算力里，Arm架構占了接近一半。AWS Graviton、Google Axion、微軟自研AI芯片——這些名字背后是一套完整的AI軟件生態：PyTorch、TensorFlow、llama.cpp、ONNX Runtime，全為Arm原生優化。同一時期，全球銀行、保險、政府機構的核心交易系統，仍運行在IBM Z大型機上，用的是IBM自家的s390x架構。兩套體系，中間隔著一道移植成本的高墻。

這道墻的存在，讓AI推理"靠近數據"成了空話。數據在大型機里，AI模型在Arm云服務器上，中間要么跨架構移植（慢且貴），要么把數據搬出去（合規不允許）。4月2日，IBM和Arm宣布戰略合作，目標直戳這個痛點：讓Arm原生軟件直接跑在IBM Z和LinuxONE上。

為什么是現在：Arm算力占比逼到臨界點

Arm的滲透速度比多數人想象的快。按Arm自己的統計，2025年發往全球頭部云廠商的算力芯片，Arm架構占比逼近50%。AWS第三代Graviton、Google Axion處理器、微軟為AI基礎設施定制的芯片——三巨頭的新增算力投資，Arm已成默認選項。

這個比例背后是軟件生態的遷移。Arm把Kleidi AI庫直接集成進PyTorch、ExecuTorch、ONNX Runtime等主流框架，意味著開發者寫AI應用時，Arm是"開箱即用"的默認優化目標。反觀s390x，每次框架更新都要單獨移植，進度永遠慢半拍，成本還要企業自己扛。

IBM Z客戶的處境因此變得尷尬。他們的系統承載著全球大部分受監管的企業交易——銀行核心賬務、保險精算、政府社保——這些數據因合規要求無法上公有云。但AI應用開發團隊用的工具鏈， increasingly 是為Arm云環境設計的。兩邊各說各話，中間沒有翻譯器。

IBM和Arm的聯手，本質是給這個僵局找一個不拆基礎設施的解法。不是讓銀行把核心系統搬到云上，而是讓云原生的AI工具能直接落地到大型機本地。

合作的三條戰線：虛擬化、安全、長期兼容

雙方把合作拆成三個工作流。第一個是虛擬化層：在IBM硬件上托管Arm軟件環境。技術細節未公開，但方向明確——讓Arm二進制應用無需重新編譯就能在Z系列上運行，或至少大幅降低移植門檻。

第二個是安全與合規。這是IBM Z的看家本領，也是Arm生態相對薄弱的環節。金融監管機構對AI模型的可審計性、數據處理的留痕要求，公有云環境往往難以滿足。合作的目標是把Arm AI工具鏈"包裹"進IBM Z已有的合規框架里，讓銀行既能用新工具，又不觸發審計警報。

第三個是長期生態互操作。雙方強調這是"未來方向和意圖"，沒有產品發布時間表。翻譯過來：架構層面的整合需要多年，但兩家要先鎖定彼此，防止生態進一步分裂。

IBM沒有給出任何交付日期。這種模糊在大型機領域并不罕見——Z系列的客戶規劃周期以十年計，供應商承諾的是路線圖而非 deadline。

誰更急：Arm要企業市場，IBM要AI門票

這筆合作的不對稱性值得玩味。Arm的急切寫在臉上：50%的云算力份額之后，下一個增長極只能是企業核心系統。但銀行、政府的大型機采購周期長達5-7年，芯片架構一旦鎖定就是十年以上的綁定。Arm如果錯過這一輪換機窗口，下一個機會要等到2030年代。

IBM的焦慮更隱蔽。Z系列的可靠性口碑仍在，但AI時代的敘事權正在流失。當企業CTO討論"AI戰略"時，想到的是云廠商的模型服務、GPU集群、MLOps平臺——大型機在這些對話里隱身了。IBM需要證明，核心交易系統不是AI時代的遺跡，而是可以就地智能化的資產。

雙方的算盤都指向同一個結論：與其讓企業二選一，不如讓兩種架構在同一臺機器里共存。這不是技術浪漫主義的產物，而是各自商業困境的交匯點。

未解的問題：性能損耗與生態主導權

合作聲明留下大量空白。虛擬化層的具體實現方式——是二進制翻譯、容器封裝，還是硬件輔助模擬——將直接決定性能損耗程度。AI推理對延遲敏感，如果虛擬化 overhead 超過15%，金融實時交易場景可能無法接受。

更深層的疑問是生態主導權。Arm的Kleidi庫正在成為AI框架的默認優化路徑，IBM是擁抱這個標準，還是試圖在Z系列上維護一套并行優化？聲明中的"長期互操作"措辭曖昧，既可能是深度整合，也可能是最低限度的兼容。

還有一條暗線：英偉達。IBM Z近年來與英偉達合作緊密，部分型號已集成GPU用于AI加速。Arm合作是否會影響這條線的投入強度？三方博弈的格局尚未明朗。

企業客戶的反饋將是關鍵變量。大型機用戶的決策鏈條極長，但一旦被說服，替換成本也極高——這意味著先發優勢可以鎖定十年以上的供應關系。IBM和Arm的下一步，是拿出足夠具體的試點案例，讓某個大型銀行愿意公開站臺。

第一個這樣的案例會出現在哪個國家、哪類業務場景——是反欺詐實時評分，還是合規文檔的自動化處理？這或許是觀察合作真實進展的最可靠指標。