在雲端基礎架構的世界裡，處理器效能與能耗表現的每一點進步，都直接關係到企業的營運成本與永續指標。AWS 已於 2026 年 6 月 10 日正式將搭載自研 Graviton5 晶片的 M9g 與 M9gd 執行個體全面商用（該晶片最早於 2025 年 12 月的 re:Invent 大會發表並開放預覽），而知名硬體與 Linux 效能評測網站 Phoronix 也在 7 月 13 日發布了 AWS Graviton5、AMD EPYC Turin 與 Intel Xeon 6 Granite Rapids 的深度對比測試，這場雲端處理器的三強對決隨即引起業界關注。
(Photo Credit: AWS Now available: Amazon EC2 M9g and M9gd instances powered by new AWS Graviton5 processors)
這款基於 Arm Neoverse-V3 架構的自主設計晶片，在效能上有突破，在雲端基礎建設的每瓦運算效率上樹立了新標竿。
晶片層級革新 Neoverse-V3 與 DDR5-8800
在晶片架構設計上，Graviton5 從前代 Graviton4 的 Neoverse-V2 升級至最新的 Neoverse-V3（Armv9.2-A）核心，時脈由 2.8GHz 提升至 3.3GHz，單顆處理器最高可達 192 核心，L3 快取容量更是前代的 5 倍。記憶體方面雖同樣維持 12 通道 DDR5 設計，但速度從 DDR5-5600 大幅躍升至 DDR5-8800，並成為 AWS 機隊中首款支援 PCIe Gen6 的處理器。這種晶片層級的革新，直接賦予了 M9g 執行個體在處理高頻寬資料流時的顯著優勢。
值得一提的是，M9g 系列同時導入了基於第六代 Nitro System 的「Nitro Isolation Engine」，透過形式化驗證（Formal Verification）在數學層面確保虛擬機之間的隔離安全性，對於重視合規的企業用戶而言是架構層面的加分項。
從微服務到 AI 時代有 Graviton5 的戰略定位
受惠於 Arm 架構天生的低功耗精簡指令集（RISC）設計，AWS 自研晶片在雲端微服務、網頁後端等中低負載場景中，長年擁有全行業頂尖的每瓦運算效率。
隨著 Graviton5 晶片伴隨 M9g 執行個體全面投入商用，市場的關注焦點已經產生根本性的質變。大家不再只關心傳統的資料庫處理，而是將目光聚焦於對 CPU 資源高度依賴的 AI 代理（Agentic AI）與 AI 協調與推論（Orchestration & Inference）任務。
Phoronix 實測解析三強效能版圖
Phoronix 此次針對 Graviton 世代的測試分為兩部分，首先在 M8g（Graviton4）對決 M9g（Graviton5）的世代對比中，於 4xlarge（16 vCPU、64GB 記憶體）規格下，Graviton5 展現出高達 30% 的幾何平均效能提升，甚至略高於 AWS 官方宣稱的最高 25% 運算效能提升。這主要受惠於 Neoverse-V3 核心與 DDR5-8800 超高規格記憶體的加持。
而在 7 月 13 日發布的三強對比中，實測呈現出非常有趣的市場分工，AMD EPYC Turin（M8a）憑藉 Zen 5 架構強大的絕對運算實力依然稱霸多數測試項目，且在部分工作負載中即使時租價格較高，仍能提供最佳的每美元效能。
Graviton5 則在多項 Linux 軟體測試中（例如 CockroachDB 記憶體資料庫、QuantLib 量化金融模擬等）超越了 Intel Xeon 6 Granite Rapids（M8i），其中記憶體頻寬優勢在 CockroachDB 測試中的貢獻尤其明顯。
不過在解讀成績時，CyberQ 建議留意一項前提，三款 64GB 執行個體雖然同樣提供 16 vCPU，但實體核心數並不對等。m9g.4xlarge 與 m8a.4xlarge 各為 16 顆實體核心（單執行緒），而 m8i.4xlarge 僅配置 8 顆實體 Granite Rapids 核心並開啟 Hyper-Threading。因此這份測試與其說是純粹的微架構對決，不如說是 AWS 現行執行個體配置下的實際採購參考。
價格方面也值得注意，以 4xlarge 規格計算，M9g 的隨需價格較前代 M8g 高出約 9%。對於能透過效能提升縮減節點數量的大型機隊而言，整體性價比仍然划算。但對於需要固定節點數的工作負載（例如為每位客戶配置固定 instance 數的資料庫服務商），這實質上等同於升級即漲價，企業在評估遷移時應將此納入考量。
| 雲端執行個體系列 | 核心處理器晶片 | 微架構底座 | 關鍵特點與實測表現 |
|---|---|---|---|
| AWS M9g 系列 | AWS Graviton5 | Arm Neoverse-V3 | 擁有最頂尖的每瓦運算效率，在微服務與 AI 協調任務中表現卓越，多項 Linux 測試超越 M8i。 |
| AWS M8a 系列 | AMD EPYC Turin | Zen 5 / 5c | 憑藉強悍的絕對效能稱霸多數基準測試，適合運算密集工作，部分負載仍具最佳每美元效能。 |
| AWS M8i 系列 | Intel Xeon 6 Granite Rapids | Redwood Cove | 4xlarge 僅 8 實體核心加超執行緒，著重特定硬體加速器與記憶體延遲敏感型負載。 |
除了獨立評測，早期採用客戶的生產環境資料也相當亮眼，包括 ClickHouse 在零程式碼修改的前提下獲得 36% 效能提升，可觀測性平台 Honeycomb 在長達六個月的生產環境 A/B 測試中，每核心吞吐量提升 36%，而 HubSpot 將 MySQL 資料庫部署於 M9g 後，查詢時間最多下降 60%。
這些實測資料共同說明了在雲端世界中，極致的每瓦運算效率和優異的吞吐量，能為中低負載和分散式架構帶來更好的性價比。
AI 協調與推論強化 CPU 在 AI 時代的新關鍵角色
為什麼 AI 時代反而讓 Graviton5 這樣的 CPU 更加炙手可熱？
過去大家認為 AI 只是 GPU 的天下。然而在 AI 代理（Agentic AI）的實際落地應用中，大量的工作並非單純的矩陣運算，而是複雜的邏輯判斷、多步驟的工作流編排、API 呼叫與狀態管理。我們每次下 Prompt 時，除了 GPU 推論任務外，還需要一連串子代理執行指令與操作。這類高度依賴流程控制與任務調度的 AI 協調與推論工作，恰恰是 CPU 的主戰場。
如果每次邏輯決策都要頻繁跨越 PCIe 匯流排與 GPU 進行低效率的溝通，不只會增加延遲，還會造成高昂的電力消耗。此時，具備精簡指令集優勢、能快速回應中低負載並保持極佳能效比的 Graviton5，便成為執行 AI 代理協調層的最佳選擇。
CyberQ 觀察，由於 AI 代理在決策時需要大量的條件分支判斷與快速記憶體存取，Graviton5 擁有的 DDR5-8800 高頻寬記憶體與更大的 L3 快取，能有效縮短推論前後的協調時間，避免 GPU 處於飢餓狀態。
Meta 與 Anthropic 等科技巨頭以實際部署背書
這套技術路線並非紙上談兵。Meta 已於 2026 年 4 月與 AWS 簽署協議，正大規模部署 Graviton 處理器以支撐其 Agentic AI 業務，起步規模即達數千萬顆核心，使其成為全球最大的 Graviton 客戶之一。即時推理、程式碼生成與多步驟任務編排等代理型工作負載，正是看中 Graviton5 更高的運算效能、更大的快取、更高的記憶體頻寬與核心密度。
AI 領域的另一家指標企業、Claude 系列大模型的締造者 Anthropic，同樣是 AWS 自研晶片的重量級客戶。Anthropic 於 2026 年 4 月宣布未來十年將對 AWS 技術投入超過 1,000 億美元，取得最高 5GW 的新算力，承諾範圍涵蓋 Graviton 處理器與 Trainium2 至 Trainium4 晶片，並持續以 AWS 作為其主要訓練與雲端供應商（Claude 模型另同步於 Google Cloud Vertex AI 與 Microsoft Azure Foundry 上提供服務）。
對 Anthropic 而言，除了需要龐大的 Trainium 叢集進行模型訓練，更需要極為龐大且穩定的 CPU 基礎架構，來處理大量日常的推理協調、API 閘道管理以及安全合規檢查。藉由將這些外圍協調與微服務任務部署於 Graviton 執行個體上，Anthropic 能夠在確保極低延遲的前提下，顯著降低推論階段的基礎硬體成本，進而提升其 AI 代理服務在商業市場上的競爭力。
遷移前請注意：M9g 僅支援 Linux
CyberQ 指出，對台灣企業用戶而言，有一項實務限制必須留意：M9g 系列僅支援 Linux 作業系統。由於 Windows Server 在該平台上缺乏官方 Arm64 支援，現有的 Windows 工作負載（如 .NET 應用、SQL Server）無法直接搬移至 M9g，仍需在 x86 架構的 M8a 與 M8i 之間做選擇。
而容器化應用、Java 微服務、記憶體內資料庫與 CI/CD 管線等 Linux 原生工作負載，則是遷移至 Arm64 架構的首選對象，但仍建議進行完整的工作負載驗證，不宜假設所有應用皆可立即無痛轉換，都先測試一輪吧。
綠色 AI 時代的算力新解法
CyberQ 認為，隨著 AI 技術逐步走入各種應用落地與實踐，高能效的運算架構已成為資安、科學與 AI 領域不容忽視的技術選型重點。AWS Graviton5 的商用與擴大部署，加上 Arm 生態系處理器的日益成熟，已經具備了與 x86 處理器大廠在高階雲端推論與 AI 協調任務上一較高下的本錢。省電在訴求 ESG 相關準則的當下也是一個優勢。
對於追求極致成本控制、高系統合規性與低碳排的現代科技企業而言，在審慎評估價格結構與作業系統相容性之後，善用 M9g 執行個體的架構優勢來最佳化系統，將是 2026 年最具投資報酬率的技術決策之一。
