CPU Arm AGI mira IA agêntica: 2x por rack contra o EPYC 9755

A Arm afirma que sua nova CPU AGI para IA agêntica entrega quase o dobro de desempenho por rack em relação ao AMD EPYC 9755, segundo uma análise independente encomendada à Signal65. O número chama atenção, mas vem com ressalvas importantes que qualquer gestor de TI deve ler antes de repetir a manchete.

Segundo reportagem da Tom’s Hardware, o resultado de 1,99x por rack é uma estimativa modelada, e não uma medição de dois racks lotados, como detalha a análise sobre a metodologia de testes criada pela própria Arm com apoio de Fujitsu, Meta e OpenAI.

Por que a CPU voltou ao centro da IA agêntica

Enquanto o treinamento e a inferência ficam com os aceleradores, agentes de IA executam ferramentas, consultam bancos de dados e APIs, preparam dados e mantêm estado em ambientes isolados, funcionando como usuários virtuais. Tudo isso roda na CPU. Se ela engasga, a GPU fica ociosa esperando trabalho, e o investimento em aceleradores rende menos.

Por isso a Arm defende medir não só quantos agentes rodam ao mesmo tempo, mas quanto trabalho útil o sistema sustenta mantendo a responsividade, já que energia, refrigeração e espaço físico limitam o que cada data center consegue instalar.

Como a Arm propôs medir o desempenho

A metodologia se apoia em três pilares: cargas de trabalho representativas de agentes, medições repetíveis de CPU e validação contra o resultado final da tarefa. Para tornar os testes repetíveis, a Arm sugere reproduzir ações gravadas de agentes, o que isola o desempenho do processador da variação natural de comandos e da latência de modelos e serviços remotos.

A própria Tom’s Hardware lembra que o documento define um framework, mas deixa para a indústria a construção de um conjunto de benchmarks e de um método de pontuação aceito por todos.

Os números: chip a chip e por rack

Foram sete cargas de trabalho, incluindo Terminal-Bench 2, replay do SWE-bench, fastText, MySQL, Milvus, vLLM e o Sandbench, que mede o custo de criar sandboxes para agentes. Em nível de chip, a CPU da Arm venceu cinco dos sete testes contra o EPYC 9755 de 128 núcleos:

• +9% no Terminal-Bench e +13% no SWE-bench;
• +97% no fastText;
• -12% no MySQL e -5% no Milvus;
• média de 1,20x por chip nas sete razões normalizadas.

No rack, a conta muda: com servidores Arm de 950 W a 1.050 W contra 1.700 W do lado AMD, cabem 21 a 23 servidores Arm contra 13 AMD em um orçamento de 24 kW, o que leva à média de 1,99x. Ou seja, boa parte do ganho vem de eficiência energética e densidade, não só de velocidade bruta.

As ressalvas que você precisa considerar

A reportagem destaca que o resultado não coroa a Arm como líder geral em IA agêntica: vale apenas para os processadores, cargas e configurações escolhidos. As plataformas usaram ambientes de software diferentes (kernel Linux 7.1.3 customizado do lado Arm e Linux 6.8 no AMD), e o modelo deu ao servidor AMD cerca de 2 TB de RAM contra 1 TB do Arm. Além disso, AMD e Intel divulgam seus próprios números com outros benchmarks.

O que isso muda para empresas brasileiras

Para quem compra servidores e workstations no Brasil, a lição é prática: ao avaliar hardware para IA, peça benchmarks que reflitam sua carga real e compare custo total, incluindo energia e refrigeração. A disputa entre arquiteturas x86 e Arm tende a ampliar as opções e pressionar preços, mas o ecossistema de software e o suporte local continuam decisivos na hora de fechar o pedido.

Perguntas frequentes

A CPU Arm AGI é duas vezes mais rápida que o EPYC 9755?

Não exatamente. Por chip, a média é de 1,20x; o 1,99x é uma estimativa modelada por rack, que considera mais servidores Arm dentro do mesmo limite de energia.

Quem validou os testes?

Uma análise independente da Signal65, encomendada pela própria Arm, o que exige cautela na interpretação dos resultados.

O que é IA agêntica?

São sistemas em que agentes de IA executam tarefas em várias etapas, usando ferramentas, bancos de dados e APIs, e exigem muito da CPU além do acelerador.

Isso já serve de base para comprar servidores?

Ainda não. A metodologia é uma proposta, e a indústria precisa definir benchmarks comuns. Compare sempre com sua carga de trabalho real.