10月19日、Tom's HardwareのEtiido Ukoが「Arm says its AGI CPU delivers nearly 2X the performance per rack of AMD EPYC 9755 in new agentic AI CPU tests」と題した記事を公開した。ArmのAGI CPUがエージェントAIワークロードでAMD EPYC 9755の「ラックあたり約2倍」という数字を出しているが、その実態はチップ単体の平均1.20倍の性能差に電力効率から来る搭載台数の差が乗算された結果だ——評価手法の設計をArmが主導しているという点とあわせて、数字の背景を丁寧に読む必要がある。
ラックあたり2倍——数字の根拠はどこにあるか
ArmがAGI CPU（エージェントAIワークロード向けデータセンターCPU）の性能評価結果を発表した。7つのワークロードにわたるラックあたりの平均性能は、AMD EPYC 9755比で1.99倍というものだ。
ただし、この数字をそのまま受け取るには注意が必要だ。検証はArmが委託したSignal65による独立分析であり、同社が新たに提唱する評価手法に基づいている。また、実際に2台のサーバーラックを組んで測定したわけではなく、モデルによる推定値である。
性能差の主因は「チップ性能」よりも「電力効率による搭載台数の差」にある。Armのモデルが想定するサーバー消費電力は以下のとおりだ：
- Arm AGI CPU（128コア構成）：950W
- Arm AGI CPU（136コア構成）：1,050W
- AMD EPYC 9755（1ソケット）：1,700W
24kWのラック予算（ネットワーク・電源分配用に約8%を除く）を前提にすると、ArmサーバーはAMDの13台に対して21〜23台搭載できる。SWE-benchのラックあたり2.00倍という数字は、チップ単体の1.13倍に「23÷13」を掛けた計算から来ている。
チップ単体では平均1.20倍、ただし得意不得意がある
チップ単体での比較では、7ワークロード中5つでArmが優位に立った。
| ワークロード | 内容 | チップ単体性能比 | ラック性能比（推定） |
|---|---|---|---|
| MySQL | エージェントツール向けDB | 0.88x | 1.43x |
| NGINX | Web/APIリクエスト処理 | 1.20x | 1.95x |
| Terminal-Bench 2 | 72種タスクをコンテナで並列実行 | 1.09x | 1.93x |
| SWE-bench replay | ソフトウェアエンジニアリングエージェント | 1.13x | 2.00x |
| Milvus | ベクトル検索（RAG等に使われる） | 0.95x | 1.54x |
| vLLM CPU overhead | モデル推論周辺のCPU処理 | 1.16x | 1.88x |
| fastText | 単語表現の学習 | 1.97x | 3.19x |
| 算術平均 | 1.20x | 1.99x |
MySQLとMilvusではAMDが上回っており、fastTextでのArmの優位（約2倍）が平均を大きく引き上げている点は押さえておきたい。fastTextは元々テキスト分類・単語埋め込みのライブラリであり、今回のエージェントAIワークロードの文脈ではデータ前処理や軽量分類タスクを想定した位置づけとなっている。ただし、LLMベースのエージェント処理を中心に据えるシステムにおいてfastTextがどの程度代表的なワークロードといえるかは、元記事でも明確に論じられておらず、この点は読者自身が元記事の文脈と照らして判断する必要がある（※編集部の考察）。
「エージェントAI時代のCPUベンチマーク」をArmが定義しようとしている
今回の発表の本質は、性能数値そのものよりも評価手法の標準化を巡る主導権争いにある。
Armは今回、Fujitsu・Meta・OpenAIの協力のもとで策定した新しいCPU評価フレームワークを提唱した。従来のCPUベンチマーク（SPECcpu等）はスループットやレイテンシを単純に測るものだったが、エージェントAIにおけるCPUの役割は異なる。AIエージェントはツールを実行し、データベースやAPIにアクセスし、コンテナ上で状態を維持しながら動作する「仮想ユーザー」に近い。GPUが推論を担う一方で、CPUはその周辺の複雑なオーケストレーション処理を受け持つ。
Armの手法の特徴は3点だ：
- 代表的なエージェントワークロードを使う（単一の合成ベンチマークではなく）
- エージェントの非決定性を排除するため、記録済みのアクションをリプレイして測定する
- チップ性能改善がエンドツーエンドのタスク完了に実際につながるかを検証する
2点目は特に重要で、AIエージェントは同じタスクでも毎回異なるコマンドを実行する可能性があるため、再現性のある測定が難しい。録画したエージェントの行動を再生することで、ハードウェア差異だけを分離して測定できる。
競合はどう評価しているか
業界での評価手法は統一されていない。
AMDは「エージェントあたりのワット数・コスト・ラック占有率」を指標として推進している。最新世代のEPYC 9006「Venice」（2025年発表）では、100kWラックを前提にNvidiaのVera CPUに対して6インフラワークロードの幾何平均で2.37倍という数字を出している。
NvidiaはVera CPUのシングルスレッド性能とメモリ帯域幅を強調し、256CPU構成のラックで2万2,500以上の同時CPUコンテナ環境をサポートできると主張する。
今回のArmの比較対象はAMD第5世代「Turin」（EPYC 9755）であり、AMDの最新世代Veniceとの直接比較ではない点も留意が必要だ。
検証の限界
Signal65による独立検証は、Armのテスト実行をリモートで観察し、ログ・スクリプト・設定ファイルを精査したものだ。独自コードで再計算し、7ワークロードすべてで誤差0.5%以内で再現できたとしている。
ただし、Signal65は自社ラボでの独立したハードウェア再測定は行っておらず、ArmシステムとEPYC 9755のBIOS・メモリ設定については独立確認ができていない。ソフトウェア環境も両者で異なる（ArmはカスタムLinux 7.1.3、AMDはLinux 6.8）。
また、メモリ配分の前提も議論の余地がある。ArmのモデルはAMDにSMT（Simultaneous Multithreading）——1コアで2スレッドを同時実行する技術——を考慮して約2TBのRAMを割り当てており、Armの約1TBより多い。元記事によれば、Signal65がメモリをSMTではなく物理コア単位で割り当てた場合、Armのラックあたり優位は1.99倍から約1.81倍に低下するとされている。これはAMD側のメモリ搭載量が減ることでラックあたり搭載台数の計算が変わるためだが、詳細な計算の根拠については元記事およびSignal65のレポートを直接参照することを推奨する。
詳細はArm says its AGI CPU delivers nearly 2X the performance per rack of AMD EPYC 9755 in new agentic AI CPU testsを参照していただきたい。
