簡單講，就係一個通用型執行個體家族，幾乎所有方面都跑贏 Graviton4，仲加多咗一項其他主要公共雲暫時未有嘅保安特性：用數學證明你個工作負載同其他人（包括 AWS 操作人員）完全隔離 。

Graviton5 處理器規格

Graviton5 係 Graviton 家族面世以來架構改動最明顯嘅一代。重點數字如下：

• 核心： 最高 192 個 Armv9 Neoverse V3 核心，全部放喺一粒晶片上，唔使再好似 Graviton4 咁用雙插槽 NUMA 拓撲（96 核一粒，兩粒夾埋先 192）
• 製程： 3nm 級，廣泛估計係 TSMC 生產
• 時脈： Neoverse V3 核心行 3.1 GHz
• L3 快取： 180 MB 共享 — 係 Graviton4 嘅 36 MB 嘅 5 倍，每粒核心可用 L3 多咗 2.6 倍
• 記憶體： 12 個 DDR5 控制器，支援高達 DDR5-8800，推出時係各大雲端平台中最快嘅 DDR5 速度
• I/O： 支援 PCIe Gen 6，總共八個控制器
• 核心之間延遲： 比 Graviton4 低 33%，單插槽設計功不可沒

由雙插槽嘅 Graviton4 轉做單晶片嘅 Graviton5，直接消滅咗跨插槽通訊嘅 overhead。對於要跨大量核心執行嘅工作負載 — 例如即時推論 pipeline、記憶體內資料庫、大規模微服務叢集 — 單係延遲嘅改善，未計 IPC 提升，已經可以帶嚟明顯嘅吞吐量增長。

相比 Graviton4（M8g）嘅效能提升

AWS 官方發布嘅世代改進數據、第三方分析同早期客戶 benchmark，方向都一致：

運算同吞吐量：

• 通用運算效能比 M8g 高達 25%
• Web 應用程式服務快高達 35%
• CPU 上嘅機器學習推理快高達 35%
• 資料庫工作負載快高達 30%

I/O 同頻寬：

• 網絡頻寬：所有尺寸都有提升；最大尺寸嘅網絡吞吐量可以比同等 M8g 配置多一倍
• EBS 頻寬：平均大約提升 20%，同樣係最大尺寸嘅比例增幅最明顯

真實世界客戶數據：

• ClickHouse 喺零程式碼改動下見到比 M8g 快 36%
• Honeycomb 做咗為期六個月嘅 A/B 測試，對比 Graviton4，每核心吞吐量多 36%
• HubSpot 將 M9g 用喺 MySQL 資料庫，查詢時間最多縮短 60%

呢啲數字同架構改動係對得上嘅。L3 快取大咗 5 倍，減少咗去相對慢嘅 DRAM 攞資料嘅次數，對資料庫同需要掃大量數據嘅分析工作負載尤其有幫助。更快嘅 DDR5-8800 記憶體同 PCIe Gen 6 I/O 就拆走咗上代限制吞吐量嘅頻寬樽頸。轉做單插槽設計，就慳返以往 scale-out 應用程式喺 NUMA 架構上面要畀嘅「延遲稅」。

M9gd 版本：本地 NVMe SSD 儲存

如果 workload 需要高速短暫儲存直接駁住部執行個體，AWS 提供 M9gd 版本。呢啲執行個體喺同一個 Graviton5 運算平台之上加咗本地 NVMe SSD 區塊級儲存，提供高達 11.4 TB 嘅本地 NVMe SSD 容量，IOPS 比上一代本地儲存高 30% 。

M9gd 嘅目標工作負載包括大型快取叢集、日誌處理 pipeline 同即時分析引擎 — 呢類場景入面，數據擺得越近 CPU，查詢延遲同吞吐量嘅影響就越直接。更快嘅核心、更低嘅核心之間延遲，再加埋更高嘅本地儲存 IOPS，令 M9gd 特別啱任何想將儲存同運算之間嘅距離縮到最短嘅工作。

定位：專為 Agentic AI 工作負載而設

今次 Graviton5 嘅定位有一個幾值得留意嘅轉變，就係 AWS 明確將佢對準 agentic AI 工作負載 — 即係用大型語言模型同其他生成式 AI 技術去做即時推理、程式碼生成同多步驟任務編排嘅系統 。

GPU 同加速器執行個體一向主導訓練同大批次推論嘅討論，但當 agentic AI 要去到規模化，就會衍生另一種運算模式：持續高吞吐量嘅 CPU 工作，喺模型推論步驟同編排邏輯之間不斷切換，仲要喺多輪互動入面符合嚴格嘅延遲預算。AWS 嘅論點係，Graviton5 嘅核心之間延遲低 33%、快取大 5 倍、單一執行個體核心數量夠多，令佢好適合呢類需要喺生產環境規模執行、但又唔想完全依靠 GPU 成本結構嘅 AI 工作 。

Nitro Isolation Engine：全球首款經形式驗證嘅雲端 Hypervisor

除咗效能之外，Graviton5 平台技術上最有意義嘅加配，係 Nitro Isolation Engine — 第六代 AWS Nitro System 嘅一個新組件 。

Nitro Isolation Engine 用 Rust 寫成，係一個極簡、專門針對隔離而設計嘅 hypervisor 組件，負責強制分隔共享同一硬件嘅虛擬機器之間嘅執行環境 。佢同其他量產 hypervisor 最唔同嘅地方，係 形式驗證：AWS 用 Isabelle 證明助手 製作咗可以被機器檢查嘅證明，用數學方式展示咗 ：

• 記憶體安全同冇執行時期錯誤
• 功能正確（實作同規格一致）
• 資訊流程控制（VM 狀態之間冇洩漏）

用實用嘅語言講，即係 AWS 可以提供數學上嘅確定性，證明一個客戶嘅工作負載冇可能接觸到另一個客戶嘅數據，或者干擾對方執行，而 AWS 操作人員一樣受到同一道隔離邊界約束 。AWS 已經承諾會畀客戶查閱 Nitro Isolation Engine 嘅實作同相關證明 。

呢個引擎喺 M9g 執行個體上係預設開啟嘅 。標誌住雲端保安保證嘅一次轉變：由以往靠操作控制同審計敘述，邁向用機器可檢查嘅保證，去說明最底層隔離層嘅正確性。

早期用家同生態

有名嘅早期用家同 benchmark 合作夥伴包括 Meta、Snowflake、Uber、Honeycomb、SAP、Atlassian 同 ClickHouse，仲有透過效能數據披露識別到嘅 HubSpot 等等 。

客戶報告嘅結果橫跨多種工作負載類別：

• 資料庫： Snowflake 話喺 Graviton4 上見到 20–60% 效能增長，而家擴展上 Graviton5 ；HubSpot 喺 M9g 嘅 MySQL 查詢時間最多少咗 60%
• 可觀測性： Honeycomb 對比 Graviton4，每核心吞吐量多咗 36%
• 分析： ClickHouse 喺 Graviton4 平均查詢改善 25–30%，喺 Graviton5 就 36%
• 應用程式服務： Atlassian 將 Jira 同 Confluence 搬上 Graviton4 之後，吞吐量多咗 30%，成本少咗 25%

呢啲結果反映咗喺 Graviton 嘅採用曲線上見到嘅模式：大部分工作負載由 x86 轉去 Arm 嘅時候，喺冇改程式碼或者改好少嘅情況下，已經可以即時見到效能提升，而且隨住晶片一代一代咁改進，呢啲增長會累積上去 。

放返喺大環境睇

Graviton5 出現嘅時間點，Arm 架構伺服器晶片啱啱由「慳成本嘅替代方案」變成「主流效能選擇」。過去三年，AWS 超過一半嘅新 CPU 容量都係行 Graviton，而頭 1,000 個 EC2 客戶入面，98% 已經用緊 Graviton 系列執行個體 。

單晶片 192 核、3nm 製程、PCIe Gen 6 支援、DDR5-8800 記憶體，再加埋經形式驗證嘅工作負載隔離，Graviton5 唔單止拉高咗 AWS 自己執行個體家族嘅天花板，亦都拉高咗客戶對雲端原生運算嘅合理期望：高效能、高能源效益，同埋保安保證係靠數學證明，而唔係操作承諾。

M9g 同 M9gd 執行個體嘅全面推出，代表呢啲能力而家可以透過標準 EC2 採用路徑用到，而運算優化型 C9g 同記憶體優化型 R9g 版本預計之後都會跟尾 。

簡單講，就係一個通用型執行個體家族，幾乎所有方面都跑贏 Graviton4，仲加多咗一項其他主要公共雲暫時未有嘅保安特性：用數學證明你個工作負載同其他人（包括 AWS 操作人員）完全隔離 。

Graviton5 處理器規格

Graviton5 係 Graviton 家族面世以來架構改動最明顯嘅一代。重點數字如下：

• 核心： 最高 192 個 Armv9 Neoverse V3 核心，全部放喺一粒晶片上，唔使再好似 Graviton4 咁用雙插槽 NUMA 拓撲（96 核一粒，兩粒夾埋先 192）
• 製程： 3nm 級，廣泛估計係 TSMC 生產
• 時脈： Neoverse V3 核心行 3.1 GHz
• L3 快取： 180 MB 共享 — 係 Graviton4 嘅 36 MB 嘅 5 倍，每粒核心可用 L3 多咗 2.6 倍
• 記憶體： 12 個 DDR5 控制器，支援高達 DDR5-8800，推出時係各大雲端平台中最快嘅 DDR5 速度
• I/O： 支援 PCIe Gen 6，總共八個控制器
• 核心之間延遲： 比 Graviton4 低 33%，單插槽設計功不可沒

由雙插槽嘅 Graviton4 轉做單晶片嘅 Graviton5，直接消滅咗跨插槽通訊嘅 overhead。對於要跨大量核心執行嘅工作負載 — 例如即時推論 pipeline、記憶體內資料庫、大規模微服務叢集 — 單係延遲嘅改善，未計 IPC 提升，已經可以帶嚟明顯嘅吞吐量增長。

相比 Graviton4（M8g）嘅效能提升

AWS 官方發布嘅世代改進數據、第三方分析同早期客戶 benchmark，方向都一致：

運算同吞吐量：

• 通用運算效能比 M8g 高達 25%
• Web 應用程式服務快高達 35%
• CPU 上嘅機器學習推理快高達 35%
• 資料庫工作負載快高達 30%

I/O 同頻寬：

• 網絡頻寬：所有尺寸都有提升；最大尺寸嘅網絡吞吐量可以比同等 M8g 配置多一倍
• EBS 頻寬：平均大約提升 20%，同樣係最大尺寸嘅比例增幅最明顯

真實世界客戶數據：

• ClickHouse 喺零程式碼改動下見到比 M8g 快 36%
• Honeycomb 做咗為期六個月嘅 A/B 測試，對比 Graviton4，每核心吞吐量多 36%
• HubSpot 將 M9g 用喺 MySQL 資料庫，查詢時間最多縮短 60%

呢啲數字同架構改動係對得上嘅。L3 快取大咗 5 倍，減少咗去相對慢嘅 DRAM 攞資料嘅次數，對資料庫同需要掃大量數據嘅分析工作負載尤其有幫助。更快嘅 DDR5-8800 記憶體同 PCIe Gen 6 I/O 就拆走咗上代限制吞吐量嘅頻寬樽頸。轉做單插槽設計，就慳返以往 scale-out 應用程式喺 NUMA 架構上面要畀嘅「延遲稅」。

M9gd 版本：本地 NVMe SSD 儲存

如果 workload 需要高速短暫儲存直接駁住部執行個體，AWS 提供 M9gd 版本。呢啲執行個體喺同一個 Graviton5 運算平台之上加咗本地 NVMe SSD 區塊級儲存，提供高達 11.4 TB 嘅本地 NVMe SSD 容量，IOPS 比上一代本地儲存高 30% 。

M9gd 嘅目標工作負載包括大型快取叢集、日誌處理 pipeline 同即時分析引擎 — 呢類場景入面，數據擺得越近 CPU，查詢延遲同吞吐量嘅影響就越直接。更快嘅核心、更低嘅核心之間延遲，再加埋更高嘅本地儲存 IOPS，令 M9gd 特別啱任何想將儲存同運算之間嘅距離縮到最短嘅工作。

定位：專為 Agentic AI 工作負載而設

今次 Graviton5 嘅定位有一個幾值得留意嘅轉變，就係 AWS 明確將佢對準 agentic AI 工作負載 — 即係用大型語言模型同其他生成式 AI 技術去做即時推理、程式碼生成同多步驟任務編排嘅系統 。

GPU 同加速器執行個體一向主導訓練同大批次推論嘅討論，但當 agentic AI 要去到規模化，就會衍生另一種運算模式：持續高吞吐量嘅 CPU 工作，喺模型推論步驟同編排邏輯之間不斷切換，仲要喺多輪互動入面符合嚴格嘅延遲預算。AWS 嘅論點係，Graviton5 嘅核心之間延遲低 33%、快取大 5 倍、單一執行個體核心數量夠多，令佢好適合呢類需要喺生產環境規模執行、但又唔想完全依靠 GPU 成本結構嘅 AI 工作 。

Nitro Isolation Engine：全球首款經形式驗證嘅雲端 Hypervisor

除咗效能之外，Graviton5 平台技術上最有意義嘅加配，係 Nitro Isolation Engine — 第六代 AWS Nitro System 嘅一個新組件 。

Nitro Isolation Engine 用 Rust 寫成，係一個極簡、專門針對隔離而設計嘅 hypervisor 組件，負責強制分隔共享同一硬件嘅虛擬機器之間嘅執行環境 。佢同其他量產 hypervisor 最唔同嘅地方，係 形式驗證：AWS 用 Isabelle 證明助手 製作咗可以被機器檢查嘅證明，用數學方式展示咗 ：

• 記憶體安全同冇執行時期錯誤
• 功能正確（實作同規格一致）
• 資訊流程控制（VM 狀態之間冇洩漏）

用實用嘅語言講，即係 AWS 可以提供數學上嘅確定性，證明一個客戶嘅工作負載冇可能接觸到另一個客戶嘅數據，或者干擾對方執行，而 AWS 操作人員一樣受到同一道隔離邊界約束 。AWS 已經承諾會畀客戶查閱 Nitro Isolation Engine 嘅實作同相關證明 。

呢個引擎喺 M9g 執行個體上係預設開啟嘅 。標誌住雲端保安保證嘅一次轉變：由以往靠操作控制同審計敘述，邁向用機器可檢查嘅保證，去說明最底層隔離層嘅正確性。

早期用家同生態

有名嘅早期用家同 benchmark 合作夥伴包括 Meta、Snowflake、Uber、Honeycomb、SAP、Atlassian 同 ClickHouse，仲有透過效能數據披露識別到嘅 HubSpot 等等 。

客戶報告嘅結果橫跨多種工作負載類別：

• 資料庫： Snowflake 話喺 Graviton4 上見到 20–60% 效能增長，而家擴展上 Graviton5 ；HubSpot 喺 M9g 嘅 MySQL 查詢時間最多少咗 60%
• 可觀測性： Honeycomb 對比 Graviton4，每核心吞吐量多咗 36%
• 分析： ClickHouse 喺 Graviton4 平均查詢改善 25–30%，喺 Graviton5 就 36%
• 應用程式服務： Atlassian 將 Jira 同 Confluence 搬上 Graviton4 之後，吞吐量多咗 30%，成本少咗 25%

呢啲結果反映咗喺 Graviton 嘅採用曲線上見到嘅模式：大部分工作負載由 x86 轉去 Arm 嘅時候，喺冇改程式碼或者改好少嘅情況下，已經可以即時見到效能提升，而且隨住晶片一代一代咁改進，呢啲增長會累積上去 。

放返喺大環境睇

Graviton5 出現嘅時間點，Arm 架構伺服器晶片啱啱由「慳成本嘅替代方案」變成「主流效能選擇」。過去三年，AWS 超過一半嘅新 CPU 容量都係行 Graviton，而頭 1,000 個 EC2 客戶入面，98% 已經用緊 Graviton 系列執行個體 。

單晶片 192 核、3nm 製程、PCIe Gen 6 支援、DDR5-8800 記憶體，再加埋經形式驗證嘅工作負載隔離，Graviton5 唔單止拉高咗 AWS 自己執行個體家族嘅天花板，亦都拉高咗客戶對雲端原生運算嘅合理期望：高效能、高能源效益，同埋保安保證係靠數學證明，而唔係操作承諾。

M9g 同 M9gd 執行個體嘅全面推出，代表呢啲能力而家可以透過標準 EC2 採用路徑用到，而運算優化型 C9g 同記憶體優化型 R9g 版本預計之後都會跟尾 。