2021 年，百度公布了 2030 年碳中和目標以及 6 條科學實現路徑。首要舉措便是建設更環保的數據中心。百度自建的數據中心 PUE 一直處于非常領先的位置。百度一直秉持“科技為更好”的可持續發展理念，依托全棧和領先的人工智能技術和豐富的產業實踐，在自身達成“碳中和”目標的基礎上，也會通過技術輸出為全社會節能減排助力。

數字化轉型過程中，算力多元化和異構化已然成為發展趨勢。為解決算力需求不斷增長在節能減排大勢下的挑戰，除對既有數據中心基礎設施進行技術升級之外，還可以采用更高效的解決方案，在不增加數據中心空間和能源消耗的情況下，實現低碳發展和算力供給的協同。

為此，百度智能云正式發布了新型 BCC 實例產品 Gr1。不同于其他云服務器，Gr1 所搭載的 Ampere Altra 云原生處理器基于 Arm 指令集架構，采用單核單線程設計，讓云實例的每一個計算核獨享 ALU（邏輯計算單元），緩存等關鍵物理資源，每核恒定主頻 3.0GHz，實現穩定可預測的性能，擁有更好的安全保障。更重要的是在提供同等性能時，采用 Gr1 實例所消耗的電力將減少一半以上，不但為每一個百度智能云的用戶在享受 Gr1 所帶來的新特性，還能實現主動減排。

百度智能云 Gr1 云實例支持 1:2 和 1:4 的核存比，可選核數從 1 核到 64 核，支持 ESSD 云盤，最高可支持 25Gbps 內網帶寬，具有超高網絡收發包能力，可滿足極高的內網傳輸需求。

Gr1 實例產品非常適合最為常見的云原生應用負載，如開源數據庫、Java 應用程序、視頻編解碼、AI 推理（數據治理）、大數據分析、DevOps、Web 服務應用等。相對傳統的云服務器，Gr1 的性能表現出明顯的優勢。比如對于 Web 服務應用中常見的三個工作負載 NGINX，Redis 和 MySQL，Gr1 可以實現成倍的性價比提升。

今天 AI 推理已經在數字應用中被廣泛使用，對于大規模 AI 模型或者對性能很高的場景，多數是利用 GPU 或者專用芯片來實現。但是對眾多諸如 Web 應用，或者像數據治理這類獨立數據服務系統來說，采用 GPU 平臺并非是成本效益最好的選擇。隨著其工作負載動態波動，GPU 的工作量很少飽和，GPU 的算力并不總是被充分利用，很難實現隨著實際業務量的變化進行靈活的擴展。

這時，采用 CPU 做 AI 推理可以依靠最為常見，配置豐富的標準型云服務器就能滿足業務需求。除了更低的云服務器采購成本，用戶將擁有更好的可控性，不依賴第三方硬件，涉及操作系統、驅動程序、運行時的軟件復雜性較低，而且更易于擴展并與其他軟件堆棧和微服務集成。百度智能云 Gr1 實例支持經過優化的 AI 框架（TensorFlow, PyTorch, ONNX），開箱即用，無需做任何修改即可無縫集成。Gr1 采用的 Ampere Altra 處理器原生支持 fp16 的數據格式，釋放極致性能而無精度損失。

近年來新興的源自終端市場的 Arm 原生應用，諸如云終端仿真、云手機，云游戲，規模化 App 開發測試等，得益于指令集同構，Gr1 實例原生支持 64 & 32-bit 應用，更是完美適用。使用云端 Gr1實例，能充分利用高效的云開發平臺和工具鏈，實現跨設備的可遷移性，以及云/邊緣到設備的跨平臺的兼容性。

目前 Gr1 實例已經已支持 CentOS7.9、CentOS7.6、Ubuntu22.04、Ubuntu20.04 等常用 Linux 公共鏡像。下一代計算技術將是以云原生軟件技術（如微服務、容器）進行設計。為了讓客戶更輕松地部署云原生的工作負載，作為百度智能云容器化工作負載的關鍵基礎設施 Cloud Container Engine（CCE）目前已提供對 Gr1 實例的支持，后續更多云產品將會被使能。

百度智能云在 Arm 架構技術方面擁有多年的經驗，并將繼續參與日益完善的 Arm 生態系統，幫助云用戶在更高效的 Gr1 平臺上構建優秀的解決方案，收獲更好性價比。同時，通過百度智能云技術讓更中小企業和廣大的軟件開發者共同參與到碳減排中來。

審核編輯 ：李倩