Red Hat 工程師放棄 ARM，轉投 AMD 處理器

💡ARM 硬體的穩定性問題可能會影響您在 AI 開發與部署時的基礎設施選擇。

⚡ 30-Second TL;DR

有什麼變化

Red Hat ARM 團隊在 Ampere Altra 硬體上遇到了持續的 PCIe 控制器故障。

為什麼重要

這凸顯了 x86 與 ARM 架構在高效能運算與開發環境中目前的成熟度差距，這可能會影響 AI 從業者在選擇本地模型訓練基礎設施時的決策。

下一步行動

若要建置本地 AI 開發設備，在進行大規模部署前，請務必驗證 ARM 架構伺服器晶片的 PCIe 穩定性與驅動程式支援。

誰應關注：Developers & AI Engineers

本篇為 AI 生成分析，非原文內容。

•此事件涉及的硬體平台主要為 Ampere Altra 系列處理器，該系列在雲端原生運算領域曾被視為 ARM 架構伺服器的指標性產品。
•Red Hat 工程師指出的 PCIe 問題不僅限於單一硬體，還涉及 Linux 核心在處理特定 ARM SoC 的 PCIe 根複合體（Root Complex）時的驅動程式相容性與錯誤處理機制。
•開發團隊在切換回 AMD EPYC 平台後，報告稱編譯大型專案（如 Linux Kernel 或 RHEL 套件）的穩定性顯著提升，且不再出現隨機的 I/O 中斷錯誤。
•此案例凸顯了 ARM 架構在伺服器生態系中，儘管核心效能已達標，但在周邊裝置互連（PCIe/CXL）的標準化與韌體穩定性上，仍與成熟的 x86 生態系存在差距。
•Red Hat 內部對於 ARM 的支援策略並未因此改變，該公司仍持續投入 ARM 伺服器市場的軟體生態建構，此舉被視為特定開發環境的技術性調整，而非全面放棄 ARM。

📊 競品分析▸ Show

特性	Ampere Altra (ARM)	AMD EPYC (x86)	Intel Xeon (x86)
架構	ARM Neoverse N1	Zen 4/5	Golden Cove/Raptor Cove
PCIe 穩定性	早期版本存在韌體與驅動相容性挑戰	極高，生態系極度成熟	極高，業界標準
軟體生態	成長中，需特定優化	極佳，開箱即用	極佳，開箱即用
功耗效率	優異 (高密度運算)	中等至優異	中等

核心問題點：Ampere Altra 的 PCIe 控制器在處理高負載 I/O 時，偶發性出現 AER (Advanced Error Reporting) 錯誤，導致系統掛起或驅動程式崩潰。
軟體層面：Linux 核心的 PCIe 匯流排掃描與錯誤恢復機制在 ARM 架構下，對於非標準 PCIe 實作的容錯能力較弱。
開發環境差異：x86 平台擁有更成熟的 IOMMU (Input-Output Memory Management Unit) 實作與 BIOS/UEFI 韌體支援，能有效隔離 PCIe 錯誤對系統核心的影響。
編譯負載特性：Linux 核心編譯屬於高 I/O 密集型任務，頻繁的檔案讀寫加劇了 PCIe 控制器在處理 DMA 傳輸時的壓力，進而觸發硬體缺陷。