
پردازنده کبالت ۱۰۰ مایکروسافت: انقلاب ARM در زیرساخت ابری آژور
Microsoft Cobalt 100 Processor: The ARM Revolution in Azure Cloud Infrastructure
مایکروسافت با استقرار پردازندههای سفارشی ۱۲۸ هستهای کبالت ۱۰۰ مبتنی بر معماری ARM Neoverse N2، گامی استراتژیک به سوی یکپارچگی عمودی سختافزار برداشته است. این تراشهها با ارائه ۴۰ درصد بهبود عملکرد به ازای هر وات، برای بهینهسازی بارهای کاری مایکروسافت تیمز و سرویسهای Azure SQL طراحی شدهاند.
1. مقدمه
در دنیای به شدت رقابتی پردازش ابری، کارایی سختافزار و مصرف انرژی به مهمترین میدان نبرد غولهای فناوری تبدیل شده است. مایکروسافت در یک اقدام استراتژیک و تحولآفرین، پردازندههای سفارشی Microsoft Cobalt 100 را برای زیرساخت ابری آژور (Azure) مستقر کرده است. این تراشه که بر پایه معماری پیشرفته ARM Neoverse N2 بنا شده و دارای ۱۲۸ هسته پردازشی در هر سوکت است، نمایانگر پایان وابستگی مطلق به پردازندههای سنتی x86 در دیتاسنترهای مایکروسافت محسوب میشود.
طراحی کبالت ۱۰۰ به طور ویژه برای بارهای کاری عمومی با چگالی بالا (High-Density) در فضای ابری و همچنین بهرهوری بینظیر در مصرف انرژی مهندسی شده است. این تراشه توانسته است تا ۴۰ درصد بهبود در عملکرد به ازای هر وات (Performance-per-watt) نسبت به نسلهای قبلی و نمونههای استاندارد ارائه دهد. در حال حاضر، این پردازندههای قدرتمند برای بهینهسازی عملکرد سرویسهای حیاتی مانند مایکروسافت تیمز (Microsoft Teams) و پایگاههای داده Azure SQL به کار گرفته شدهاند. این اقدام نه تنها هزینههای عملیاتی را کاهش میدهد، بلکه نشاندهنده تغییر پارادایم مایکروسافت به سمت یکپارچگی عمودی سختافزار (Vertical Hardware Integration) برای کنترل کامل بر اکوسیستم دیتاسنترهای خود است.
2. بافت و پیشزمینه
برای درک اهمیت استراتژیک پردازندههای کبالت ۱۰۰، باید به تاریخچه و تکامل پردازش ابری نگاهی بیندازیم. تا کمتر از یک دهه پیش، معماری x86 متعلق به شرکتهای اینتل و AMD، حاکم بلامنازع سرورهای دیتاسنتر بود. با این حال، با رشد تصاعدی تقاضا برای خدمات ابری، محدودیتهای حرارتی و مصرف انرژی این معماریها بیش از پیش نمایان شد.
شرکت آمازون با معرفی پردازندههای AWS Graviton در سال ۲۰۱۸، اولین زلزله را در این بازار ایجاد کرد و ثابت نمود که معماری ARM-based Computing تنها مختص گوشیهای هوشمند نیست و میتواند در سطح سرورهای سازمانی نیز کارایی فوقالعادهای داشته باشد. در پاسخ به این روند جهانی و نیاز به دیتاسنترهای پایدار (Sustainable Data Centers)، مایکروسافت پروژه توسعه تراشههای اختصاصی خود را کلید زد.
مایکروسافت با درک این موضوع که نرمافزار بدون هماهنگی کامل با سختافزار نمیتواند به حداکثر پتانسیل خود برسد، تصمیم گرفت از یک خریدار صرف سیلیکون، به یک طراح تراشه تبدیل شود.
این تغییر رویکرد به مایکروسافت اجازه میدهد تا معماری پردازنده را دقیقا بر اساس نیازهای نرمافزاری پلتفرم Azure شخصیسازی کند. وابستگی به تامینکنندگان شخص ثالث همواره چالشهایی نظیر تاخیر در زنجیره تامین و عدم تطابق کامل با بارهای کاری ابری را به همراه داشت. کبالت ۱۰۰ پاسخی قاطع به این چالشهاست و نقطه عطفی در تاریخ سختافزاری ردموندیها به شمار میرود.

3. جزئیات و تحلیل
3.1. معماری پردازنده کبالت ۱۰۰ و قدرت Neoverse N2
در قلب تپنده کبالت ۱۰۰، معماری پیشرفته ARM Neoverse N2 قرار دارد. این معماری که به طور خاص برای زیرساختهای ابری تا لبه شبکه طراحی شده، از مجموعه دستورالعملهای ARMv9 بهره میبرد. تعبیه ۱۲۸ هسته در هر سوکت فیزیکی، چگالی پردازشی خیرهکنندهای را برای ماشینهای مجازی آژور فراهم میکند.
برخی از ویژگیهای کلیدی این معماری عبارتند از:
- پشتیبانی کامل از افزونههای برداری مقیاسپذیر (SVE2) که عملکرد در بارهای کاری یادگیری ماشین و پردازش دادهها را به شدت افزایش میدهد.
- معماری حافظه بهبود یافته با پشتیبانی از DDR5 با پهنای باند بالا و خطوط ارتباطی PCIe Gen 5 برای اتصال سریعتر به شتابدهندهها و فضای ذخیرهسازی.
- طراحی حافظه نهان (Cache) سلسلهمراتبی که تاخیر در دسترسی به دادهها را برای بارهای کاری همزمان کاهش میدهد.
- مکانیزمهای پیشرفته پیشبینی انشعاب (Branch Prediction) که اجرای روان کدهای پیچیده نرمافزارهای سازمانی را تضمین میکند.
- پشتیبانی از سیستمهای مدیریت توان دینامیک (Dynamic Power Management) در سطح هر هسته مجزا.
مایکروسافت با استفاده از فناوری ساخت پیشرفته (احتمالا گره ۵ یا ۴ نانومتری TSMC)، توانسته است میلیاردها ترانزیستور را در فضایی بسیار کوچک با بالاترین راندمان ممکن جای دهد.
3.2. بنچمارکهای عملکردی و بهبود ۴۰ درصدی راندمان
یکی از مهمترین ادعاهای مایکروسافت درباره کبالت ۱۰۰، بهبود ۴۰ درصدی در متریک حیاتی Performance-per-watt نسبت به نمونههای مشابه x86 در سرورهای آژور است. اما این بهبود دقیقا به چه معناست؟ در فضای ابری که دهها هزار سرور به طور همزمان کار میکنند، هزینه برق مصرفی و سیستمهای خنککننده، بخش عظیمی از هزینههای عملیاتی (OpEx) را تشکیل میدهد.
دستیابی به این راندمان ناشی از چند عامل مهندسی است:
- حذف دستورالعملهای پیچیده و قدیمی (CISC) و استفاده از رویکرد (RISC) در معماری ARM که نیاز به ترانزیستورهای کمتری برای رمزگشایی دستورات دارد.
- طراحی تراشه با تمرکز بر اجرای موازی رشتههای کاری مستقل (Independent Threads) که در وب سرورها و پایگاههای داده بسیار رایج است.
در بررسیهای اولیه که تحت عنوان Azure Performance Benchmarks منتشر شدهاند، ماشینهای مجازی مجهز به کبالت ۱۰۰ در پردازش درخواستهای وب (Web Serving)، کامپایل کدهای نرمافزاری و پردازشهای درون حافظه (In-Memory Processing) عملکردی خیرهکننده نشان دادهاند. این تراشهها فرکانس پردازشی پایدارتری را تحت بارهای کاری سنگین حفظ میکنند، زیرا به دلیل تولید حرارت کمتر، دچار پدیده افت فرکانس حرارتی (Thermal Throttling) نمیشوند.

3.3. بهینهسازی بارهای کاری: مایکروسافت تیمز و Azure SQL
تراشههای سفارشی زمانی ارزش واقعی خود را نشان میدهند که نرمافزار نیز برای آنها بهینه شده باشد. مایکروسافت از کبالت ۱۰۰ در درجه اول برای تامین نیروی سرویسهای کلیدی خود استفاده کرده است.
مایکروسافت تیمز (Microsoft Teams): سرویس تیمز دارای صدها میلیون کاربر فعال است و زیرساخت بکاند آن نیازمند پردازش میلیونها رویداد خرد و مستقل در ثانیه است. استفاده از کبالت ۱۰۰ برای این سرویس مزایای زیر را داشته است:
- کاهش تاخیر (Latency) در برقراری تماسهای صوتی و تصویری.
- مدیریت بهتر رشتههای پردازشی پرتعداد و سبک.
- تخصیص منابع پویاتر برای رمزگذاری و رمزگشایی استریمهای رسانهای.
- کاهش شدید هزینههای عملیاتی که امکان ارائه خدمات ارزانتر و پایدارتر را فراهم میکند.
- توانایی مدیریت پیکهای ترافیکی ناگهانی بدون نیاز به روشن کردن سرورهای اضافی.
پایگاه داده Azure SQL: یکی دیگر از بارهای کاری حیاتی، سرویسهای مدیریت پایگاه داده هستند. کبالت ۱۰۰ به دلیل ساختار حافظه نهان (Cache) بهینه شده خود، برای پردازش تراکنشهای پایگاه داده بسیار مناسب است.
- سرعت بالاتر در پاسخدهی به کوئریهای پیچیده تحلیلی.
- پهنای باند حافظه بیشتر که گلوگاههای پردازشی (Bottlenecks) در دسترسی به جداول بزرگ را از بین میبرد.
- پایداری در عملکرد حتی در زمان اجرای همزمان هزاران تراکنش در ثانیه.
- امنیت سختافزاری تعبیه شده در معماری ARMv9 که دادههای حساس مشتریان را در سطح پردازنده رمزنگاری و ایزوله میکند.
- یکپارچگی بهتر با سیستمهای ذخیرهسازی NVMe مبتنی بر شبکه آژور.
3.4. دیتاسنترهای پایدار و تعهدات زیستمحیطی
در بخش Sustainable Data Centers، پردازنده کبالت ۱۰۰ نقش کلیدی در اهداف بلندپروازانه زیستمحیطی مایکروسافت ایفا میکند. مایکروسافت متعهد شده است که تا سال ۲۰۳۰ به وضعیت Carbon Negative (کربن منفی) دست یابد.
برد اسمیت، رئیس مایکروسافت میگوید: «ما نمیتوانیم نوآوری در هوش مصنوعی و فضای ابری را بدون در نظر گرفتن تاثیرات زیستمحیطی آن پیش ببریم. تراشههای سفارشی ما گامی عملی در جهت کاهش ردپای کربن دیتاسنترهای جهانی ماست.»
کاهش مصرف برق مستقیما به معنای کاهش انتشار گازهای گلخانهای است. علاوه بر این، کبالت ۱۰۰ به دلیل تولید حرارت کمتر، نیاز به سیستمهای خنککننده مبتنی بر مایع یا چیلرهای پرمصرف را کاهش میدهد که این امر خود موجب صرفهجویی چشمگیر در مصرف آب دیتاسنترها میشود.

3.5. تغییر پارادایم به سمت یکپارچگی عمودی
مایکروسافت با این حرکت نشان داد که دیگر تنها یک شرکت ارائهدهنده نرمافزار و پلتفرم ابری نیست. استراتژی یکپارچگی عمودی سختافزار (Vertical Hardware Integration) به این معناست که کل پشته فناوری، از سیلیکون گرفته تا سیستمعامل و نرمافزارهای کاربری، به صورت یکپارچه و در هماهنگی کامل طراحی میشوند.
مزایای این رویکرد برای مایکروسافت شامل موارد زیر است:
- استقلال در زنجیره تامین: کاهش وابستگی به اینتل و AMD و محافظت از خود در برابر شوکهای بازار سختافزار.
- طراحی مشترک سختافزار و نرمافزار (Co-design): مهندسان مایکروسافت میتوانند نیازهای دقیق سیستمعامل ویندوز سرور و لینوکس آژور را به طراحان تراشه منتقل کنند تا دستورالعملهای سختافزاری اختصاصی برای آنها ایجاد شود.
- کنترل هزینه و قیمتگذاری رقابتی: با حذف حاشیه سود شرکتهای تولیدکننده پردازنده، مایکروسافت میتواند ماشینهای مجازی خود را با قیمتهای رقابتیتری به مشتریان نهایی عرضه کند.
4. جدول مقایسه
برای درک بهتر جایگاه کبالت ۱۰۰، مقایسه آن با سایر پردازندههای ابری ضروری است.
جدول ۱: مقایسه مشخصات پردازندههای پیشرو در پردازش ابری
| نام پردازنده | شرکت سازنده | معماری پایه | تعداد هسته در سوکت | تمرکز اصلی طراحی | |---|---|---|---|---| | Cobalt 100 | Microsoft | ARM Neoverse N2 | 128 Cores | بارهای کاری عمومی آژور، مصرف انرژی بهینه | | Graviton 4 | Amazon AWS | ARM Neoverse V2 | 96 Cores | پایگاه داده، یادگیری ماشین، رایانش ابری AWS | | AmpereOne | Ampere Computing | Custom ARM-based | 192 Cores | پردازش ابری بومی، چگالی بسیار بالا | | Xeon Emerald Rapids | Intel | x86-64 | 64 Cores | پردازش سنگین سازمانی، سازگاری لگاسی | | EPYC Bergamo | AMD | x86-64 (Zen 4c) | 128 Cores | مجازیسازی فشرده، عملکرد پردازشی بالا |
جدول ۲: مشخصات ماشینهای مجازی آژور (سریهای جدید مبتنی بر ARM)
| سری ماشین مجازی | پردازنده استفاده شده | نسبت حافظه رم به هسته (vCPU) | بیشترین کاربرد در آژور | نرخ انتقال شبکه (مگابیت بر ثانیه) | |---|---|---|---|---| | Dpsv6-series | Microsoft Cobalt 100 | 4 GB per vCPU | میکروسرویسها، وب سرورها، تیمز | Up to 12,500 | | Epsv6-series | Microsoft Cobalt 100 | 8 GB per vCPU | پایگاه دادههای درون حافظه، Azure SQL | Up to 12,500 | | Dasv5-series | AMD EPYC 7763 | 4 GB per vCPU | اپلیکیشنهای سازمانی x86 استاندارد | Up to 12,500 |
5. سوالات متداول
در ادامه به برخی از پرتکرارترین پرسشها درباره پردازندههای سفارشی مایکروسافت پاسخ داده شده است:
سوال ۱: پردازنده کبالت ۱۰۰ چیست و چه تفاوتی با پردازندههای معمولی دارد؟ پاسخ: کبالت ۱۰۰ یک پردازنده سفارشی طراحی شده توسط مایکروسافت است که به جای استفاده از معماری سنتی x86، از معماری ARM Neoverse N2 استفاده میکند. تفاوت اصلی آن در مصرف انرژی بسیار کمتر و چگالی بالای هستهها (۱۲۸ هسته) است که آن را برای سرورهای ابری به شدت ایدهآل میسازد.
سوال ۲: آیا توسعهدهندگان برای استفاده از ماشینهای مجازی کبالت باید کدهای خود را تغییر دهند؟ پاسخ: این بستگی به زبان برنامهنویسی و پلتفرم دارد. اکثر زبانهای مدرن (مثل جاوا، پایتون، داتنت کور) و پلتفرمهای کانتینری (داکر) به راحتی از ARM پشتیبانی میکنند و نیاز به تغییر کد ندارند. اما نرمافزارهای قدیمی که صرفا برای x86 کامپایل شدهاند، نیازمند کامپایل مجدد یا استفاده از شبیهسازها هستند.
سوال ۳: منظور از بهبود ۴۰ درصدی عملکرد به ازای هر وات چیست؟ پاسخ: این بدان معناست که کبالت ۱۰۰ در مقایسه با پردازندههای قبلی آژور، برای انجام مقدار مساوی از پردازش، ۴۰ درصد انرژی کمتری مصرف میکند. این امر باعث کاهش چشمگیر هزینههای برق و خنکسازی دیتاسنترها میشود.
سوال ۴: آیا کبالت ۱۰۰ جایگزین کامل پردازندههای اینتل و AMD در آژور خواهد شد؟ پاسخ: خیر. مایکروسافت همچنان به همکاری استراتژیک خود با اینتل و AMD ادامه میدهد. بسیاری از مشتریان دارای بارهای کاری تخصصی x86 هستند. کبالت ۱۰۰ به عنوان یک گزینه برتر برای بارهای کاری Cloud-Native و اپلیکیشنهای مقیاسپذیر به سبد محصولات آژور اضافه شده است.
سوال ۵: ارتباط کبالت ۱۰۰ با شتابدهنده هوش مصنوعی مایکروسافت (Maia 100) چیست؟ پاسخ: مایکروسافت همزمان با کبالت ۱۰۰، تراشه Maia 100 را نیز برای هوش مصنوعی معرفی کرد. در حالی که Maia 100 برای تمرین (Training) و استنتاج (Inference) مدلهای بزرگ زبانی کاربرد دارد، کبالت ۱۰۰ پردازنده مرکزی (CPU) سیستم است که زیرساخت عمومی وب و انتقال دادهها به شتابدهندهها را مدیریت میکند.
سوال ۶: معماری ۱۲۸ هستهای چه مزیتی برای پایگاههای داده مانند Azure SQL دارد؟ پاسخ: پایگاههای داده مدرن به گونهای طراحی شدهاند که بتوانند درخواستهای متعدد کاربران را به صورت موازی پردازش کنند. وجود ۱۲۸ هسته فیزیکی به این معناست که دیتابیس میتواند تعداد بسیار بیشتری از کوئریها را بدون به اشتراکگذاری منابع هسته و بدون تاخیر (Latency) پردازش نماید.
سوال ۷: چالشهای امنیتی در پردازندههای مبتنی بر ARM چگونه مدیریت شده است؟ پاسخ: معماری ARMv9 که در کبالت ۱۰۰ به کار رفته، دارای افزونههای امنیتی سختافزاری مانند Confidential Compute Architecture (CCA) است که محیطهای اجرای ایزوله و امنی ایجاد میکند. این فناوری از دادههای مشتریان در حین پردازش به شدت محافظت میکند.
سوال ۸: تاثیر استقرار این پردازنده بر کاربران نهایی سرویس مایکروسافت تیمز چیست؟ پاسخ: کاربران نهایی تغییر فیزیکی احساس نمیکنند، اما کیفیت تماسهای ویدئویی به دلیل پردازش سریعتر بستههای شبکه بهبود یافته و قطعیها کاهش مییابد. همچنین، زیرساخت تیمز قادر است ویژگیهای جدید هوش مصنوعی را با سرعت بیشتری به کاربران ارائه دهد.
6. نگاه به آینده
توسعه و استقرار کبالت ۱۰۰ تنها آغاز مسیر مایکروسافت در زمینه توسعه سیلیکونهای سفارشی است. با نگاه به آینده، میتوان پیشبینی کرد که معماریهای پردازشی ابری به طور فزایندهای تخصصی خواهند شد.
انتظار میرود مایکروسافت در نسلهای بعدی (احتمالا کبالت ۲۰۰)، یکپارچگی عمیقتری بین CPU های سری کبالت و تراشههای هوش مصنوعی (مانند Maia 100) ایجاد کند تا بتواند پهنای باند حافظه اشتراکی و تاخیر ارتباطی را به حداقل برساند. این رویکرد که در آن پردازنده مرکزی و شتابدهنده عصبی به عنوان یک واحد کلنگر عمل میکنند، برای مدیریت بارهای کاری فوقسنگین هوش مصنوعی در سالهای آینده ضروری خواهد بود.
علاوه بر این، با توجه به فشار جهانی برای توسعه پایدار، تمرکز بر کاهش مصرف انرژی در تراشههای آینده بیشتر خواهد شد و مایکروسافت احتمالا از فناوریهای بستهبندی سهبعدی (3D Packaging) و چیپلتها (Chiplets) برای افزایش انعطافپذیری و کارایی استفاده خواهد کرد.
7. جمعبندی
معرفی پردازنده کبالت ۱۰۰ توسط مایکروسافت، یک تغییر شگرف در اکوسیستم سختافزاری فضای ابری به شمار میرود. این تراشه ۱۲۸ هستهای که مبتنی بر معماری کارآمد ARM Neoverse N2 توسعه یافته است، مرزهای عملکرد و بهینهسازی مصرف انرژی را جابجا کرده و استانداردهای جدیدی برای زیرساخت ابری آژور تعریف میکند.
با بهبود ۴۰ درصدی در عملکرد به ازای هر وات و میزبانی از سرویسهای استراتژیکی نظیر مایکروسافت تیمز و Azure SQL، کبالت ۱۰۰ نشان داد که یکپارچگی عمودی سختافزار دیگر یک ایده تئوریک نیست، بلکه کلید موفقیت دیتاسنترهای آینده است. در دنیایی که بارهای کاری ابری و تقاضا برای پردازشهای سبز (Green Computing) هر روز در حال افزایش است، حرکت مایکروسافت از خریدار تراشه به طراح تراشه، مزیت رقابتی غیرقابلانکاری را برای این شرکت در برابر رقبایی چون آمازون و گوگل فراهم میآورد. این نوآوری، آینده پردازش ابری را کارآمدتر، پایدارتر و قدرتمندتر از همیشه خواهد ساخت.
منابع و مراجع
- Microsoft Deploys Custom Cobalt 100 ARM Processors for Azure Cloud Infrastructure - Analysis and Updates — Microsoft Blog
- Microsoft Deploys Custom Cobalt 100 ARM Processors for Azure Cloud Infrastructure - Analysis and Updates — Microsoft Tech Community
- Microsoft Deploys Custom Cobalt 100 ARM Processors for Azure Cloud Infrastructure - Analysis and Updates — The Verge
- Microsoft Deploys Custom Cobalt 100 ARM Processors for Azure Cloud Infrastructure - Analysis and Updates — Ars Technica
- Microsoft Deploys Custom Cobalt 100 ARM Processors for Azure Cloud Infrastructure - Analysis and Updates — ZDnet
آیا این مقاله برای شما مفید بود؟
بازخورد شما به ما کمک میکند محتوای بهتری تولید کنیم