历史上阚疃为何被称为“房钟”

戍鼓断人行，边秋一雁声

露从今夜白，月是故乡明

本周玻璃行业有哪些值得关注的资讯呢？请快和小玻一起走进第328期玻璃周刊吧！

国际动态

1、阿联酋浮法玻璃计划建设第二条浮法线

迪拜投资公司宣布计划通过新增第二条浮法生产线，将阿联酋浮法玻璃公司（EFG）的产能翻倍，日产量将从600吨提升至1200吨。

这种对扩张和先进技术的投入，确保了EFG始终走在工业创新和卓越发展的前沿。

阿联酋浮法玻璃公司是一家位于阿联酋阿布扎比的浮法玻璃生产厂。该工厂由迪拜投资公司于2009年建立，是该地区建筑和汽车用浮法玻璃领域的领先企业，拥有最先进的生产设施。

2、圣戈班玻璃推出COOL-LITE? XTREME 51/23（II）

我们如何才能让建筑物引入最多的自然光，同时防止过热、降低能源成本并减少碳排放呢？

圣戈班玻璃推出了COOL-LITE? XTREME 51/23 及 51/23 II——该公司最新的高性能三银镀膜玻璃解决方案，以此作为回应。

这些新产品为太阳能控制玻璃树立了新标准，集舒适性、美观性和可持续性于一体

3、Forglass准备在美国推出新技术

十多年来，Forglass 一直不懈地开发和应用创新技术，其唯一目标是：帮助玻璃生产商以最直接的方式实现玻璃生产的脱碳。

本周，10月6日至9日在美国俄亥俄州托莱多举行的第86届玻璃问题会议暨研讨会上，福格拉斯（Forglass）将分享其在熔化技术、配料车间和碎玻璃技术生产线方面的多项创新与发明。

请务必前往22号展位参观Forglass。

4、李赛克跻身奥地利管理最佳企业之列

李赛克（LiSEC）被评为“2025年奥地利最佳管理公司”。该评选活动由德勤奥地利、下奥地利-维也纳 Raiffeisen 州立银行以及商业杂志trend联合举办。

这一久负盛名的奖项旨在表彰那些展现出卓越企业管理、可持续战略和浓厚企业文化的公司。

国内新闻

（以下排序不分先后）

1、大连耀皮熔窑节能升级及浮法玻璃生产线自动化改造项目点火

耀皮玻璃（600819）10月10日晚间公告，全资子公司大连耀皮玻璃有限公司熔窑节能升级及浮法玻璃生产线自动化改造项目于6月23日停产升级改造。期间，公司积极推进升级改造工作，于10月10日成功点火，投产后将进一步提升产品质量、生产线自动化水平和环保效益。

2、南玻将在阿布扎比建首个智慧能源储能玻璃工厂

据阿联酋阿布扎比哈利法经济区（KIZAD）官方网站2025年10月7日消息， 阿布扎比哈利法经济区地区最大的综合和专用经济区运营商阿布扎比哈利法经济区集团（KEZAD Group），当日宣布，全球节能玻璃和先进材料领先企业中国南方玻璃（CSG），将在阿联酋建立其首个海外智能制造工厂。

3、彭寿院士与日本AGC岛村会长举行会谈

近日，中国工程院院士、中国建材集团首席科学家彭寿访问日本AGC株式会社，与AGC岛村会长举行会谈。双方围绕国际玻璃行业的现状与未来发展交换意见，并就新能源、新工艺、新技术的研发与工业化应用进行深入讨论。

4、海控三鑫(蚌埠)将于9月底全面停产 拟申请破产清算

海控南海发展股份有限公司（简称海南发展）于2025年10月9日发布公告，宣布其控股子公司海控三鑫（蚌埠）新能源材料有限公司（以下简称“海控三鑫”）将于2025年9月底实施全面停产，并计划申请破产清算。

5、中玻跨境即将走进土耳其

土耳其玻璃展：连接欧亚的行业超级舞台土耳其玻璃行业的腾飞，离不开高水平的国际展会平台。由TUYAP国际展览公司主办，并通过UFI国际认证的土耳其国际玻璃门窗展，已成功举办14届，今年迎来第15届，再次成为行业焦点。

展会时间：2025年11月15-18日 

展会地点：土耳其伊斯坦布尔TUYAP国际会展中心

END

（注：本篇文字部分由记者小玻收集整理，图片来源于网络。如有侵权，请联系我们。）

本质上，AI 重新定义了“优秀”基础设施的标准。相应地，平台设计的重心也从注重单一的芯片或服务器，转向了打造机架级、可扩展的系统，在功耗和预算有限的前提下，实现高效扩展。而这一转变背后的原因在于，推理与智能体 AI 工作负载持续增长且不间断运行，对高密度、全天候在线的算力需求正快速提升。

Futurum 在《Arm处于 AI 和数据中心变革的中心》报告中，把这一转变称为迈向“系统级协同”。设计的关键不再是堆多少算力，而是平台能不能有效地把加速器、CPU、内存、网络和软件协同起来。

正因如此，业界正加速迈向定制化机架级系统设计：即围绕 AI 负载特性、功耗波动和持续利用率来进行端到端设计的平台。越来越多的架构师开始重新思考计算底层设计，选择基于 Arm 架构来解决现代 AI 平台面临的多重约束。

AI 促使行业重构：转向定制化机架级系统

这一转变的核心原因，并非通用型标准化基础设施无法承载 AI，而是碎片化的系统设计，在 AI 规模化部署时，终将转化为真实可感的成本代价。

AI 工作负载在计算、内存、网络、存储及软件各环节紧密耦合。CPU 拖后腿，昂贵的加速器就会空等；功耗和散热波动，利用率就会下滑；数据管道、调度、编排未能针对平台调优，吞吐量就不可预测。峰值性能依然重要，但稳定性、每瓦性能和系统整体平衡性更关键。

Futurum 指出，超大规模云服务提供商正进行结构性调整，旨在实现算力的指数级增长，同时避免能耗的同步激增。Futurum 引用 Arm 的数据指出，到 2025 年末，出货到头部超大规模云服务提供商的算力中，有近 50% 是基于 Arm 架构。

架构师现在不再只看纸面跑分，而是更关心 AI 平台在实际应用中能否长期可靠地运行智能体 AI 和连续推理工作负载，比如：

长时间高负载下，系统表现如何？

在实际环境中，功耗限制和散热条件如何影响性能曲线？

在机架级系统中，计算层如何确保加速器能持续获得稳定的数据供给，而非仅停留在纸面参数上？

当能效、可扩展性与系统平衡性成为首要原则时，重新审视 CPU 底层架构就成了必然。也正因为此，Arm 凭借领先的架构和完善的生态，正是这场行业变革的核心所在。

在数据中心领域，Arm Neoverse 平台是推动这一转型的核心引擎。亚马逊云科技、Google、微软、NVIDIA 等头部超大规模云服务提供商与 AI 领军企业，都在基于 Arm 架构或采用 Arm 计算平台进行产品研发。Arm 的模式既能支持定制化系统设计，又能保持跨平台、跨生态、跨软件的一致性。对于想要构建高集成度平台、又不愿被单一技术路径绑定的团队而言，这种灵活性至关重要。

智能体 AI 与持续推理，

重塑规模化算力的经济逻辑

随着 AI 与通用计算工作负载的融合，AI 工作负载正在发生变化，基础设施也需随之调整，以支持多样化的工作负载特性。

行业重心正在转向智能体 AI，而智能体 AI 本质上就是一个连续推理系统。智能体并不是简单地给出一个答案， 而是会规划、调用工具、检索数据、验证结果，如此循环往复。由此便形成了连续推理模式：稳定不间断的词元 (token) 生成任务，请求类型趋于多元化，围绕加速器的编排和数据迁移任务变得更繁重。

在智能体 AI 里，CPU 不再是配角， 而是整个 AI 系统的控制中枢。CPU 负责协调控制、调度任务、管理 IO、处理网络与存储服务、执行安全策略，并在模型、上下文及工具链不断演进的过程中，维持整个系统的平衡。

以承载大语言模型 (LLM) 的服务为例，它可能同时处理成百上千的并发请求。就算加速器负责核心计算，CPU 也要承担请求权限控制、分词和预处理、批处理和队列调度、数据迁移编排，以及针对模型权重与 KV 缓存的数据路径协调等。到了智能体工作流，CPU 的工作负担进一步扩展，还要承担工具调用、检索流程、结构化输出验证、多步调度等持续运行的任务。

这一切都表明，CPU的重要性远超许多团队的预期。如果 CPU 跟不上编排节奏，数据迁移、处理流程和加速器都会被“卡住”，面临结构性的闲置风险。

融合型 AI 数据中心的建设，彰显了 Arm 架构的强劲势头

Arm 的发展势头正在加快。在业内领先的集成式 AI 系统中，基于 Neoverse 平台的 CPU 被广泛用于智能体推理密集型系统的编排层，尤其适合追求高能效、可预测扩展能力和大规模部署的应用场景。

独立测试也印证了现代 CPU 基础平台在“AI 相关”工作负载中的价值。Futurum 旗下 Signal65 的独立基准测试对比了基于 Arm Neoverse 平台的 Amazon Graviton4 与同级的 AMD和 IntelEC2 实例，结果显示：在生成式 AI (Llama-3.1-8B)、数据库 (Redis)、机器学习(XGBoost)、网络 (Nginx) 等测试的各种工作负载中，基于 Neoverse 平台的 Graviton4 在性能和性价比方面大幅领先。

测试结果直接反映了智能体 AI 数据中心的现状：LLM、检索层、缓存、Web/API、传统机器学习等全都处于智能体系统的关键路径上，只有当 CPU 兼具速度与能效时，整体才能更好地扩展。

最新的机架级 AI 系统在架构设计上，均采用定制化加速器层以及基于 Arm 架构的 CPU 层的组合，由后者承担调度编排、数据迁移与智能体推理预处理等关键任务。NVIDIA Grace Hopper、Grace Blackwell 等系列产品，将 NVIDIA GPU与基于 Neoverse 架构的 Grace CPU 深度融合。而其最新机架级平台 Vera Rubin NVL72，更是在系统内集成 72 颗 Rubin GPU 与 36 颗基于 Arm 架构的 Vera CPU，专为交互式、深度推理型智能体 AI 优化，显著降低推理成本。

亚马逊云科技也在走同样的系统级路线：Amazon Trainium3 UltraServer 把 Trainium3 加速器芯片与 Graviton CPU 结合，强化了“融合型”设计理念：将加速器与定制的高性能、高能效 CPU 相匹配，以实现高效扩展。

“提供更优选择”不再是偏好，而是硬性要求

AI 系统迭代太快，固定架构已无法适配其发展节奏，因此为客户提供更优选择已成为风险管理的必要举措。

系统架构师想要的是：

平台能适应不同代的硬件、多样的工作负载配置及各异的部署环境；

软件可移植，以降低系统变更成本。

与此同时，系统架构师希望避免因过度依赖单一厂商，而导致在模型组合变化、业务规模扩张或新需求出现时陷入被动。在智能体时代尤其如此：推理形态不断变化，上下文更长、工具调用更多、多模态输入更频繁、全天候工作负载更普遍，效率和平衡远比峰值跑分重要。

Arm 架构在提升系统性能的同时，保持跨平台一致性。Arm 架构不仅引入了现代 AI 基础设施所需的关键特性，而且拥有强大的软件生态支持。Arm 计算子系统 (CSS) 提供经过验证的基础设施级模块，既加速了芯片开发，又保留了合作伙伴间的差异化与选择权。对于所有基于 Arm 架构的平台，一致性贯穿始终，云工作负载迁移至 Arm 平台也极为便捷。同时，在软件层面，Arm 生态助力团队在不同环境与平台间拥有一致连贯的基础，从而加速开发进程，无需重写所有代码。

智能体 AI 经济重塑 CPU 选择格局，Arm Neoverse 平台成头部厂商首选

系统架构师之所以倾向于 Arm 平台，因为它精准匹配定制AI 系统的核心需求：能效、可扩展性及每瓦性能。能效重要，因为功耗和预算是硬上限；系统平衡和 CPU 性能重要，因为加速器闲置成本极高；一致性重要，因为 AI 基础设施变化快、跨环境部署日益增多。

在融合型智能体 AI 数据中心里，面对持续推理的应用需求，上述优先事项变成了上线即需满足的硬性指标。智能体系统不只需要能生成词元的加速器，更需要以 CPU 为核心的编排能力，在网络、存储、调度、安全层面，持续、高效、大规模地把资源利用起来。

Arm 如今的强劲增长正源于此：Neoverse 正成为智能体时代的 CPU 基础平台，作为计算头节点，是让 AI 系统保持高效、一致并面向未来的核心控制中枢。