分类：科技 标签：人工智能、芯片架构、Arm、大模型
当AI正在深刻改变计算方式时，下一代计算平台应该如何被设计？当AI计算正从单一芯片性能的军备竞赛，转向多个计算单元协同工作的复杂博弈，谁又能真正组织起庞大的计算资源？
在近期举办的 Arm Everywhere China 活动上，这家传统上的 IP 授权巨头给出了自己的答案。Arm 明确表示，外界不应再用过去「CPU IP 供应商」的单一视角来理解今天的 Arm。在 AI 时代，Arm 的战略正在清晰地拆解为三个核心方向：云 AI、边缘 AI 和物理 AI。
一、AI 时代的计算新范式：从单一单元到协同编排
过去几十年里，Arm 凭借开放的架构和 IP 授权模式，成功连接了整个半导体产业，底层技术驱动了超过 3500 亿颗芯片的诞生。在移动计算时代，芯片竞争的逻辑相对直观：需要更强的 CPU、更大的 GPU 以及更先进的制程工艺。
然而，进入大模型与智能体（Agent）时代，一次完整的 AI 任务早已不再由单一计算单元独立完成。它演变为连续推理、多模态交互以及自主任务执行的复杂流程。
- 边缘 AI：算力需求从过去的「被动响应」转向「持续运行」。智能体需要理解上下文、调用本地应用并在功耗和散热的严苛约束下自主完成任务。
- 物理 AI：从汽车延伸至机器人，两者共同的核心特征是感知与执行，极度依赖从传感器到执行链路的超低延迟。
- 云端 AI：智能体的兴起带来了持续性负载，单个智能体甚至会触发数百次调用。在这一背景下，正如 Arm 基础设施业务负责人所言：「在智能体时代，CPU 的角色不再是加速，而是编排。」
面对不确定的未来，英伟达的路线是「我知道未来 AI 计算是什么样，所以我构建一个完整的平台（如 CUDA 范式）」；而 Arm 的路线则是**「未来 AI 计算尚未定型，所以我要构建一个允许变化的平台」**。Arm 不替客户做决定，而是把决策权交还给市场，只确保无论选择哪种路线，底层基建都有 Arm 参与搭建。
二、从计算单元到计算协同：Arm 的全面重构
为了应对这种转变，Arm 针对 CPU、GPU 以及计算子系统（CSS）进行了深度重构。
1. CSS for Mobile 2：迈向 AI 原生计算子系统
过去，客户需要获取不同的 IP 模块并自行完成繁琐的设计优化。而 Arm 推出的 CSS（Compute Subsystems）则提供了一套「半成品」芯片设计方案。升级后的 CSS for Mobile 2 被定义为首个 AI 原生移动计算子系统，不仅单线程和多线程性能显著提升，AI 模型性能更是实现了最高 1.7 倍的飞跃，有效帮助客户缩短芯片上市周期。
2. C2-Ultra CPU：重新定义 AI 时代的 CPU 位置
面对「NPU 是否会取代 CPU」的行业讨论，Arm 用数据证明了 CPU 在智能体任务中的不可替代性。全新的 C2-Ultra CPU 搭载 SME2 单元，强化了矩阵与向量计算能力。在处理如“规划旅行”等涉及理解意图、读取本地数据、调用第三方服务的复杂 AI Agent 任务时，CPU 依然是串联各个环节、降低整体链路延迟的核心基座。
3. Mali G2-Ultra NX GPU：视觉计算与 AI 的深度融合
在移动设备功耗与散热的物理限制下，Arm 推出了首款将神经网络加速器直接集成到着色器内核中的 Mali G2-Ultra NX GPU。 通过 AI 与传统图形渲染的结合，GPU 可以实现神经超级采样与插帧，大幅减少光追需要计算的光线数量，在压低功耗的同时带来了主机级的视觉体验。同时，Arm 将相关神经图形模型开源，将选择权交由开发者与合作伙伴。
总结：Token 调度成为 AI 计算的新战场
如果说过去几年 AI 产业的核心是训练参数更多的大模型，那么进入推理时代后，行业正在面对新的命题：当海量 Token 生成之后，谁来组织和调度这些计算资源？
苹果、高通、英伟达与三星等巨头纷纷给出了各自的闭环或平台化解法。而 Arm 选择的道路，是不做唯一的计算调度者，而是赋能系统所有者。通过开放的计算子系统、高效的软硬件协同以及 KleidiAI 等软件生态优化，Arm 致力于让不同的计算单元在正确的时机、通过正确的资源高效运转。
正如 Arm 在本次活动场所揭示的行业趋势：AI 时代下一阶段的竞争，早已不只是单纯计算能力的较量，而是组织与编排计算能力的较量。 在一个未来形态仍在演进的时代，建立一个能够自适应变化的底层平台，正是 Arm 给出的最优解。