Token 之后,谁来组织 AI 计算?Arm 寻找下一代计算的答案
分类:[科技] 标签:[人工智能]、[Arm]、[大模型]、[芯片架构] 如果说 Arm 推出首款自研 CPU 芯片是这家公司向市场释放的一个信号,表明它开始突破过去「只提供底层架构授权」的角色边界,那么在上海举办的 Arm Everywhere China 活动上,Arm 想传递的信息则更加明确:不要再用过去「CPU IP 供应商」的方式理解今天的 Arm。 在这场活动中,Arm 没有只围绕某一个产品展开叙事,而是第一次更加完整地将自己的未来方向拆成三条线:云 AI、边缘 AI 和物理 AI。算力会在云、端侧和物理世界之间流动,而 Arm 想要成为这个「计算基建」的底座。当 AI 计算正在从单一芯片性能竞争转向多个计算单元协同竞争时,谁能够组织这些计算资源? 一、AI 时代,芯片 IP 已无法决定一切 过去几十年,Arm 最成功的商业模式是通过 CPU 架构和 IP 授权连接整个半导体产业。基于开放授权模式,Arm 成为移动计算时代的重要基础设施,累计出货量超过 3500 亿颗。 但进入 AI 时代后,一次完整的 AI 任务不再只是某一个计算单元完成,而是逐渐走向连续推理、多模态交互以及智能体式的任务执行。这意味着,未来计算竞争的关键不只是拥有多少算力,而是如何让不同计算资源更加高效地协同。 边缘 AI:算力从「被动响应」到「持续运行」。智能体需要理解上下文、检索本机数据并在功耗和散热约束下自主完成任务。 物理 AI:算力从「汽车」延伸到「机器人」,两者共同特征是感知和执行,要求从传感器到执行的延迟足够短。 云端 AI:智能体时代带来持续性负载,CPU 的角色不再是加速,而是编排。 Arm 开始正面拥抱 AI 时代最大的特点:不确定性。 下一代终端的形态、端侧模型的规模、智能体算力的最佳落脚点目前都没有明确答案。Arm 没有构建一个「我知道未来是什么样」的固定平台,而是选择构建一个「允许变化、交出决定权」的平台,无论合作伙伴选择哪种路线,底座都有 Arm 参与搭建。 二、从计算单元到计算协同:Arm 重新定义底层软硬件 AI 时代正在模糊 CPU、GPU、NPU 之间的传统边界。未来的芯片竞争重点,是谁能够让这些计算单元实现更高效的协同。 1. CSS for Mobile 2:AI 原生的计算子系统 Arm 将 CSS(计算子系统)定义为面向 AI 时代的「半成品」芯片设计方案。最新推出的 CSS for Mobile 2 包含了 C2 CPU 集群、Mali G2-Ultra NX GPU、SI L2 系统互连以及开发工具,相比上一代在多项性能上实现了大幅跃升,并将 AI 模型性能提升最高 1.7 倍。同时,Neoverse CSS N4 面向云端提供最大 128 核配置,进一步强化内存和 I/O 能力,满足智能体时代的海量数据流动需求。 ...