中经记者 谭伦 上海报道

近日，围绕“赋能AI计算的未来”，Arm推出多项面向智能体时代的新产品与生态计划，覆盖云、边缘和物理AI三大领域。其中，Arm Neoverse CSS N4面向新一代AI基础设施，Arm CSS for Mobile 2进一步强化端侧智能体与AI原生图形能力，Arm还把Total Design生态扩展至物理AI，并推出机器人能力分级框架。此外，Arm AI Portal上线，连接其超过2200万开发者生态。

这些动作显示，对于即将到来的AI智能体时代，这家巨头有了全新的思考。作为一家过去以CPU架构IP为核心的供应商，Arm正进一步向覆盖IP、计算子系统、芯片、软件生态的计算平台演进，并将这一平台延伸到云、边缘和物理世界。

今年以来，智能体AI正在加速从概念走向实际应用。Gartner预计，2026年全球AI支出将达到2.59万亿美元，同比增长47%；其中AI基础设施占比超过一半，AI优化服务器未来五年将成为最大的细分市场。与此同时，2026年全球AI推理支出预计达到233亿美元，首次超过训练支出。

CPU重新回归AI竞争焦点

两年前生成式AI兴起时，算力产业的主角主要是GPU和各类AI加速器。用户发出提示词，模型进行推理，再返回文本、图片或代码，计算任务相对集中在模型本身。

但在Arm首席营销官Ami Badani看来，智能体AI改变了这一工作模式。“智能体需要调用工具、访问数据库、检索信息、调度其他智能体，处理日趋复杂的工作流。”大会期间，Ami Badani向记者表示，上述大量调度任务目前都由CPU完成。

这也是Arm今年3月推出Arm AGI CPU的逻辑起点。

在产业层面，这一变化正在得到市场数据的印证。SemiAnalysis发布研报显示，在现代智能体编程工作负载中，42%的执行时间用于CPU驱动的工具调用。Gartner今年6月发布的研究也直接指出，智能体AI正在把CPU重新带回聚光灯下。

Arm此次进一步发布Neoverse CSS N4，正是希望抓住这一结构变化。该产品是Arm目前可配置性最高的Neoverse计算子系统，可针对CPU核心数量、缓存、内存、I/O以及加速器连接方式进行配置，每个芯片可配置8至128个CPU核心，并针对智能体AI数据中心提升性能、能效和内存带宽。

更值得注意的是，Arm已不再满足于单纯提供IP。

Ami Badani将Arm当前的产品路径概括为三个层次：客户可以选择Arm IP，也可以选择CSS计算子系统，如今还可以直接采用生产就绪的Arm AGI CPU。“客户有三种不同的起点可供选择：IP、CSS，以及Arm AGI CPU。”Ami Badani指出。

这实际上意味着，Arm商业模式正在发生变化：从“授权CPU架构”，向“提供完整计算平台”延伸。

Arm今年3月推出的AGI CPU已经成为这一战略最直接的落点。Arm官方表示，其单机架性能较x86平台提升超过2倍，每GW AI数据中心基础设施最高可节约100亿美元资本开支；在其2027财年第一季度财报中，Arm披露已经获得超过20亿美元的客户需求。

而在此次大会上，Arm进一步宣布，其AGI CPU正获得云厂商、OEM和软件伙伴的推进。对此，Arm云AI业务拓展副总裁Eddie Ramirez透露，Arm正在与火山引擎合作，将Arm AGI CPU引入其数据中心，以支持下一代AI服务。

更重要的是，Arm并不认为自研芯片会侵蚀原有IP授权业务。“我们始终将这一举措视为市场空间的延展，而并非与现有云服务商客户之间的竞争。”Ami Badani表示。

从产业链看，这种“IP+CSS+芯片”的组合，也使Arm能够同时覆盖不同类型的客户：大型云厂商、芯片设计公司可以继续基于Arm IP进行差异化设计；希望缩短研发周期的客户可以直接采用CSS；而希望快速部署生产级计算平台的客户，则可以使用Arm设计的芯片。

AI计算的“战场”正变得更分散

如果说云端业务代表Arm对AI基础设施的新进攻，那么边缘AI则是其原有优势被重新激活。

Ami Badani认为，Token成本、安全性以及响应延迟，正在推动智能体从云端向边缘分布式部署。“越来越多的智能体将迁移至边缘本地运行。”她表示。

这意味着，未来AI并不会简单地形成“云端越来越强、终端越来越弱”的单向结构，而可能形成云端、边缘协同计算的体系。高复杂度模型依然在云端运行，而大量涉及实时交互、个人数据和持续任务的工作，则越来越多在本地完成。

Arm此次推出CSS for Mobile 2，正是针对这一变化。官方参数显示，该平台集成C2 CPU集群、Mali G2-Ultra NX GPU和系统级互连，并引入SME2和专用神经网络加速器，以支持持续运行的端侧智能体和AI原生图形。Arm披露，在特定测试条件下，与上一代C1-Ultra相比，C2-Ultra可带来最高1.7倍AI性能提升，并通过神经图形实现最高4倍帧率提升。

Arm边缘AI执行副总裁Chris Bergey强调，Mali G2-Ultra NX并不是一个单一固定配置的产品，客户可以根据性能目标自主决定着色器和神经引擎的配置。例如在16个着色器的配置中，可以只为其中8个配置神经网络引擎。

这些部署的目的在于，将“异构计算”进一步系统化。未来的智能手机、PC、可穿戴设备乃至更多边缘终端，需要的并不是单一意义上的“AI芯片”，而是CPU、GPU、NPU及系统软件之间的协同。智能体不仅需要推理，还要理解上下文、调用应用、完成任务，这使得CPU的调度能力、系统级数据传输效率和持续能效都变得更加重要。

Counterpoint Research近期发布的研报也指出，生成式AI、异构计算和半导体复杂度正在同时重塑智能手机、PC、边缘设备和云基础设施，AI手机、Windows on Arm以及边缘AI均将成为计算架构变化的重要方向。

因此，从手机到PC，再到智能眼镜等新终端，Arm实际押注的是同一个趋势：未来越来越多AI不需要等待云端响应，而是在设备本地持续运行。而这，恰恰是Arm“每瓦性能”优势最容易转化为商业价值的地方。

AI竞争将延伸至物理世界

相比云端CPU和移动端AI，此次Arm释放的另一大信号，是开始更明确地将“物理AI”提升到战略层面。

9月8日，Arm宣布将Arm全面设计生态项目（Arm Total Design）进一步扩展至物理AI，已经吸引超过80家企业参与，覆盖云、芯片、软件、机器人和工业等多个环节；与此同时，Arm发布机器人能力分级框架，希望为机器人行业提供统一的能力描述语言。

Arm物理AI业务拓展副总裁Dermot O'Driscoll直言，当前机器人行业仍处于早期阶段。“整个生态系统在架构、标准和能力方面依然较为分散。”在他看来，Arm此时参与物理AI，并不只是卖一套芯片或IP，而是试图把模型、软件、数据、计算以及机器人企业连接起来。“我们的总体目标，是帮助产业缩短产品上市时间并加快部署，其中包括对软件栈、数据集、数据模型和大模型的优化。”Dermot透露。

这一战略，与中国机器人市场的现实发展高度契合。国际机器人联合会（IFR）数据显示，2024年中国工业机器人安装量达到29.5万台，占全球总量的54%，工业机器人保有量已经超过200万台，均居全球首位。也就是说，中国不仅拥有全球最大的机器人装机市场，也正在成为AI与机器人融合的重要试验场。

这也成为Arm高度看重中国市场的原因。Ami Badani表示，中国在AI、智能终端、汽车和机器人等领域扮演越来越重要的角色，Arm会根据市场发展和合作伙伴需求，持续演进自身的产品与服务。

更值得关注的是，Arm并没有试图通过自己的机器人平台“统一”这个行业，而是提出一个更轻量化的框架。

Dermot O'Driscoll表示，机器人能力分级框架“并非旨在取代现有标准”，而是希望聚合产业链参与者，“为机器人平台能力建立一套统一的思考和描述方式”。换言之，Arm试图解决的并不是“谁制定标准”的问题，而是机器人产业在规模化阶段面临的一个现实难题：不同企业对机器人能力、软硬件接口和部署要求缺乏统一语言。

从产业角度看，这可能恰恰是Arm更擅长的事情。过去几十年，Arm依靠统一架构和庞大的开发者生态，把不同终端连接到了同一套计算体系中。如今进入物理AI阶段，Arm试图复制类似思路，把原本分散的机器人企业、芯片公司、软件开发者、云服务商和工业客户连接起来。

而这些变化，也将Arm对AI时代的思考，诠释得更为清晰：在智能体时代，AI基础设施的竞争，可能正从单纯数据中心算力，进一步走向云、边缘、终端和物理设备。而对于拥有广泛CPU架构基础和生态的Arm而言，这或许正是其希望抓住的下一轮产业红利。

（编辑：张靖超 审核：李正豪 校对：颜京宁）