作者 | 周雅
来源 | 科技行者
Arm Everywhere China 今日在上海举行。Arm 执行副总裁兼首席商务官 Will Abbey 率先披露关键数据：过去 30 年，Arm 与合作伙伴累计交付设备总数达 3500 亿台。他幽默表示，若逐一清点这些设备需耗时约 1.1 万年。
3500 亿这一数字背后，折射出深刻的产业质变：Arm 架构已从早期的移动便携设备，延伸至云端数据中心及智能汽车等领域，正成为承载全球计算的通用底座。
本次活动中，Arm 公布了三条核心业务线的最新进展：面向手机与个人设备的边缘 AI（Edge AI）、面向机器人与自动驾驶的物理 AI（Physical AI），以及面向数据中心的云业务（Cloud）。重磅新品包括：面向边缘 AI 的新一代移动计算平台 CSS for Mobile 2（含 C2 CPU 集群和 Mali G2-Ultra NX GPU）；面向物理 AI 的新设计 Arm Total Design for Physical AI 及机器人能力分级框架；以及新一代 Neoverse CSS 云端平台。此外，Arm 继续深化 AGI CPU 在中国市场的生态合作与落地。
"CPU 重新成为智能体 AI 时代的编排中心”
“下一代计算的形态，不会由单一的设备、模型或云端定义，而取决于‘智能如何在所有设备与环境之间连接与流动’。”Will Abbey 如此判断。
当前的 AI 工作负载已发生根本性转变，即从“生成式 AI"向“智能体 AI（Agentic AI）”过渡。
在生成式 AI 阶段，交互模式为“一问一答”的离散事件：用户提问，AI 响应，若不满意则重复多轮直至获得答案。此时大量智能运行于云端，任务结束即计算终止。
而在智能体 AI 阶段，系统转变为主动方：主动理解上下文、主动发现信息，并在合适时机将结果呈现给用户。
Arm 边缘 AI 事业部执行副总裁 Chris Bergey 将智能体工作流拆解为四步：感知（Perceive）、记忆（Remember）、推理（Reason）、执行（Act）。
这四个阶段往往同时发生、彼此触发，形成持续运转的智能体循环：“感知”环境与意图，“记忆”偏好与历史数据，“推理”规划最佳路径，“执行”实际任务。
此类工作负载具有“连续、突发、低延迟敏感、依赖内存且高度异构”的特征。关键在于，这四步未必由同一模型完成，也不一定适合同一种硬件。用户的意图可能始于手机，重推理在云端，最终由具身智能硬件执行。
因此 Arm 断言："CPUs are the heart of Agentic AI。”在智能体 AI 时代，CPU 因负责大量编排、逻辑控制、低延迟任务及传统软件调用，重新回归工作流中心。Chris Bergey 补充数据称：“今天 95% 的 Android AI 推理跑在 CPU 上。”
据悉，Arm CPU 占据全球 99% 的智能手机市场，Mali GPU 累计出货量超 140 亿颗，覆盖从入门到旗舰的绝大多数移动设备。
CSS for Mobile 2：重构 CPU、GPU 与系统能力
Arm 正式推出 CSS for Mobile 2（第二代移动终端计算子系统），可将其视为下一代移动芯片的“基础设计”。
CSS 并非如高通骁龙或联发科天玑般可直接装机的完整 SoC，而是 Arm 预先将 CPU、GPU、系统互连、软件及部分芯片实现方案进行组合、验证和优化，再交付给芯片厂商。厂商可在此基础上加入自研 NPU、基带、图像处理器等模块，打造最终产品。
Arm 边缘 AI 智能终端计算副总裁 James McNiven 强调了两大关键点：
第一，CSS for Mobile 2 是"AI 原生平台”。其核心理念是让 CPU、GPU、系统 IP 及软件层围绕 AI 原生目标协同重构，而非仅在单一模块上叠加 AI 能力。
第二，延续“通用平台 + 合作伙伴自研”模式。Arm 提供软 IP（部分支持硬宏交付），合作伙伴可根据产品需求定制着色器核心数、NX 单元数、频率及工艺等。例如，昨日发布的小米玄戒 O3 已首发采用 Mali G2-Ultra NX。
关于命名变化，去年产品名为 Arm® Lumex™，今年更名为 CSS for Mobile 2。James 解释这是为了“简化”：继 COMPUTEX 发布面向 PC 的 CSS for PC 后，未来每一代计算子系统均将以"CSS for xxx"形式命名，使移动、PC、云端产品线定位一目了然。
CSS for Mobile 2 主要包含四大部分：
1. C2 CPU 集群：由全新微架构的 C2-Ultra（性能核）、经工艺优化的 C2-Pro（与去年 C1-Pro 同微架构）及 DSU（动态共享单元）组成。C2-Ultra 专注最强单核性能，负责应用启动、交互及 Agent 突发响应；C2-Pro 处理持续性负载如后台同步与多任务；DSU 连接所有核心并提供共享 L3 缓存。参考设计为 2 颗 Ultra+6 颗 Pro，最高支持 14 核，厂商可灵活调整。
2. Mali G2-Ultra NX：Arm 宣称其为“首款 AI 原生 GPU"。它将神经加速器（NX）集成至着色器核心内部，并大幅升级传统执行引擎和光追单元。
3. SI L2 系统互联：完整支持 LPDDR6，兼容 LPDDR5X/5，负责连接计算模块与主存及外设，优化访存延迟、内存标签安全、能效及服务质量（QoS）。
4. 软件栈：包括加速库 KleidiAI 及新上线的开发者门户 AI Portal。KleidiAI 为 CPU 侧 SME2 提供高效实现；AI Portal 则是模型、工具与集成流程的一站式入口，并提供 MCP Server，支持智能体自主发现和调用 Arm AI 能力。
核心变革在于，Arm 首次明确围绕两种新 AI 负载重新设计整套移动平台：一是智能体 AI，二是神经图形（让 AI 直接参与游戏画面生成与渲染）。为此，C2 CPU 集群与 Mali G2-Ultra NX GPU 两大核心同步换代。
CPU：C2-Ultra 微架构化解多智能体等待
提及“手机 AI 算力”，以往焦点多在 NPU。但 Arm 此次着重阐释了 CPU 在 Agent 时代的重要性：Agent 并非仅做一次大模型推理。
以“规划并预订结婚十周年纪念晚餐”为例，Agent 需执行一长串操作：
- 感知：语音转文字，理解需求；
- 记忆：检索本地日历、照片及常去餐厅等个人数据，判断偏好；
- 推理：用小语言模型整理上下文，生成可执行提示词；
- 执行：打开 App 查询座位、完成预订并发送消息。
这四步对硬件要求各异：语音识别需快速响应，本地检索依赖内存访问，小模型需矩阵计算，执行阶段则回归浏览器与操作系统。因此，Agent 体验不可能仅靠一颗 NPU 决定。
Arm 实测显示：在感知阶段，C2-Ultra 配合 SME2 比上一代快约40%；记忆阶段快约41%；推理阶段提升约25%。在执行阶段，传统 CPU 指标依然关键：C2 CPU 集群单线程提升约15%，多线程约12%，网页性能与应用启动均提升约12%-15%。
综合来看，上一代 C1-Ultra 完成该流程约需 2 秒，C2-Ultra 缩短至1.72 秒（提升 15%）；若加入 SME2，进一步压至1.55 秒（提升 24%）。
人类对 100 毫秒级的响应变化已有感知。对于需多次交互的 Agent，数百毫秒的节省累积后将带来显著体验差距。
因此，C2 CPU 集群旨在平衡延迟、能效、通用性、兼容性及安全性，而非追求单一指标极致。C2-Ultra 作为智能体 AI 的高效编排中枢，其微架构改进分为三部分：
1. 前端（Front-end）：针对分支判断密集的场景，提升预测准确性、加强指令传递并降低误判恢复成本，保持高吞吐效率。
2. 执行引擎（Execution）：扩大并行处理能力，当某指令阻塞时可执行后续无关指令；同时采用更积极的推测执行，提前准备大概率路径，显著提升单核真实性能。
3. 数据侧（Data path）：现代软件负载对数据加载速度的敏感度已超越纯计算能力。C2-Ultra 改进数据加载、预取及缓存体系：核心独占 L2 缓存，集群共享 DSU 提供的 L3 缓存，减少访问慢速主存的次数。
上述改进使 C2-Ultra 单线程性能提升 15%，同性能下功耗降低 30%，显著延长移动端续航或支撑更复杂负载。
此外，C2 CPU 集群依托 SME2（第二代可伸缩矩阵扩展）加速 AI 推理。虽微架构未变，但通过增加硬件资源配置及 KleidiAI 软件层优化，进一步挖掘潜力。
SME2 针对大模型推理的两个阶段采取不同策略：
编码阶段（输入处理）：侧重计算能力。SME2 结合量化感知训练与极低精度矩阵乘法，在 2-bit 测试中带来最高1.75 倍性能提升。
解码阶段（Token 生成）：侧重数据搬运。通过 LUTi 查找表指令保持低比特数据压缩状态，减少内存读取量，在 2-bit 测试中解码阶段提升约1.6 倍。
简言之，前半段“算得快”，后半段“少搬数据”。
现场演示了基于 CPU 的实时语音翻译与克隆：英语发言经腾讯混元 2-bit 量化模型（约 300MB）翻译为中文，再由通义千问 TTS 模型（FP32 精度）还原音色。全过程在设备本地多线程并发完成，全靠 SME2 加速。
GPU：Mali G2-Ultra NX 让 AI 进入图形渲染流水线
若 C2 CPU 为智能体而生，Mali G2-Ultra NX 则致力于解决手游画质问题。
随着虚幻引擎 5 将 Lumen、Nanite 等桌面级技术引入移动端，手游视觉规格迅速向 PC/主机看齐，传统 GPU 能效提升已近物理极限，亟需架构级重塑。
Mali G2-Ultra NX 作为首款 AI 原生 Mali GPU，更新集中在三处：
1. 集成神经加速器 NX：NX 深度融入着色器核心内部，非独立芯片。它以低至 1 瓦功耗提供高质量 AI 推理，速度可达 GPU 时钟频率的 2 倍。开发者无需额外学习调度机制，NX 空闲时会自动关闭以省电。
2. 重构执行引擎：这是 Mali 七代以来最大规模的 ISA 重构，专为 Nanite 类复杂着色器设计。G2-Ultra NX 将寄存器分配粒度从 32/64 细化至 16，减少“寄存器溢出”导致的性能损失，提升资源利用率。
3. 引入第三代光追单元：采用更紧凑的共享边三角形表示法，减少重复几何信息存储，主流光追基准中 DRAM 流量最高减少约13%。同时加入硬件透明度微贴图（OMM）技术，将透明度信息嵌入光追加速结构，避免遍历中断。实测显示，在含大量透明物体场景中，光追负载降低最高70%，帧率提升最高30%。
Mali G2-Ultra NX 提供旗舰、Premium 及 Pro 三个变体，以软 IP 或部分硬宏形式交付，供合作伙伴灵活定制。
在联合开发的手游《光影新生》（Neural Dawn）中，该技术实效显著：三帧序列中仅 1/8 像素来自真实渲染，其余 7/8 由 AI 重建。在约 2 瓦功耗下维持 60 帧，相比上一代同场景不足 40 帧的表现，帧率与能效最高提升4 倍，DRAM 带宽最高降低70%。
传统渲染性能亦未忽视：标准游戏基准测试 GPU 性能提升24%，非 AI 游戏实测提升最高14%。
关键技术解析：
- NSS（神经超级采样）：GPU 仅渲染 1/4 像素，其余由神经网络超分补齐，大幅降低渲染负担。
- NFRU（神经帧率超分）：在两真实帧间插入 AI 重建帧，将 30 帧翻倍至 60 帧，提升画面连贯性。
- NSSD（神经超采样加降噪）：面向光追，在超采样基础上进行降噪，允许减少光线数量以省电，同时保证画质。
需注意，"AI 重建”基于 CNN 架构而非 Transformer，需真实渲染帧作为输入，并非凭空生成。
Arm 已将相关模型权重开源至 GitHub 和 Hugging Face，并与 Unity 中国合作，计划 10 月将神经图形技术直接集成至引擎。生态方面，Arm 与腾讯游戏成立联合实验室，探索神经动态全局光照等技术，《暗区突围》《无限暖暖》等头部手游已纳入合作案例。
物理 AI：从机器人能力框架到现实世界实时计算
Arm 物理 AI 业务拓展副总裁 Dermot O'Driscoll 将话题延伸至机器人与汽车等自主系统。
物理 AI 的关键指标是延迟：从光子进入传感器到执行器产生动作的时间。机器人需在极短时间内完成感知、判断和行动，同时满足功耗与安全限制。
据 Arm 估算，2025 年物理 AI 计算市场规模约 250 亿美元，2030 年代有望达 2000 亿美元，增长空间约 8 倍。全球 GDP 中约三分之二来自制造、交通等物理产业，AI 的渗透将极大提升生产效率。
汽车与机器人是典型代表：单车计算价值可能有 4 倍增长空间；机器人正从固定程序执行转向自主感知与行动。
Arm 宣布三项举措：
1. Arm Total Design for Physical AI：将 Total Design 模式扩展至物理 AI，组织 80 多家产业链公司共同解决系统集成难题。
2. Robotics Capability Framework（机器人能力框架）：参照自动驾驶 L0-L5 分级，将机器人能力划分为 RL0 至 RL5 六个阶段，提供统一描述语言。博泰车联网、银河通用机器人等作为站台伙伴参与其中。
3. 发布 Manifesto：由 Arm 首席架构师 Richard Grisenthwaite 撰写，呼吁行业共建标准，降低集成成本。
Cloud：Neoverse CSS N4 承接智能体时代基础设施变革
Arm 云 AI 业务拓展副总裁 Eddie Ramirez 披露：Neoverse CPU 核心全球累计部署超 150 亿个，其中最近 50 亿个仅用不到一年时间。
智能体 AI 驱动 Token 消耗量几何级暴涨，对数据中心全天候编排调度与能效提出挑战。Arm 发布新一代 Neoverse CSS N4，支持 8 核至 128 核灵活配置及多 Chiplet 系统。相比 N3，每插槽性能最高提升2 倍，每瓦性能提升1.25 倍，内存带宽提升1.75 倍。
CSS 另一价值在于缩短开发周期：合作伙伴借助预集成、预验证的 CSS，可将样片时间压缩至约 13 个月，量产约 18 个月。
面向高密度 AI 基础设施，Arm 展示 AGI CPU 方案：在 200kW 液冷机架中部署 336 颗 AGI CPU（超 4.5 万核心），性能可达最新 x86 系统的 2 倍以上。
中国生态方面，新紫光集团宣布将与 Arm 围绕 IP、CSS 及 AGI CPU 展开长期合作，并计划成立通用人工智能联合创新中心。
Arm 战略方向：NPU 取舍与中国生态
CSS for Mobile 2 未提及 NPU，这体现了 Arm 的战略取舍。James 明确表示：Arm 聚焦于助力合作伙伴打造最优 CPU 与 GPU，NPU 技术创新交由合作伙伴主导，尤其是针对厂商自研的“第一方 AI 应用”。
对于旗舰芯片厂商，NPU 是差异化核心，Arm 无意介入。此外，第三方开发者面对碎片化的 NPU 架构，适配成本高企。相比之下，CPU 具备跨平台、易兼容、低延迟及安全等优势，是 AI 应用落地的首选起点。
发布会尾声，Will Abbey 强调：中国科技产业不仅是技术的接受者，更是生态的塑造者与定义者。他向全场抛出终极之问：“接下来，你准备用技术来构建什么？”
科技行者团队出品
