端侧AI战场：Arm以算力生态双轮驱动，重构智能计算未来

当前，人工智能(AI)正以颠覆性速度重塑科技领域，深度融入人们的日常生活。在此趋势下，AI模型加速向“更智能、更轻量化、能力更强”演进，推动端侧AI计算需求爆发式增长。这一变革不局限于智能手机，更延伸至智能家居、汽车、工业设备等行业，构建起覆盖多元场景的智能计算新生态。

Arm高级副总裁兼终端事业部总经理Chris Bergey日前在北京接受采访时指出，AI发展目前呈现出的两大趋势非常引人关注：一方面，AI智能体在编程辅助、客户服务等领域催生了高增长的商业场景；另一方面，实体AI加速落地，机器狗、配送机器人等设备正从“有限自主”向“类人智能”演进。

“这两个趋势都蕴含着巨大的应用和商业价值。在AI智能体领域，部分初创公司凭借相关技术在员工规模不足百人的情况下，实现了一亿美元的营收。“Bergey说道，而在实体AI领域，未来1-3年内，当上述这些智能设备处于自主模式运行时，其自主运行能力将接近人类水平，释放万亿级市场潜力。

Arm高级副总裁兼终端事业部总经理Chris Bergey

构建AI系统的三大核心支柱

Bergey强调，打造高效AI系统需聚焦三大关键要素：

• 云端到边缘的无缝计算平台：AI工作负载需在端侧与云端灵活调度，因此，高度可移植的计算平台成为技术落地的基础——既能支撑现有设备功能升级，也为前沿技术(如实时协同AI)提供底层架构支持。
• 电力与每瓦性能的极致优化：数据中心能耗已从兆瓦(MW)级跃升至吉瓦(GW)级，其中超50%能耗来自于机架和半导体设备。在AI算力需求激增的背景下，“每瓦性能”成为核心竞争力指标，直接决定了设备续航、数据中心运营成本及绿色算力占比。
• 软件生态的规模效应：虽然为AI构建硬件颇具挑战性，但软件同样至关重要。Arm凭借超2200万开发者的全球最大软件生态，以及累计超3100亿颗基于Arm架构芯片的出货量，形成“硬件普及-软件繁荣-创新反哺”的良性循环。2024年推出的Arm Kleidi 软件库已实现超80亿次安装，并与腾讯混元Angel等主流AI 框架深度集成，显著降低开发者的跨平台适配成本。

从云端到边缘，全面驱动AI 

在云端与数据中心方面，Arm正颠覆x86架构的长期主导地位。例如在今年的COMPUTEX 2025展会中，NVIDIA就分享了基于Arm架构的NVIDIA Grace CPU的最新发展势头，该CPU在包括埃克森美孚(ExxonMobil)、Meta等一系列的实际部署中，为要求苛刻的AI工作负载提供了性能和效率的提升。

而全球最大的云服务提供商亚马逊云科技(AWS)在去年秋季就曾分享，其相当一部分工作负载是运行在基于Arm架构的AWS Graviton处理器上。不仅如此，AWS超过90%的重要客户也在使用Arm架构。

随着AWS、Google和Microsoft持续扩展搭载Arm计算平台的自研数据中心芯片，Arm预计在2025年，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。这股成长动能来自业界对Arm高效节能计算能力的强烈需求，以支持复杂的AI推理与训练工作负载。得益于Arm对于“每瓦性能”的坚持，相较于其他平台，头部云服务提供商所采用的Arm架构芯片可实现高达40%的能效提升。 

PC与平板市场同样展现突破态势。在去年的COMPUTEX展会上，Arm发布了专为消费电子设备打造的Arm终端计算子系统(CSS)，作为旗舰AI智能手机与新一代AI PC 的计算平台。除了带来两位数的性能提升之外，终端CSS也为用户带来了实质性效益——应用程序启动更快速、AI体验更流畅且更持久。Arm方面预计，2025年Arm架构将有望占据该市场整体出货量的40%以上，打破x86在通用计算领域的垄断格局。

Arm Cortex-X925是Bergey特别提及的一款重量级产品。凭借业内最高的IPC(每时钟周期指令数)性能和“能效优先”策略，Cortex-X925摆脱了传统只依赖提升频率来提升性能的“老路”，实现了性能与功耗的平衡，成为旗舰手机的核心选择。在中国，Arm与联发科技等合作伙伴紧密协作，将前沿CPU/GPU技术导入一线手机厂商供应链，基于Cortex-X925等平台的旗舰机型已成为市场主流。

NVIDIA DGX Spark则是将数据中心级别计算能力带到桌面级的AI桌面计算平台。它搭载了10颗Arm Cortex-X925核心和10颗Cortex-A725核心，配备了可实现高达1 PetaFLOPs(即每秒10^15次浮点运算)AI性能的GPU，具备支持2,000亿参数模型的AI计算能力。在COMPUTEX 2025上，NVIDIA宣布了携手宏碁、华硕、戴尔科技、技嘉、惠普、联想和微星等在内的全球领先系统制造商，打造NVIDIA DGX Spark和DGX Station系统。

Bergey透露，Arm计划于今年晚些时候推出新一代Armv9旗舰CPU(代号Travis)，在现有基础上实现两位数的性能提升，并首次引入可伸缩矩阵扩展(Scalable Matrix Extensions, SME)技术，进一步加速处理AI工作负载。

GPU方面，Arm通过精锐超级分辨率技术(Arm ASR)，在移动设备上实现了主机级画质渲染，其解决方案已被中国主流手机厂商采用，逐步确立在高性能移动GPU领域的领导地位。而即将发布的下一代GPU(代号Drage)将能为长时间的游戏和更丰富的多媒体内容，提供持续的、更强悍的性能支持。

据Bergey分享，这两款产品的结合将引入即将发布的面向移动端市场的 Arm Lumex CSS 解决方案，为未来消费电子设备上的边缘AI性能奠定基础。

聚焦端侧AI挑战与生态竞争力

在回答关于“端侧AI推理需求激增会给Arm提出什么新挑战？”的提问时，Bergey回应称，当前的很多讨论都集中在模型的构建和训练上。但现实情况是，在构建好模型之后，推理才是实现AI商业价值的唯一方式。

“事实上，训练当今世界上最大规模模型所需的计算量，大约是推理所需的10的11次方倍，这相当于全球10天的搜索量总和。由此可以想象，我们需要运行多少推理，才能让投入训练的计算资源实现商业回报。”Bergey说。

他认为Arm的真正优势在于全球范围内有超过2,200万名的软件开发者，几乎所有重要的软件开发不仅能在Arm架构上运行，而且都针对Arm架构进行了优化。再加上Arm架构本身的设计及商业模式，开发者仅需一次开发，就能在整个半导体生态系统中众多采用Arm CPU的SoC上运行。

而且，根据实际观察，目前，大多数第三方应用实际上都是在CPU上进行AI开发的，甚至有70%会始终运行在CPU上，而不会迁移到GPU或NPU上，当然也有不少应用借助GPU进行加速。NPU较受关注，主要因为它是新兴技术，并且在每瓦特算力方面具有显著优势，但其在软件开发生态和灵活性方面面临不小的挑战。

Bergey表示，Arm始终坚信异构计算是未来的发展方向，因为AI工作负载本身也在持续变化，它们需要多种计算单元的协同。这也是为何Arm会在CPU、GPU、Kleidi、以及可伸缩矩阵扩展(SME)研发上投入如此之多，以确保它们在AI任务中具备强大的性能的原因所在。

当然，在端侧AI中，要在降低功耗的同时更好地平衡算力和能效，绝非易事。Bergey认为在芯片设计中做好以下几方面的准备：

• 内存带宽。内存带宽不仅直接影响数据传输效率和功耗，还能显著提升系统的整体性能，支持未来技术的发展。
• 确保在平台中集成最强大、最具灵活性的硬件。因为AI发展速度非常快，一款产品从开始设计到上市往往需要1-2年时间，而这期间AI模型可能已经发生了巨大变化。正因如此，CPU和GPU有时反而能优于一些专用硬件加速器，因为它们在应对变化需求方面更具灵活性。
• 软件。AI软件开发非常具有挑战性，如果没有成熟的软件及其生态系统，要跟上所有行业标准和各种AI框架，将会是一项非常繁重且具有挑战性的工作。

他同时指出，毋庸置疑，AI今后会越来越多地应用到入门级产品中，主要原因有两点：第一，AI在Arm CPU和GPU上都能很好地运行，而这些硬件覆盖了各个价格区间。第二，AI将为这些用户带来巨大的价值。设想在新兴市场，一部能运行大语言模型(LLM)的手机，将能让从未接触过专家指导的人群获得教育机会。这将带来巨大的经济潜力，不仅有助于抵消本地部署AI的成本，还会激发用户对更强大AI的需求。

结语

在过去的18个月内，有超过150个涵盖语音、图像、文字与视频生成的基础模型面世。原本只存在于云端的AI助理，如今也正优先在边缘设备上开发，推动AI推理作业由云端转向边缘应用。如前文所述，尽管大量资金投入训练，但推理——AI实际运行并创造价值的环节，才是真正驱动未来创新与商业价值的关键。

与此同时，AI智能体也正快速增长，这些系统能够独立执行复杂任务、彼此协作，并在大规模下自动运行。这将成为物理AI(Physical AI)的基础，使AI从数字世界延伸至真实的物理环境，例如机器人。正如今日所见，具可扩展性且高效率的计算，在未来会变得更加重要。从云端到边缘，Arm计算平台正处于这场转型的核心，不只是推动AI无处不在，更将一步步塑造AI的未来。