火山引擎、银河通用、联想联手Arm！三路进攻、AI算力格局要变天｜独家对话

就在刚刚，芯片设计巨头 Arm掏出手机芯片王炸，最强CPU登场。

9月8日上午，Arm 在上海美高梅举行了 “Arm Everywhere China”年度大会。

这应该是Arm过去十多年在中国做的最大一场年度大会，并公布了一系列新品。

具体来说，在端侧上，Arm今天正式发布第二代移动终端计算子系统——Arm CSS for Mobile 2。

Arm表示，这是 Arm首个面向 AI 时代的 AI 原生计算底座。

云端方向， Arm还面向中国市场推出了其最新用于智能云数据中心的AGI CPU，联想和字节的火山引擎成为首批在中国采用AGI CPU的厂商。

具体来说，火山引擎正基于 Arm 平台构建其下一代云服务体系，并率先将基于 Arm AGI CPU 的智能体沙箱方案推向市场，为大规模智能体工作负载提供安全、弹性的运行环境。

此外，在物理AI方向，Arm公布了Total Design服务，中文名是“面向物理 AI 的 Arm 全面设计生态项目” ，汇聚了覆盖物理 AI 技术栈的 80 多家企业，包括亚马逊AWS、恩智浦（NXP）、通义千问和西门子（Siemens） 等 ，以及推出 机器人能力分级框架，共同加速物理 AI 的创新与发展。

而且现场，Arm还展示与银河通用机器人（Galbot）的合作，原因在于人形机器人推向市场时，需要更强的具身智能模型，背后则需要高质量数据和更多算力设施支持。

Arm 执行副总裁兼首席商务官 Will Abbey 还抛出了一个最新数据：基于 Arm 技术的芯片累计出货量已超 3500 亿颗。

数字很大，但更值得注意的，是接下来发布的东西 —— 它不是一颗更强的 CPU，也不是一块更猛的 GPU，而是把 CPU 集群、GPU、系统互联、系统 IP、物理实现方案和软件工具链打包在一起的“一个平台”。

简单来说，Arm的野心，绝不是卖一个手机CPU IP这么简单，而是要做一整套SoC IP，以及做出AGI CPU这种下游的整芯产品，场景层面做到云端-端侧-物理AI三个方向。

AI时代的Arm需求和野心

财报显示，Arm在2027财年第一季度（2026年7月底公布）实现营收12.89亿美元，同比增长22%，超出市场预期。预计2027财年第二季度营收约为13.8亿美元（±5000万美元）。

因此，在产业层面，一方面Arm正在面对高通、RISC-V的强势竞争，另一方面Arm需要扩大自身的营收规模和多元化收入。

但另一方面，Arm处于半导体产业链最上游IP行业，下面全是客户，所以Arm谨慎看待与客户的潜在竞争。这或许是Arm当前需要加速转型的需求和野心。

正如Arm边缘 AI 智能终端计算副总裁 James McNiven直言：“我们正在从被动的响应式 AI，走向主动的、持续运行的智能体 AI。”

具体来说，面对更高的算力需求和AI设计芯片的趋势，AI Agent把移动设备对算力的要求重新定义了一遍，CPU、GPU、NPU不再“各管一摊”，而是形成SoC方式作为一个整体，围着一个完整的 AI 工作流协同运作。

Arm第二代移动终端计算子系统 ——Arm CSS for Mobile 2（C2），就是在这个背景下推出的。

Arm整合了最新的Mali G2-Ultra NX GPU、SI L2 系统互联、物理实现、软件及开发工具，还采用了SI L2系统互连；基于C2系列，Arm还构建了CPU集群，采用2颗C2-Ultra内核+6颗C2-Pro内核，其中，C2-Ultra主打最高单线程性能，用于应用启动、UI交互和突发响应；C2-Pro则基于C1-Pro的基础上进行优化，配合N3P制程演进，提供持续稳定的性能输出。

制程上，有报道称，Arm CSS for Mobile 2可以根据合作伙伴的需求移植到不同的晶圆代工厂和工艺节点，但Arm自己参考的设计用的是台积电的N2工艺，并预告未来几周会陆续看到合作伙伴的选择，这给新一代旗舰手机芯片进入2nm工艺增加了想象空间。

数据层面，根据Arm官方公布的数据显示，C2 CPU集群其单线程性能最高提升15%，网页浏览速度提升15%，应用启动速度提升12%，集群级多线程性能提升12%，执行最新AI模型时的速度最高可以提升至上一代的1.7倍。

Arm C2 CPU集群中，实现AI加速的关键是SME2引擎，能在编码阶段计算每字节更多的MAC。相较上一代，SME2的AI算力翻倍，接近6TOPS。

现场注意到，支付宝、OPPO、vivo、三星、网易伏羲、百度飞桨、阿里千问、淘宝、腾讯混元、腾讯多媒体实验室、虚幻引擎、Unity中国等都是SME2生态伙伴。

除了端侧，还有云端——AGI CPU受到广泛关注，采用3nm（N3P）工艺与双芯粒（Dual Chiplets）设计，整颗芯片拥有1000亿颗晶体管。最高提供 136 核（单节点双芯片配置共 272 核），最大热设计功耗（TDP）为 300W。

联想还在现场展示了其HR650a V3 2U Arm AGI CPU 服务器系统，该系统搭载了双AGI CPU 处理器。

在物理AI层面，Arm认为这是一个新兴市场，正不断试水，试图规划一整套系统和赋能方案。

Arm认为，物理 AI 行业蕴藏着数万亿美元规模的经济价值，并预计将在2030年带来每年约2000亿美元的计算市场机遇。然而，它们同时也是最难实现转型升级的行业之一。

今天的第一步，Arm发布发布针对物理AI的设计方案Total Design，提供IP、软件栈、计算硬件等能力， 助力合作伙伴在更早阶段开展解决方案开发与验证，旨在加速机器人和自动驾驶系统的开发 。

比如，Arm、亚马逊AWS、Google、HERE、RemotiveLabs 和西门子共同打造了一套集成式数字座舱参考解决方案，使开发者能够在芯片就绪前，就能启动基于 Arm Zena 计算子系统（CSS）的软件开发、测试和验证工作。

对于机器人来说，Arm还在早期摸索中。会后交流时，Arm方面提到，他们在工业制造、农业、物流等场景的公司进行一些布局和合作。

看看这个名单，momenta、地瓜机器人、面壁智能、云深处、诚迈科技、银河通用、深度机智、禾赛科技、兆易创新等。

此外，作为生态系统首批协作倡议之一，Arm 推出了机器人能力分级框架，构建机器人领域的通用语言，为定义和推动机器人系统的发展奠定基础。

我看了一下，核心还是任务执行和反馈的步骤，并非所谓的“机器人的ChatGPT时刻”。

会后交流时，Arm方面强调，这个分级标准并非是与其他标准进行竞争，更多还是促进行业规范。

“机器人能力分级框架并非要取代市场上已有的标准，而是补充与整合。业内围绕安全标准、工业标准已经有很好的工作，Arm 无意替代，也不与其他标准形成竞争。真正的痛点是‘能力定义’，生态中的机器人公司与芯片供应商普遍反馈，部署落地时难以清晰界定机器人的能力边界，希望有更明确的定义以获得更多部署机会。因此 Arm 的定位是搭建一个平台，把包括现有标准制定方在内的各方聚在一起，集思广益、共同探讨，推动行业发展。”Arm方面表示。

最后总结一下。

从云端层面看，自从2018年推出Neoverse以来，Arm合作伙伴已经向全球数据中心出货了150亿颗核心，最近九个月就增加了50亿颗，这说明AI基础设施建设正在加速，Arm架构的渗透速度也在加快。

随着AI发展到“自主执行任务”，Arm正试图用同一套计算架构覆盖云、边缘和物理AI，扩大在下一波AI基础设施建设中的版图。

会后对话

会后，智能纪元AGI参加了两轮群访，与Arm发言人进行了简单交流，整理如下（有一定润色和删减）：

问：Arm 云产品不支持同步多线程（SMT），这是否会妨碍产品在智能体时代的推广，影响 Arm 获取更多原本属于其他厂商的市场份额？

Arm发言人：Arm Neoverse 的 N 系列与 V 系列一直采用单线程设计，这是有意为之——单线程可以确保即使 CPU 利用率达到 100%，性能依然保持线性提升，因为核心之间不共享内存或其他资源。在智能体 AI 时代，这一点尤为关键。过去 scale-up 架构下的工作负载具有突发性；进入智能体时代后，智能体需要 7×24 小时持续运行，工作负载更加均衡、持续，需要与之匹配的特定 SLA 和性能水平。

问：目前是否只有 G2 Ultra NX 这一个型号？是否还有其他规格？

Arm发言人：与其他 Mali 产品一样，Arm 支持众多客户与市场，客户可以根据目标性能水平选择核心数、切片数等配置。

市面上多数参考配置搭载 6 个以上的神经网络加速器（部分超过 10 个）；在低算力场景中，客户也可以自行决定神经网络加速器的数量。未来一年内会有更多客户产品陆续推向市场，Arm 对相关性能表现感到兴奋。

问：一个着色器核心中只能配置一个神经网络加速器吗？还是可以按客户需求配置两个、三个甚至更多？

Arm发言人：当前这一代产品中，一个着色器核心只支持一个神经网络加速器，即 1:1 映射。但并非每个着色器核心都必须配置加速器，例如 16 个着色器核心可以只配 8 个，具体根据客户实际需求决定。

问：神经网络加速器目前只用于 AI 超采样和帧生成吗？未来是否支持其他功能？

Arm发言人：目前重点聚焦三大用例：超分辨率采样（super sampling）、帧率提升（frame upscaling）以及光线追踪降噪（ray denoising）。以《光影新生》（Neural Dawn）演示为例，游戏大量使用 MegaLights 与 Lumen，包含众多光源，Arm 可以通过神经技术降噪来支持多光源场景。

腾讯在演讲中还提到高端游戏领域的更多应用方向，Arm 会持续探索，业界对这一能力的兴趣浓厚。

问：Arm Total Design 官网显示其提供 IP 预集成，也与新思科技（Synopsys）等 EDA 服务商合作。对国内机器人厂商，Arm 是提供IP，还是整套端到端服务？具体如何落地？

Arm发言人：机器人行业还很新兴，系统集成方式存在碎片化，缺乏统一的描述、标准与能力定义。

今天宣布的两项举措——面向物理 AI 的 Arm Total Design 生态项目与机器人能力分级框架，正是为了让产业链各方走到一起，共同定义他们真正需要的解决方案。

Arm 将帮助机器人公司基于合作伙伴的芯片平台构建端到端解决方案；若部分公司选择自研芯片，Arm 可以为其提供 IP。核心目标是加速产品上市与部署，包括优化软件栈、数据集、数据模型与大语言模型等环节。通过汇聚整个社区，Arm 希望集体识别并解决产业中的共性问题。

问：如何看待物理 AI 市场？行业竞争压力较大，Arm 如何更好地服务这个生态系统、让客户看到价值？

Arm发言人：物理 AI 是一个新兴市场，Arm 仍处于部署的早期阶段，正在逐步理解机器人各细分行业的实际用例。目前最关键的应用集中在制造业与工业场景，许多现有合作伙伴已经看到工业领域的首批落地用例。

Arm 还在将场景向农业、采矿业等活跃的生态扩展，与当地合作伙伴一起解决实际问题、提供更完整的方案。

此外，Arm 正与货运、制造、物流公司合作，其中不乏全球顶尖的物流与电商企业，帮助他们将机器人解决方案落地，并把产品与其终端用户连接起来。凭借 Arm 作为市场领导者的地位，能够在全球范围内连接各方资源。

问：当前正处在存储价格暴涨的时代，未来两年趋势难改。Arm 在 CPU、GPU 设计上有何趋势性策略或蓝图来优化存储成本？

Arm发言人：移动行业承压的不只是内存价格，晶圆价格同样在上涨。Arm 正与合作伙伴在"全方位优化"上努力：一是让模型越来越小，例如与阿里合作的 2-bit 模型已能在 SME 上运行，体积非常小，是一个很好的例证。

二是将GPU图形能力"NPU化"，神经图形可以分担系统中其他加速器的工作，提升整体能效。Arm 正从多个维度入手，与产业链各方共同降低内存占用，但这确实是一个正在努力的方向。