核心事件：Arm 大规模升级 AI 计算布局

9 月 8 日，Arm 在上海 Arm Everywhere China 活动上发布新一代 AI 计算产品线，核心内容包括：

• CSS for Mobile 2：首个 AI 原生移动计算子系统，9 月 8 日发布，含 Arm C2 CPU cluster、Mali G2-Ultra NX GPU、SIL2 系统互连及开发工具
• Neoverse CSS N4：面向云侧的可配置型计算子系统，单裸片支持 128 核 CPU，支持 LPDDR6 与 PCIe Gen 7
• C2 CPU 集群：新推出的 CPU 集群，集成 SME2 单元
• Mali G2-Ultra NX GPU：首款集成神经网络加速器的 Mali GPU，加速器频率可达 GPU 时钟两倍

值得注意的是，Arm 不再仅提供 CPU IP 授权，而是转向提供包含硬件、软件与开发工具的完整平台能力。客户可按需选择 IP、CSS 子系统甚至完整芯片。

三大业务线：云、边缘与物理 AI 的协同计算

Arm 此次首次将未来方向明确拆分为云 AI、边缘 AI 和物理 AI 三条线，反映其对 AI 计算流动性的新理解：

• 边缘 AI：从「被动响应」转向「持续运行」，AI Agent 需在终端持续理解上下文、检索本地数据、调用应用并自主执行任务
• 物理 AI：业务重心从汽车拓展至机器人，共同特征是「感知到执行」的超低延迟要求
• 云端 AI：IDC 数据显示，基于 Arm 架构的机架级服务器市场规模已超越 x86，成为加速计算主流平台

反差数据在于性能表现：C2-Ultra 单线程提升 15%、多线程提升 12%，AI 负载性能最高提升 1.7 倍；但相同性能下功耗最高降低 38%——Arm 正从追求峰值算力转向能效与体验的综合优化。

产品逻辑：不替客户做决定，但让每种选择都跑得更好

Arm 的核心策略是拥抱不确定性，与英伟达、苹果等厂商形成鲜明对比：

• 英伟达通过 CUDA 构建封闭生态，锁定开发者于单一范式
• Arm 则提供开放底座，把调度权交给系统拥有者（OEM/芯片设计公司/软件开发者）

在具体产品中体现这一思路：

• CSS 模式：将分散 IP 组合成可调整平台，微软基于 Neoverse CSS 18 个月内完成两代 Cobalt CPU 交付
• SME2 指令集：通过指令集优化与软件生态建设，让 AI 能力在不同设备间快速迁移
• Mali G2-Ultra NX：神经网络加速器作为图形管线一部分参与调度，并开源模型至 Hugging Face/GitHub，支持开发者按需训练

Arm 不预设 CPU/GPU/NPU 的资源比例——此决策权交由芯片合作伙伴根据产品定位决定。

落地建议：面向开发者与 OEM 的选择指南

• 适合谁用：

  • 需要快速构建 AI 终端产品的手机 SoC 厂商（可直接采用 CSS for Mobile 2 缩短设计周期）
  • 云服务提供商寻求 Arm 架构服务器方案（Neoverse CSS N4 支持高密度、高能效部署）
  • 开发者可利用优化后的软件工具快速迁移模型至 Arm 平台生态

• 建议再等等：

  • 若产品定位高度依赖特定 NPU 架构或封闭调度框架（如 CUDA），短期仍需评估迁移成本
  • GPU 神经图形功能需游戏厂商配合优化，成熟度将随 Hugging Face 社区模型积累逐步提升

写在最后

Arm 的转变揭示 AI 计算新范式：决赛 not about compute power alone, but about orchestration. 拥抱不确定性、构建可适配底座，或许比预设唯一未来更契合当下技术演进节奏。当算力在云、边、端之间自由流动，谁能提供灵活的协同标准，谁就可能成为 AI 时代真正的基础设施提供者。