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

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。