Arm面向智能体AI时代，推出全新边缘、云端与机器人平台

AI 已经不再仅仅针对单条提示词做出响应，针对这一时代，Arm 正在拓展其计算平台。该公司预计，AI 智能体将在手机、数据中心、车辆、机器人以及其他物理系统中持续运行：感知周边环境、围绕目标开展推理，并代表用户执行各类操作Arm。

支撑该战略的有三项重要发布：面向边缘设备的Arm CSS for Mobile 2平台、面向云基础设施的Neoverse CSS N4，以及面向物理 AI 的Arm Total Design整体设计计划。三者共同目标，是在高度碎片化的计算生态中，提供一套统一架构与软件底座。

在边缘侧，Arm 推出一套整合C2‑Ultra CPU 集群与Mali G2‑Ultra NX GPU的平台。C2‑Ultra 集成第二代可扩展矩阵扩展指令集SME2。SME2 可以加速机器学习模型大量用到的矩阵运算，同时保留通用 CPU 的灵活特性。

Arm 表示，两颗支持 SME2 的 C2‑Ultra 内核，在主流模型下 AI 性能可达上一代设计的 1.7 倍。在典型旗舰配置下，单线程性能提升 15%、网页浏览速度提升 15%、应用启动速度提升 12%，多线程性能提升 12%。

CPU 性能提升意义重大：AI 智能体的工作负载不只有神经网络推理。一个实用的智能体还需要调取上下文、运行应用、调用工具、访问数据库、进行网络通信，同时校验输出结果。大量这类任务依赖 CPU 与操作系统服务。更快的本地执行可以缩短用户请求到智能体执行动作之间的延迟，同时将敏感个人信息保存在设备本地。

Mali G2‑Ultra NX 则解决另一项瓶颈：高质量图形不断攀升的算力开销。它将神经加速器直接集成至 GPU 着色器内核，支持神经超采样、神经帧率超分，以及超采样‑降噪联合处理。这类技术只做部分传统渲染计算，依靠训练好的 AI 模型重建更高分辨率图像或是额外生成画面帧。

Arm 称其神经超分技术可以把 540p 画面输出提升至 1080p；帧率超分可以将 30 帧 / 秒拉升至 60 帧 / 秒。帧率与执行效率最高可提升 4 倍，同时 DRAM 内存流量降低 70%。经过重新设计的执行引擎与第三代光线追踪单元，用于传统渲染场景，可适配虚幻引擎 5 的 Nanite 虚拟微多边形、Lumen 全局光照技术。Arm 给出的测试数据显示，综合基准性能提升 24%；非 AI 游戏性能提升 14%；光线追踪工作负载开销下降 70%。

数据中心领域，Neoverse CSS N4把 CPU 内核、缓存、内存管理、互连与系统 IP 封装为一套可配置计算子系统。客户可以自由调整内核数量、缓存容量、输入输出与互联规格，大幅减少定制芯片所需的集成工作量。单颗芯片最高可配置 128 核。在官方参考测试条件下，对比 Neoverse CSS N3，插槽性能提升一倍、每瓦性能提升 1.25 倍、内存带宽提升 1.75 倍Arm。

其技术核心价值在于可配置性。智能体工作负载混合了模型推理，同时还需要 CPU 密集的任务编排、沙箱执行、存储、网络、数据库处理。云服务商既需要高密度高能效基础设施，也需要高性能处理器。CSS N4 的定位，就是缩短不同需求场景下专用芯片的开发周期。

Arm 的物理 AI 计划，将这套平台能力延伸至机器人、工业设备与车载场景。这类场景中“光子‑扭矩延迟”（从环境感知到产生物理动作的时间）至关重要。面向物理 AI 的 Arm Total Design 计划，将芯片厂商、模型开发方、传感器供应商、制造企业与功能安全专家汇聚在一起；配套拟推出机器人能力框架，为各方提供一套标准化方式来描述可复用功能模块。

总结：Arm 将自身定位为分布式 AI 的连接纽带。它的优势并非某一款加速器或单一模型，而是一套已经部署在数十亿设备之上、拥有超过 2200 万开发者生态的完整架构。如果 Arm 能够实现软件与 AI 能力在云端‑手机‑各类设备之间的可移植，开发者只需要完成一次智能体开发，就可以把不同组件部署到延迟、隐私、功耗、性能条件最合适的硬件之上。