摘要:将最新推出的 Arm Cortex-M42 处理器纳入 Arm Flexible Access 与 Arm Total Access 方案,为更多智能设备带来高效的人工智能计算能力,加速边缘 AI 创新。 新闻重点· Arm Flexible Access 方案的影响力持续扩大,目前已拥有 300 多家活跃成员,并已实现 500 多次独立流片项目;而 Arm Total Access 方案则已赋能 60 家合作伙伴,支持超过 600 个项目。· 全新 Arm Cortex-M42 处理器为
谷歌云正在将其 TPU 8i Max 系统,与基于 Arm 架构的 Axion 处理器搭配使用,Axion 正是一款基于Arm Neoverse定制开发的 CPU。依托 TPU 8i Max,谷歌进一步扩大 Axion CPU 的应用范围,将其用作 AI 加速器的主机计算单元。在此之前,Axion 已经在 TPU 8t、TPU 8i 当中承担这一角色。谷歌 Axion 提供 CPU 底座,支撑谷歌 AI 基础设施,覆盖大规模模型训练、实时推理,以及要求日益严苛的智能 Agent 工作负载,这也让 Arm
生成式人工智能让模型成为基础设施领域讨论的焦点。智能体 AI 则改变了这一局面:当智能体检索数据、调用工具、执行代码并协调多步骤工作流时,围绕模型运行的软件变得与推理本身同等重要。为满足不断演进的基础设施需求,Arm 推出了基于 Arm Neoverse 平台的 Arm AGI CPU,其专为智能体 AI 的计算需求而打造。Arm AGI CPU 旨在提供支持高并发智能体工作负载所需的性能、可扩展性与能效,涵盖编排、工具执行、数据检索和应用服务等。在 2026 开放计算全球峰会(OCP Global Su
Arm 与意法半导体(STMicroelectronics)基于数十年来在 Arm Cortex-M 领域的创新积累,正携手将智能深度融入机器与物理世界交互的场景。 新闻重点:· 在上周的 STM32 峰会上,意法半导体宣布推出全新的基于 Arm Cortex-M 的 STM32A 系列微控制器,旨在确保自主系统安全、可靠运行。· Arm 与意法半导体在长期合作的基础上持续深化协作,共同推动新一代基于 Cortex-M 的微控制器发展,以满足智能机器对感知、处理和实时控制
在 Oracle AI World 大会上,Oracle 宣布计划于 2027 年秋季将 Arm AGI CPU 引入 Oracle Cloud Infrastructure(OCI)。这项计划将为其客户提供高性能 Arm 架构计算能力,既支持客户当前运行的云应用,也将助力其构建未来的智能体 AI 服务。继 Arm 在今年六月 COMPUTEX 宣布 OCI 加入 Arm AGI CPU 生态系统后,此次进展将进一步推动双方合作,并明确了未来向 Oracle 客户提供这一计算能力的路线图。Arm 在 OC
过去几周,可穿戴设备领域掀起一波发布热潮,从中可以窥见人工智能(AI)将如何重塑个人计算的发展。千问最新发布的 AI 眼镜 N1、N1 Pro 及 AI 耳夹式耳机,雷鸟创新(RayNeo)带来的全新雷鸟 iO AI 眼镜,Snap 推出的 SPECS 智能眼镜,以及 Meta 发布的可穿戴产品组合,包括首款 Ray-Ban Meta Audio 智能眼镜、虚拟现实(VR)眼镜和 Muse Charm,都是这一设备品类持续发展的最新成果,它们让智能更加贴近用户,改变人与技术的交互方式。尽管这些
AI 智能体仍处于早期的发展阶段,但使用规模正快速增长。根据美国知名风险投资机构 a16z 援引的 OpenRouter 数据,自2026年 2 月以来,智能体的 Token(词元)使用量增长约 14 倍。从基础设施的角度来看, AI 智能体就像拥有持久计算环境的虚拟用户,能够持久保持状态、检索上下文、调用工具和服务、执行任务,并持续评估执行结果,直至任务完成。当数百万甚至数十亿个智能体全天候持续工作时,计算、内存、存储和输入/输出(I/O)都必须在高并发环境下支持持续运行。这不仅对 CPU 提出了新的要
Arm 正迎来一个令人振奋的全新篇章,这不仅体现在个人计算领域,更延伸至整个计算产业。随着 AI 日益向智能体发展,智能将不再局限于某一种计算环境。AI 智能体将在云基础设施、个人设备以及两者之间的各种环境中运行,并根据不同任务选择最适合的计算资源。如今,我们已经看到这种混合智能(Hybrid Intelligence)模式逐渐成形。在云端,包括 Microsoft Azure Cobalt CPU 在内的 Arm 架构基础设施,为要求严苛的智能体 AI 工作负载提供高性能、高能效的计算能力;在边缘侧,不
人工智能(AI)基础设施正在加速向 Arm 架构迁移。如今,Arm 技术已部署在所有主要超大规模云服务提供商的平台中。根据 IDC 数据,基于 Arm 架构的机架级服务器市场规模现已超越 x86,成为加速计算领域的主流平台。随着 AI 迈入智能体时代,这一转变显得愈发重要。AI 智能体不仅能够生成答案,还能够持续运行、调用工具、访问数据并自主执行任务。随着智能体规模不断扩大,两项基础计算需求随之产生,分别是运行智能体与保护智能体所需的算力。Arm 为这两类计算需求提供支持。一方面,高性能 CP
9 月 23 日,在 GMIF 2026 全球存储器行业创新峰会上,Arm 全球存储业务负责人 John Xavier Lionel 发表了题为《从数据到 Token:重塑边缘 AI 的计算与存储架构》的主题演讲,围绕生成式人工智能(AI)时代计算与存储的演进趋势分享了最新洞察。 AI 正在重塑存储需求随着 AI 模型规模不断扩大、上下文长度持续增长以及并发用户数量快速增加,存储正成为影响 AI 系统能力的关键因素。在推理过程中,解码(Decode)阶段需要持续访问 KV Cache
在上周举办的 Arm Everywhere China 大会上,Arm 推出了机器人能力分级框架(Robotics Capability Framework)和面向物理 AI 的 Arm 全面设计生态项目(Arm Total Design for Physical AI),旨在为机器人产业建立统一的能力语言,推动产业协作与规模化创新。与此同时,Arm 发布最新机器人技术白皮书,从系统架构视角解析支撑机器人能力持续演进所需的计算与软件基础,为行业理解机器人能力与底层系统需求之间的关系提供新的参考。机器人产业
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
9 月 8 日,Arm Everywhere China 2026 年度大会在上海举办,围绕智能体时代分布式、全场景的计算需求,集中披露了覆盖云、边、物理世界的全栈技术布局。在物理 AI 赛道,Arm 将 Total Design 全面设计生态模式延伸至机器人、工业自动化等场景,携 80 余家生态伙伴共建面向物理 AI 的全面设计生态项目,并推出机器人能力分级框架,以统一标准破解行业碎片化痛点;在云 AI 赛道,通过 Neoverse CSS N4 高可配置计算子系统与 AGI CPU 形成分层算力供给,
随着智能体 AI(Agentic AI)正从云 AI 向边缘 AI 与物理 AI 延伸,开发者需要跨模型、运行时与硬件目标进行开发,其复杂度持续攀升。Arm 计算平台覆盖这一 AI 计算连续体,并依托超过 2,200 万开发者构成的广泛生态,为开发者提供优化的 AI 软件支持。 开发 AI 应用,无需以数周的模型搜索、基准测试与优化工作为起点。开发者需要快速定位适合的模型并了解其性能表现,智能体同样需要清晰的信号指引,以发现对应的模型、工具及技术资源。在刚刚举办的Arm Create 开发者大会
Arm 控股有限公司(纳斯达克股票代码:ARM,以下简称 Arm)举办 Arm Everywhere China 年度大会,以“赋能 AI 计算的未来”为主题,吸引近 2000 名来自产业链上下游的行业领袖、开发者及生态伙伴报名参会,共同探讨智能体时代的计算创新与产业发展机遇。Arm 执行副总裁兼首席商务官 Will Abbey 表示:“Arm 全球合作伙伴累计出货的基于 Arm 技术的芯片已超过 3,500 亿颗,中国创新者始终是这一全球创新历程中的重要力量。随着产业加速迈向智能体时代,Arm 依托覆盖
通过将 Arm 架构引入未来的 IBM Z 与 LinuxONE 平台,IBM 正在将关键任务企业计算与驱动现代云和 AI 基础设施的软件创新无缝连接。 整个行业正逐步向 Arm架构汇聚,并将其视为现代云计算的首选平台。亚马逊云科技(AWS)、Google、Meta、微软、NVIDIA 和 OpenAI 等企业所构建和部署的新一代云与人工智能(AI)基础设施,正是这一趋势的集中体现。在全球超过 2,200 万开发者组成的庞大软件生态系统的进一步推动下,这股发展势头如今正在向企业级的关键任务领域深
数十年来,PC 的设计始终围绕着用户使用应用的模式展开。智能体 AI (Agentic AI) 改变了这一模式:应用更加具备自主能力,用户只需向智能体下达指令,它们便能在工作流中完成观察、推理、规划与执行操作。 这一演进催生了两类对于人工智能 (AI) 赋能计算的广泛需求:卓越能效:支持全天续航、便携性,以及 AI 加持的高效生产力。极致性能:满足先进 AI 工作负载、内容创作、软件开发、游戏以及本地推理的需求。 全新基于 Arm 架构的 NVIDIA RTX Spark,正是这场变革
随着 AI 从响应提示词迈向完成任务,基础设施的优化重点也从模型本身扩展到整个工作流,涵盖规划、工具调用、结果验证与任务执行。 上午 8:42,一名开发者打开笔记本电脑,映入眼帘的是环境构建失败、测试报错,还有一条等待发布的代码分支。过去,她可能需要花费大量时间逐一排查日志、比对代码提交记录、追溯仓库历史;而如今,她只需向 AI 编码智能体下达一句简单指令: "修复失败的测试。找出 bug、提交补丁、重跑测试并汇总改动内容。” 敲几下键盘,喝上一口茶的时间,智能体就