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
由多个专业智能体 AI 系统组成的混合体系，无论是否存在总控角色，都能专注完成各自任务；但在界定人类与 AI 的工作边界方面，仍存在诸多挑战。核心要点多智能体系统已经演化为基于任务、动态组织的技能集合，层级比传统军事体系更加扁平化，部分系统甚至可以做到无主控（headless）。智能体能力也将依托物理层确定性引擎构建；这类智能体会以不同格式与其他智能体交互，以此保障 100% 精度，而单纯依靠大模型无法实现。必须保留人类参与，才能让设计成果具备版权保护资格；部署本地私有模型，是保护提示词知识产权与设计 I
双方合作旨在推动下一代人工智能、高性能计算（HPC）与先进半导体系统的开发进程。依托 AI 赋能的电子设计自动化（EDA）设计流程、具备多物理场感知的签核方法论、多物理场融合技术以及经过硅验证的 IP 核资源，新思科技（Synopsys）与台积电（TSMC）助力客户应对日益增长的设计复杂度，同时推动台积电最新工艺与先进封装技术落地应用。新思科技高级副总裁迈克尔・比勒‑加西亚（Michael Buehler‑Garcia）表示：
“随着 AI 系统规模与复杂度持续提升，客户需要经过实际硅片验证的 IP、智
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
随着边缘 AI 向工业自动化、车载电子、具身智能、医疗可穿戴等海量终端渗透，嵌入式系统对于低延迟、本地隐私保护、高可靠实时控制的需求快速抬升，MCU 正在成为边缘智能落地的核心硬件载体。围绕边缘智能时代 MCU 的角色演进、产品创新方向，以及如何通过软硬件协同加速 AI 在终端侧的规模化应用等话题，近日，德州仪器（TI）MSP 微控制器业务副总裁兼总经理 Vinay Agarwal 与媒体进行了深入交流与分享。边缘 AI 浪潮之下，行业正在经历计算模式的迁移：大量智能运算从云端服务器向数据采集的终端节点下
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
安富利旗下全球电子元器件产品与解决方案分销商e络盟正在扩大 Emerson NI Nigel™ AI 供应范围，这是一款专为测试与测量打造的 AI 技术。客户现可通过 e络盟体验全新增强功能，利用在 NI 软件产品组合中加入代码生成与自动化测试开发功能，从“AI智能顾问”升级为“AI创作工具”。这些增强功能让全球更多工程师能够使用 Emerson 由 AI 赋能的测试功能，加速开发，同时维持现代测试与测量环境不可或缺的严谨性、可控性与验证能力。随着工程系统越来越依赖软件来实现核心功能和互联互通
随着消费者越来越多地使用自主 AI 智能体，F‑Secure 与旗下 AMD Silo AI 展示了一套安全架构，可动态判定 AI 工作负载应当在本地设备运行还是云端运行。该方案将作为 F‑Secure TrustPath（可信通路）平台的技术底座。这款新平台旨在保护完整数字操作流程，涵盖网页浏览、登录、支付以及其他由 AI 智能体执行的各类操作。对于 eepw的读者而言，本次合作颇具参考意义：它将 AI 模型调度、边缘计算与云基础设施相结合，带来一套面向消费者网络安全的全新思路，同时也体现安全需求如何影
尽管软硬件协同设计的价值已经得到行业认可，但一体化软硬件开发流程仍面临诸多阻碍。 核心要点▼一体化软硬件开发流程需要攻克多项障碍。组织层面：团队相互独立，使用不同工具、编程语言，开发节奏不一致。技术层面：在开发流程的各个阶段，实现软件在硬件上的虚拟运行仍存在重大难题。AI 已经被证实能够助力软件开发，并开始渗透到硬件开发领域。但想要实现完全一体化的软硬件开发流程，仍需要跨越若干重大障碍，其中部分问题并非仅凭 AI 就能解决。软硬件深度协同开发的优势早已为人所知，但组织架构与技术层面的双重难题始终
冗余供电保障系统正常运行时间，但同时也造成容量闲置，本可承载更多硬件设备。核心要点▼电路设计能够降低功耗，但第三方 IP 核需要格外关注，因为集成方并未参与其设计。各颗芯片可以运行在适配自身实时工况的电压下，部分芯片得以以更低功耗工作。当某一路供电发生故障时，数据中心可调用预留电力，同时降负载运行，以此提升电力利用率。数据中心是众所周知的能耗大户。一方面行业持续降低电子设备功耗，避免总功耗持续膨胀；另一方面，为实现冗余备份，数据中心实际供电容量会高于标称所需容量。当前行业聚焦数据中心电力问题，两大方向正在
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473