AI存储时代 Arm准备好了！三管齐下 软硬兼施

近日在深圳举办的MemoryS 2025闪存峰会上，存储行业的众多龙头企业纷纷登台亮相，Arm的出现则可能让很多人感到意外。

事实上，Arm作为全球领先的计算平台公司，不仅仅服务于移动计算行业，更是以开放生态为核心，切实推动AI与存储技术的深度融合，推动从云端到边缘端的智能化转型。

本届峰会上，Arm物联网事业部业务拓展副总裁马健发表演讲，系统性地阐述了Arm在AI计算与存储领域的技术创新、生态共建、未来战略，并在会后接受了快科技的采访。

马健指出，近30年来，Arm架构产品一直是数据存储与网络控制的基石，为全球存储控制器和设备提供高性能、低功耗、安全可靠的解决方案。

－ Cortex-R系列实时处理器：拥有最快的中断延时和实时反应速度，广泛应用于诸多存储设备。

－ Cortex-M系列嵌入式处理器：后端闪存和媒体控制的热门选择，支持自定义指令，客户可以针对不同闪存进行深度优化。

－ Cortex-A系列应用处理器：高吞吐量流水线设计，支持最高处理性能，同时拥有机器学习、数据处理软件、丰富操作系统的广泛生态支持。

－ Ethos-U AI加速器：Transformer原生加速可高达每秒2048 MACs，让存储控制器本身变得更智能。

－ Neoverse基础设施平台：为数据中心量身定制，CXL采用Arm CMN(一致性网格网络)与Neoverse组合，实现可"组成式"内存扩展，并结合近存储计算，减少数据搬运。

其实，大量我们熟悉的存储类产品，幕后都是Arm在默默支撑。

比如，Solidigm首发的全球最大容量122.88TB SSD D5-P5336，其主控就采用了Arm Cortex-R CPU。

慧荣科技的新一代PCIe 5.0 SSD主控芯片SM2580，用的就是Arm Cortex-R8、Cortex-M0 CPU，业界首款车用PCIe Gen4主控芯片SM2264XT-AT，同样基于Arm CPU架构。

AI的快速发展，对基础算力提出了新的要求，包括高性能、低功耗、灵活扩展性等，而传统的标准通用芯片在处理计算密集型的AI工作负载时，往往显得力不从心。

在此背景下，Arm计算平台为新一代AI云基础设施带来了Neoverse CSS平台解决方案、Total Design生态项目、CSA芯粒系统架构，具有高效、灵活、可扩展的显著优势，也帮助合作伙伴可以快速打造差异化的产品，满足AI新需求。

同时，为了应对边缘侧对AI计算需求的增长，Arm还发布了全新的边缘AI计算平台，包括基于Armv9架构、拥有超高能效的Cortex-A320 CPU处理器，以及原生支持Transformer网络的Ethos-U85 AI加速器。

该平台实现CPU处理器与AI加速器的深度配合，具备强大的计算能力，是边缘侧AI设备运行大模型、复杂任务的理想解决方案，可运行10亿以上规模参数的大模型。

在马健看来，生成式AI和大模型从爆发到现在虽然才短短三年时间，但已经得到了广泛而深入的行业规模部署，边缘计算也在进入AI时代后发生了显著的变化。

一是计算能力大幅提升，软硬件协同优化。

边缘计算节点正突破传统的"小型网关+通用CPU"模式，向智能化方向加速演进。通过深度集成GPU、FPGA、NPU等异构计算单元，边缘设备已经实现了更强的并行计算性能，同时具备更强的AI推理加速能力。

同时，边缘设备的软件栈也日益完善，越来越多厂商针对AI推理场景提供轻量化推理框架，比如ExecuTorch、TensorFlow Lite、ONNX Runtime、飞桨PaddleLite等等，从而在资源受限的环境下，运行高效的模型推理。

二是从"数据传输中心"转变为"实时智能中心"。

早期的边缘计算主要承担数据预处理和缓存功能，大量原始数据需要输送至云端，再进行分析和训练。

现在，AI模型尤其是推理部分，正越来越多地在边缘设备上实现本地化执行，以满足实时性、隐私合规等需求。

边缘节点不再只是数据"传输管道"，而是进化为提供实时智能服务的中心节点，这不仅有效减轻了云端的带宽与存储负担，还使得决策过程更贴近实际应用场景，实现了毫秒级的快速响应。

三是模型生命周期管理与协作深化。

云边之间的协作更加紧密，云端负责大模型的训练及更新，边缘侧则专注轻量化推理与在线更新。

在此过程中，对边缘侧模型的部署与运维变得尤为重要，包括模型分发、滚动升级、A/B 测试等。

为此，需要依赖自动化的MLOps平台在边缘侧发挥关键作用，确保整个模型生命周期的高效管理与无缝协作。

针对边缘计算的未来发展趋势，Arm正从硬件、软件、生态三个方面协同发展，释放边缘AI的重要价值。

硬件方面，就是刚才说过的全新边缘AI计算平台。

软件方面，Arm去年推出了Kleidi软件库，首先用于智能手机和服务器市场，现已扩展到了汽车和物联网领域。

这是一套专为AI框架开发者设计的计算内核，可以在Arm CPU上获取最佳性能，支持包括Neon、SVE2 等在内的Armv9架构的关键特性，大幅提升了AI计算效率。

Kleidi已集成到多个主流AI框架，包括Llama.cpp、ExecuTorch、LiteRT，可以加速Llama 3、Phi-3等主流AI大模型

生态方面，Arm已将Armv9架构Cortex处理器系列全面的性能和生态引入智能物联领域，包括极致性能的Cortex-X925，以及适合低成本、低功耗大规模智能部署的全新Cortex-A320，因此无论边缘AI设备的需求如何，都能找到最合适的处理器方案。

例如，Cortex-A320支持多种操作系统, FreeRTOS/Zephy等实时操作系统(RTOS)，Linux、Android等功能丰富操作系统，都能提供高效支持。

Arm在边缘计算领域一直有着广泛的布局，不仅涵盖CPU、GPU、NPU等IP核产品线，还深入软件工具链、标准化平台、安全解决方案等多个维度。

随着AI技术在边缘侧应用的迅猛发展，如智能制造、智慧城市、车载计算、智能家居等，Arm正在三个方面重点发力：

一是打造CPU+GPU+NPU三大引擎组成的异构计算IP。

CPU方面，Cortex系列将不断强化通用算力，具备卓越性能和能效的Cortex-A/R/M系列，超高性能Cortex-X系列，以及专为基础设施设计的Neoverse系列，可以满足更广泛的算力需求。

比如Neoverse优化了多核心多线程、虚拟化，非常适合边缘服务器、智能网关等场景，保持功耗优势的同时提供高吞吐性能。

比如超高能效Cortex-A320，非常适合大规模、低成本、低功耗的智能部署。

GPU方面，Mali系列在移动端、智能终端市场应用广泛，未来将继续增强通用计算能力，兼顾图形渲染和部分AI推理需求，支持流畅、自然、直观的人机交互体验。

NPU方面，Ethos系列AI加速器已原生支持Transformer神经网络，可与 CPU、GPU 协同构建异构计算平台，支持运行超过10亿参数小模型。

Ethos可在有限面积与功耗下提供高效AI算力，适合在智能物联网、智能视觉、智能可穿戴、工业控制等边缘场景中，部署轻量化或中等规模的深度学习推理。

二是云-边-端协同的软件赋能。

从云基础设施、边缘AI计算平台到终端AI处理，Arm KleidiAI都能为开发者提供基于Arm计算平台的一致体验，实现从云到端的无缝衔接。

在国内，KleidiAI已集成到腾讯混元大模型中，加速端侧AI推理的速度。

阿里通义千问Qwen2-VL-2B-Instruct模型同样集成了KleidiAI，可以在基于Arm CPU的移动设备上，运行多模态AI工作负载。

未来，Arm计划推出更多软件库、计算内核、引擎集成，持续在Arm平台上构建新的AI赋能。

三是强化安全与信任。

安全与隐私保护是边缘AI大规模部署的重点，也是Armv9架构处理器和边缘AI计算平台的主要发展方向。

在硬件级安全方面，Arm在架构层面强化了TrustZone、TEE等安全机制，Armv9架构支持Secure EL2、指针验证/分支目标识别（PACBTI）、 内存标记扩展（MTE）等安全指令，并符合PSA Certified 规范。

在软件可信堆栈方面，针对边缘环境OTA在线升级、远程管理的需求，Arm将持续与各类操作系统或云平台合作，完善从Bootloader到应用层的安全链条。

马健强调，随着边缘AI的快速发展，将会有更多、更复杂的AI工作负载，转向边缘设备进行处理。

Arm重点始终是面向市场、面向合作伙伴，提供满足当下和未来各个领域AI应用工作负载的解决方案。