当 AI 智能体开始干活 Arm 为什么更看重 CPU

AI 芯片的聚光灯此前几乎都在GPU和NPU上，智能体兴起后，CPU又被推回了舞台中央。

近日，Arm 在上海举行 Arm Everywhere China 年度大会，会上既有面向手机的第二代计算子系统 CSS for Mobile 2，也有用于数据中心的 Neoverse CSS N4 和 AGI CPU，机器人和自动驾驶也同步发布新产品和服务。

看起来分散的几条产品线，背后押注的是同一件事，AI 不会一直停留在问一句、答一句的聊天框里。智能体要持续访问数据库，调用工具并在多个应用之间切换。NPU 和 GPU 依然负责最吃算力的部分，CPU 则要接住调度、控制和大量通用任务，完整工作流里，任何一种芯片都很难单打独斗。

这也解释了 Arm 为什么把产品越做越重，过去它主要出售 CPU 和 GPU 的 IP 授权，如今，计算子系统和可直接部署的 CPU 平台都摆上了货架，客户可以少做一些底层整合，Arm 则能更深地进入一颗芯片的设计和交付过程。

智能体把 CPU 拉回算力中心

以手机场景为例，端侧大模型受制于功耗、散热和内存，不可能把所有任务都塞给 NPU。CPU 要维护上下文、调度应用，GPU 还得兼顾图形和并行计算，厂商比拼的重点因此不再只是某一个处理器跑得多快，而是整套系统能否在有限电量里顺畅配合。

CSS for Mobile 2 就是 Arm 给出的整套方案，它把 C2 CPU 集群、Mali G2-Ultra NX GPU、系统 IP、物理实现方案和软件工具预先整合在一起。对芯片公司而言，这相当于少走一段验证和适配的路，对 Arm 而言，则是把原本分散出售的 IP 打包成价值更高的产品。

Arm 称，最新小语言模型在 C2 CPU 集群上的运行速度最高提升 70%；与上一代 C1-Ultra 相比，C2-Ultra 的 AI 性能最高提升 1.7 倍，单线程性能最高提升 15%，在相同性能下，功耗最高可降低 38%。

GPU 一侧，Mali G2-Ultra NX 加入了专用神经网络加速器，可以在图形管线里完成超级采样、插帧和降噪。Arm 给出的数据是，神经网络场景下每瓦性能最高提升 4 倍，传统游戏性能最高提升 14%。腾讯互娱和 Unity 中国已经接入相关技术，网易《燕云十六声》和叠纸《无限暖暖》也在推进适配。

在数据中心领域，CPU 的角色更加明确，Arm 云与 AI 业务负责人 Eddie Ramirez 表示：“智能体是 7×24 小时不间断运行，工作负载不再以突发性为特征。”云厂商更在意单线程性能能否预测，服务等级能否稳定兑现。

Arm 首席营销官 Ami Badani表示：“GPU 和 CPU 配比未来会逐步接近，甚至有可能趋近 1:1。”这也是 Arm 最想争取的增量市场。

Arm 不再满足于只卖 IP

Neoverse CSS N4 和 AGI CPU 实际上是两种不同深度的生意。N4 留给客户较大的设计空间，面向仍想自研芯片的云厂商和芯片公司，单颗裸片最高支持 128 个内核，并支持 LPDDR6 和 PCIe 7.0。按照 Arm 的数据，与 CSS N3 相比，N4 性能最高可达 2 倍，每瓦性能最高提升至 1.25 倍，内存带宽最高提升至 1.75 倍。

AGI CPU 则往前多走了一步，它是一套可直接部署的芯片平台，客户不必从 IP 开始搭建。OpenAI、Meta、Oracle 和联想等公司正在围绕该产品开发方案。火山引擎计划推出基于 AGI CPU 的智能体沙箱，让不同 AI 智能体运行在彼此隔离、又可按需扩展的环境中。

从 IP 到 CSS，再到成品 CPU，Arm 交到客户手里的东西越来越完整。这样做的好处很直接，客户可以缩短开发周期，Arm 也有机会提高单个项目的收入。

但代价同样存在，产品做得越深，公司就要承担越多研发、制造协同和市场推广工作，也更容易触碰客户原本自己完成的设计环节。

Arm 援引 IDC 数据称，在加速计算场景中，采用 Arm 架构的机架级服务器市场规模已经超过 x86。Arm 眼下的筹码仍是能效、软件生态和横跨终端与云端的架构兼容性，据披露，合作伙伴累计出货的 Arm 架构芯片已经超过 3500 亿颗，相关软件开发者超过 2200 万人。

物理 AI 是 Arm 试图复制这种平台能力的下一个市场。机器人和自动驾驶系统既要运行模型，又要处理实时控制、安全、传感器和执行器，参与者比手机产业链更加分散。Arm 已把 Total Design 生态项目扩展到这一领域，参与企业超过 80 家，包括 AWS、Hugging Face、NXP、QNX、通义千问和西门子。

Arm 物理 AI 业务拓展副总裁 Dermot O'Driscoll 表示：“我们的目标是帮助解决方案提供商与终端用户建立连接，推动机器人方案从研发阶段走向实际部署。”这里最先落地的项目之一，是一套机器人能力分级框架，Arm 想用统一语言描述机器人的任务、时延、算力位置、内存、功耗和安全需求，方便不同厂商对接。

同样需要观察的，还有 Arm 与客户之间的边界。芯片企业使用 CSS 或 AGI CPU，开发速度会更快，自主设计空间也会相应缩小。云厂商一边采购 Arm 技术，一边继续保留自研能力，Arm 若想把产品卖得更深，就必须证明自己仍是一个足够中立的平台伙伴。（本文首发于钛媒体APP，文 | TechPulse，作者 | 张帅，编辑 | 杨林）