本文来自微信公众号：极客公园 （ID：geekpark），作者：郑玄，原文标题：《AI算力从云端「下放」，Arm 为手机备好了「新引擎」》

当所有人都在谈论云端AI的万亿参数和千亿投资时，我们口袋里的手机，在AIGC浪潮中究竟扮演着怎样的角色？

不可否认，今天AI的主战场仍在云端。有着数万张高性能显卡的数据中心，支撑着模型的训练和绝大多数推理任务。但这套模式的挑战也日益凸显：高昂的算力成本、无法忽视的网络延迟，以及越来越严峻的能耗问题。每一次我们向云端AI提问，背后都是一次昂贵的计算和数据传输。

于是，行业里一个清晰的共识正在形成：AI的未来，必然是「云+端」的混合模式。将更多的AI能力下放到离用户最近的设备上，不仅能带来更快的响应、更好的隐私保护，更重要的是，它可能催生出全新的、真正「个人化」的AI体验。

而谈到终端，我们无法绕开Arm。这家公司设计的架构，驱动着全球大部分的智能手机。这意味着，终端AI的未来图景，很大程度上取决于Arm在底层计算架构上提供了怎样的「画笔」。Arm的选择，也一定程度上决定着整个移动生态能画出怎样的AI应用。

近日，Arm举办了Arm Unlocked 2025 AI技术峰会，详细解读了其下一代Lumex CSS平台。这不仅仅是一次产品发布，更像是Arm对「AI将如何重塑终端」这个问题的系统性回答。那么，这套被寄予厚望的新架构，究竟为端侧AI的爆发，准备了哪些关键的技术拼图？

01

CPU的新角色：

SME2为端侧AI注入原生动力

随着端侧AI变得愈发先进和成熟，移动芯片所面临的设计压力也在不断加剧。一方面，旗舰产品的迭代周期不断缩短，另一方面，向3纳米等先进工艺节点的迈进也带来了巨大的设计复杂性。在面积和功耗都极为受限的移动设备上实现AI性能的持续增长，对芯片供应商和OEM厂商来说是一项艰巨的挑战。

Arm Lumex计算子系统（CSS）正是在这一背景下诞生的。它代表了Arm从提供独立IP向提供集成式平台的一次关键转变。通过将预先验证和优化的CPU、GPU、系统IP与生产就绪的3纳米物理实现方案相结合，开发团队可以根据自己的需要将这些模块单元进行组合，开发自己的芯片产品，从而加速产品上市进程。

作为一个为AI优先时代重新设计的模块化平台，Lumex包含了多个协同优化的核心组件：全新的Armv9.3 C1 CPU集群，搭载为AI加速而生的SME2技术；新一代的Arm Mali G1-Ultra GPU，带来了桌面级的硬件光线追踪能力；以及全新的系统IP，用以确保数据高效流转，消除性能瓶颈。

在这套完整的计算子系统中，扮演着「计算大脑」核心角色的，便是全新的Arm C1 CPU集群。该集群由旗舰性能的C1-Ultra、次旗舰C1-Premium及持久高能效的C1-Pro、极致能效C1-Nano构成，可进行灵活组合以应对多样化的计算负载。然而，在众多升级之中，最值得关注的变化，是其原生集成的第二代可伸缩矩阵扩展技术（SME2）。

要理解SME2的重要性，首先需要明白现代AI模型，尤其是驱动生成式AI的大语言模型（LLM），其运算核心本质上是海量的矩阵乘法。过去，CPU处理这类并行计算任务的效率相对较低，因此需要将任务「卸载」给专门的AI加速器，如NPU（神经网络处理单元）。这一过程虽然有效，但数据的搬运和调度不可避免地会引入额外的延迟和功耗。

SME的出现，正是为了从根本上解决这一问题。它并非一个外部「插件」，而是在Armv9-A架构中引入的指令集架构(ISA)扩展。这使得CPU核心本身就获得了高效执行矩阵运算的原生能力。从技术演进上看，这是Arm在CPU并行计算能力上的一次飞跃，经历了从SIMD（单指令多数据流，如Neon技术）到SVE（可伸缩矢量扩展），再到如今专为矩阵运算优化的SME/SME2。

这种原生能力带来的提升是显著的。根据Arm公布的数据，在SME2技术的加持下，Arm C1 CPU集群的AI性能相较于上一代提升高达5倍，同时实现了3倍的能效优化。这意味着AI应用不仅响应速度有了质的飞跃，对于极为宝贵的移动设备电量也更为友好。

这些数据在实际应用场景中得到了验证：在处理本地语音识别任务（Whisper Base模型）时，延迟降低了4.7倍；在运行聊天机器人（Gemma 3模型）时，AI性能增长了4.7倍。在模型上生成音频（Stable Audio）时，速度提升了2.8倍。

SME2在不同AI场景工作负载的效率提升丨来自：Arm

这种性能跃升，让以往可能需要数秒等待的AI交互，变得更加「瞬时」。对于需要即时反馈的AI助手、实时翻译、代码生成等场景而言，消除延迟是提升用户体验的关键。SME2让CPU有能力直接处理这类对延迟敏感的任务，从而改变了移动SoC内部的异构计算分工模式，赋予了芯片设计师更大的灵活性。

为了让这一强大的硬件能力能够被软件生态无缝利用，Arm还提供了KleidiAI软件库。它与主流的AI框架（如PyTorch，TensorFlow，MNN，ONNX Runtime）深度集成，开发者无需重写或修改上层应用代码，就能自动调用SME2能力实现加速。这种软硬协同的策略，极大地降低了新技术的使用门槛，确保了当搭载Arm Lumex平台的设备上市时，海量的现有应用能够第一时间享受到性能红利。

可以说，SME2的出现正深刻地改变着CPU在终端AI计算中的角色。它让CPU从一个传统的通用计算与控制单元，演变为一个同样擅长处理AI负载的高效处理器，为未来更复杂、更庞大的AI模型在手机等终端设备上流畅运行，铺平了坚实的道路。

02、AI如何重塑GPU，以及移动游戏的未来

如果说CPU的进化是为终端AI提供了「通用算力」的坚实基础，那么全新的Mali G1-Ultra GPU的变革，则更像是一场由AI技术深度赋能的、针对移动游戏体验的全面升级。

说到GPU，今天很多人第一时间会想到英伟达的超级AI计算芯片。但在智能手机等移动设备上，GPU虽然也处理一部分AI工作负载，但其核心使命依然是在图形计算领域，为用户提供画面更好、运行更流畅的内容体验。Arm的思路，正是利用AI技术对移动端的游戏体验进行一次彻底的增强。

第一个层面，是用硬件光线追踪技术，为移动游戏画质带来质的飞跃。光线追踪通过模拟真实世界的光线路径，能够生成极为逼真的阴影、反射和全局光照效果，是近年来PC和主机游戏画质革命的核心。Mali G1-Ultra集成了全新的第二代光线追踪单元（RTUv2），这是一个专为光线与几何体求交运算而设计的独立硬件单元。

RTUv2的光追表现提升丨来自：Arm

相较于软件模拟，专用硬件的效率呈指数级提升，带来了高达2倍的光追性能跃升和40%的帧率提升。这意味着《原神》、《暗区突围》这类追求极致画质的手游，未来将能实现媲美桌面级的动态光影效果，从而进一步模糊手游与PC/主机游戏的视觉界限。

第二个层面，也是更具想象力的一点，是用AI来「欺骗」眼睛，打破性能与画质的传统桎梏。现代大型游戏对GPU的渲染压力极大，要在有限的功耗下同时实现高分辨率和高帧率几乎是不可能的。为此，PC端诞生了DLSS、FSR等AI超分辨率技术，其核心思想是让GPU以较低分辨率渲染画面，再通过AI模型「脑补」出高分辨率的图像。Arm也推出了自己的解决方案——Arm ASR（Accuracy Super Resolution）。这是一种基于时域（Temporal）的超分技术，它会分析前后多帧图像的信息，智能地重建出细节，从而在大幅降低GPU负载的同时，保持甚至提升图像质量。

这种「AI插帧」和「AI分辨率增强」技术的引入，对于移动游戏而言意义非凡。它意味着游戏可以以更低的功耗运行，延长续航；或者在同样的功耗下，达到更高的帧率，带来更流畅的体验。对于开发者而言，他们可以更从容地加入更复杂的特效，而不必担心手机「带不动」。AI在这里扮演的角色，是打破硬件物理极限的「魔法师」。

第三个层面，是对传统图形性能的持续精进。Mali G1-Ultra的整体图形性能也得到了系统性提升，在《暗区突围》、《原神》等流行游戏中，实现了17%至25%不等的性能增长。这得益于多项架构改进，例如引入「双堆叠着色器核心」来加倍内部带宽、减少拥塞，以及「图像区域依赖（IRD）」智能调度技术，使GPU能并行处理屏幕的不同区域，在复杂场景中显著提升效率。

综合来看，Arm新一代GPU的进化路径，与桌面级GPU的发展方向高度一致：它不再仅仅是一个被动执行渲染指令的图形处理器，而是越来越多地借助AI的能力，主动地去优化和创造更好的视觉体验。硬件光追负责提升画质上限，AI超分和插帧负责优化能效比和流畅度，传统的性能提升则作为这一切的基础。三者结合，共同构成了下一代移动游戏的技术基石。

03、AI向终端迁移，Arm的选择与未来

通过CPU与GPU的协同，并结合全新的系统IP，新一代Arm Lumex提供了一套经过验证的、软硬结合的完整解决方案。它让不同类型的AI与图形负载，都能在最合适的处理单元上以最优效能运行。

今天，AI从云端向终端大规模迁移正在成为重要趋势。这一趋势的背后，是算法的进步、制程工艺的演进，以及如今，底层计算架构的革新。Arm Lumex正是补上了其中最关键的一块拼图，为解决终端算力瓶颈提供了可行的答案。将AI计算更多地放在终端，不仅能为用户带来更低的延迟、更好的隐私保护和更深度的个性化，也能降低开发者对云端服务器的依赖和成本，从而催生出真正意义上「AI原生」的全新应用。

Arm自身也清晰地认识到了这一历史性转变，而这种转变最直观地体现在其全新的产品命名体系上。过去，我们熟悉Arm是通过其一个个独立的IP核代号，例如代表旗舰性能的Cortex-X系列CPU、主打能效的Cortex-A700系列CPU，以及Mali或Immortalis系列的GPU。芯片设计公司就像攒电脑一样，从Arm的货架上挑选这些独立的「零件」，自行进行集成、验证和优化。

如今，Arm开始交付高度集成的「计算子系统（CSS）」。为了体现这一变化，命名规则也焕然一新。首先，针对不同市场推出了平台品牌，如面向移动端的Lumex、面向PC的Niva。

其次，平台内的组件命名也变得更加系统和直观。例如，CPU集群被统一命名为C1，而不再使用Cortex。集群内的核心则用Ultra、Premium、Pro、Nano这样的后缀来清晰地划分性能等级。曾经的Cortex-X系列旗舰核，如今演变成了C1-Ultra；曾经的Cortex-A700系列能效核，则对应C1-Pro。

GPU的命名也遵循了这一逻辑，旗舰产品直接命名为Mali G1-Ultra。这种从复杂的数字编号到清晰的层级化命名的转变，让外界能更容易地理解其产品布局，也凸显了Arm如今更强调平台整体的性能表现，而非单个IP的孤立指标。

展望未来一到两年，我们有理由期待，搭载Arm Lumex架构的旗舰芯片将陆续问世。硬件的成熟，必将为软件的创新提供肥沃的土壤。届时，我们或许会看到终端AI应用的一次集中爆发：一个能理解屏幕上下文、无需联网就能随时响应的智能个人助理；一款在任何场景下都能流畅进行实时音视频翻译的应用；手机相册内建的、强大的AIGC工具，可以随手创作和编辑图像；以及画质足以媲美游戏主机的次世代手机游戏。

Arm Lumex平台的发布，是终端AI发展蓝图中的一块关键技术拼图。它为整个移动生态提供了一套强有力的基础工具，去构建下一代智能体验。当技术的基础设施准备就绪，一个更有想象力的应用时代或许即将开启。