首页 / 资讯详情
CPU加速AI普及，GPU首次加AI，Arm为何把NPU留给伙伴？
摘要
个人AI的实现，到底需要一套怎样的计算底座？当手机开始理解用户意图、调用工具并连续完成任务，计算平台要支撑的已不只是一次模型推理，而是完整的个人AI体验。在今天的Arm Everywhere China 2026大会上，Arm发布了最新的CSS for Mobile 2。可以观察到，AI在全新的手机计算子系统中扮演了两个不同角色，CPU通过增强AI计算能力，帮助更多应用用上AI；Mali GPU首次原生集成神经网络加速器，用AI推动游戏性能和体验跨越式提升。Arm的CPU正在推动端侧AI进一步普及。“目前几乎所有旗舰智能手机，无论是安卓还是iOS手机，均已采用SME2技术。”Arm边缘AI智能终端计算副总裁James McNiven表示。SME2是Arm给CPU增加的一套AI矩阵运算加速能力。新一代Arm C2 Ultra带来15%的单线程性能提升，增强SME2支持的C2 CPU集群，在特定AI模型上的执行性能可达到上一代的1.7倍。全新的Arm Mali GPU让人眼前一亮。在《光影新生》演示中给出的数据显示，Mali G2-Ultra NX借助神经图形技术，相比没有AI辅助渲染的上一代Mali G1-Ultra，帧率与能效最高达到4倍。AI开始参与画面重建，让手机能够以不同于传统渲染的方式获得更高的游戏性能。CPU加速AI普及，AI加速GPU进化。但在这套面向个人AI的平台中，Arm为什么没有同时纳入自家的NPU？James McNiven解释：“在移动设备领域，Arm一贯的思路是将NPU层面的技术创新更多交由合作伙伴主导。”把NPU的差异化创新留给伙伴后，Arm将重点放在CPU、GPU以及支撑硬件能力的软件生态上。从KleidiAI到神经图形模型、SDK和游戏引擎合作，Arm正在缩短处理器能力与开发者应用之间的距离。软硬件一体的系统和生态正是Arm在AI时代能够继续成为领导者的关键。SME2成为旗舰标配，Arm CPU加速端侧AI普及个人AI带来的计算负载，比运行一次模型复杂得多。以预订结婚纪念日晚餐为例，智能体需要完成语音转文字，搜索用户喜欢的餐厅、日历和相册，再生成指令、访问网页并执行操作，如果餐厅订满，整套流程还要重新运行。CPU既要运行部分轻量级模型，也要承担工具调用和任务编排，每个环节的延迟都会影响最终体验。Arm C2 Ultra针对这类负载增强了单线程性能、执行引擎和数据访问能力。根据Arm给出的数据，其单线程性能和网页浏览性能均提升15%，应用启动和多线程性能分别提升12%。单线程性能的提升，会直接影响智能体交互、工具调用和并行任务的响应速度。在C2 CPU集群中，C2 Ultra负责需要快速响应的突发负载，C2 Pro则以更高能效承担持续任务。Arm的合作伙伴可以按照产品定位调整两类核心的数量，而不是用一种核心覆盖所有场景。对于同时包含模型推理、系统服务和前台应用的个人AI负载，这种配置空间比单独追求一个峰值数字更有实际意义。更明显的AI性能提升来自SME2。在特定AI模型中，增强SME2支持的C2 CPU集群，执行性能可以达到上一代的1.7倍。不过，端侧AI不仅受计算能力限制，也经常受制于内存带宽。以大语言模型为例，处理整段输入的预填充阶段包含大量矩阵运算，更接近计算密集型任务；逐字生成答案时，处理器需要频繁读取模型权重，又更容易受到内存带宽限制。SME2提高矩阵计算效率，低位宽与缓存设计则减少需要搬运的数据，几项改进分别对应模型运行的不同阶段。面对计算密集型负载，量化是一个解决方法，从INT8、INT4进一步走向INT