
智能体时代,Arm 角色正在重写。
过去十年,中国语境里的 Arm 几乎等同于“手机芯片 IP 授权方”。
这个印象不算错。Arm 的 CPU 内核确实躺在全球绝大部分智能手机里,2010 年代那场移动互联网浪潮,本质上也是 Arm 架构的胜利。
但 2026 年 9 月 8 日的 Arm Everywhere China 大会,让这个印象显得过于狭窄。
这场在上海举办的活动吸引了近 2000 名产业链上下游的从业者。Arm 一次性把战线拉到了云、边缘和物理 AI 三个方向,覆盖了从数据中心 CPU 到机器人协作平台再到移动端神经图形加速器的全栈发布。
这种覆盖密度,本身就是一种信号。Arm 已经不打算在智能体时代继续当配角。
支撑这种“角色升级”的数字有几个:Arm 合作伙伴累计出货的基于 Arm 技术的芯片已超过 3500 亿颗;平台上活跃着 2200 万软件开发者;IDC数据显示,基于 Arm 架构的机架级服务器市场规模已超过 x86,成为加速计算领域的主流平台。
这三个数字,分别对应了 Arm 在过去、现在和未来要扮演的三种角色。
1.边缘,CPU 重新被设计
CSS for Mobile 2无疑是此次发布会的最核心亮点。
这是 Arm 全新一代的移动终端计算子系统。Arm之所以要发布CSS for Mobile 2,原因很简单,当智能体 AI 开始在手机上长驻、当神经图形技术要在手游里跑出电影感画面时,过去的“CPU 加 GPU”组合已经不够用了。
所以,Arm 把 CPU、GPU 和系统 IP 一起重新做一遍。
新的 Arm C2 CPU 集群由 C2-Ultra(Arm 迄今最强的移动 CPU)、C2-Pro 以及两个 SME2 单元组成。SME2 是 Arm 用来在 CPU 上跑矩阵运算的关键扩展。借 SME2 的运算能力,最新一代小语言模型的运行速度可提升高达 70%。
和上一代 C1-Ultra 相比,C2-Ultra 的 AI 性能最高提升 1.7 倍,单线程性能提升 15%,同等性能下功耗下降 38%。对手机厂商来说,最后一个数字往往比前两个更重要。续航是直接关系到用户愿不愿意“开着 AI”的硬约束。
GPU 端的变化更激进。
Mali G2-Ultra NX 是 Arm 第一款集成专用神经网络加速器的 Mali GPU。所谓神经图形,是指用神经网络来重建、增强、生成画面细节,而不是完全依赖传统渲染管线。
在神经处理场景下,这款 GPU 能实现最高 4 倍的每瓦性能提升;常规游戏场景下,也有最高 14% 的性能提升。
这些数字指向一个产业判断:智能体时代,CPU 不再只是通用算力的代表,它被要求承担“编排器”的角色,负责维护上下文、调度工作负载、协调 GPU 和 NPU。
GPU 也不再只是图形渲染器,要在跑 AI 加速的同时还得渲染画面。这两种角色变化,意味着移动 SoC 的设计范式正在被重写。
中国生态对这种重写的响应是即时的。
vivo 已经把 Arm 神经网络技术集成到了最新旗舰手机;网易《燕云十六声》借助弥赛亚引擎,计划在今年向玩家推出支持神经超级采样的版本;腾讯游戏正在把 Arm 神经图形技术集成到 AI 驱动的中台 MagicDawn;Unity 中国则把 Arm 神经网络技术原生集成到团结引擎,让开发者“开箱即用”。阿里通义千问家族的 Qwen-Audio 也在 Arm CPU 和 SME2 上展示了端侧语音生成能力。
Arm 执行副总裁兼首席商务官 Will Abbey 在大会现场直言:“Arm 依托覆盖云、边缘和物理应用的统一计算平台,正携手中国合作伙伴加速创新成果落地,为下一代 AI 体验和智能应用构建坚实计算底座。”
“统一”。Arm 想要的不只是一个端侧冠军,而是一个三端共享的底层。
2.物理 AI 是新大陆
如果说边缘 AI 是 Arm 的“老地盘”,那物理 AI 几乎是一块全新大陆。
所谓物理 AI,是指把智能体 AI 从数字世界带到物理世界,覆盖机器人、汽车、自主系统等场景。Arm 估算,到 2030 年代,物理 AI 每年会带来约 2000 亿美元的计算市场机遇。诱惑足够大,但门槛也足够高。
物理 AI 涉及的链条极长,覆盖 AI 模型、软件栈、计算平台、传感器、执行器,每一个环节都可能出现碎片化。Arm 自己在通稿里写得很直接:市场上没有任何一家企业能够独自解决这些挑战。
Arm 的应对是把“全面设计”(Total Design)生态从云端扩展到物理 AI。这个项目在云端已经被验证过,它的做法是把不同层级的合作伙伴聚到一起,让大家在 Arm 架构上做协同开发。
现在 Arm 把它搬到了机器人和汽车场景,首批 80 多家伙伴包括亚马逊云科技、Hugging Face、Liquid AI、NXP、QNX、西门子、亿咖通、智加科技、PSYONIC 等,覆盖了从 AI 模型、传感器、虚拟平台到数字孪生的全技术栈。
更具产业意味的是 Arm 推出的“机器人能力分级框架”(Robotics Capability Framework)。这个框架的逻辑参照了 SAE J3016 自动驾驶分级,给驾驶自动化划分 L0 到 L5 的等级,让整个行业有一门共同语言。
Arm 想给机器人做同样的事:定义不同级别的能力,对应不同复杂度,关联具体的时延、算力部署位置、内存、功耗、确定性、安全性等系统需求。
这个倡议的产业意义大于纯技术意义。机器人行业现在最大的问题不是某一项技术不够强,而是不同企业的“能力描述”完全无法对齐。
投资人要比较 A 机器人和 B 机器人的能力差异,终端客户要选择合适的产品,集成商要把不同模块拼起来,这些事都因为缺乏通用语言而效率极低。Arm 通过这个框架,把行业里分散的玩家拉进一个共同的对话平台。
中国玩家是这场生态构建的重要力量。
银河通用的具身智能基座大模型 AstraBrain 已经能支持人形机器人在制造、零售、家庭等多元场景部署;傅利叶、联想车计算、Anaxi Labs、Robotec.ai 都参与了机器人能力分级框架的初始架构讨论。银河通用首席战略官赵于莉的判断很直白:只有让具身智能大规模走进物理世界,产业才会迎来真正的突破。而 Arm 提供的,是这个“大规模”所需的基础设施。
3.云端破圈,与一次重新定义
云端,是 Arm 这场“全栈”故事里变化最剧烈的一节。
过去几年,Arm 在云端的存在感其实并不强,长期被视作“端侧架构”。但 Arm 这次拿出的两个产品组合,正在改变这个判断。
Neoverse CSS N4 是 Arm 迄今可配置性最高的 CSS(计算子系统)。单颗裸片最多可搭载 128 个内核,支持 LPDDR6 内存和 PCIe Gen 7 互连。
和上一代 N3 比,性能最高提升 2 倍,每瓦性能最高提升 1.25 倍,内存带宽最高提升 1.75 倍。鸿钧微电子是首批采用 N4 开发差异化基础设施芯片的合作伙伴之一。对于需要自研定制芯片的客户,N4 给了他们一个经过验证的一体化底座。
而对于希望直接拿量产芯片部署的客户,Arm 提供了 AGI CPU。
这颗 CPU 推出后,OpenAI、Meta、Cloudflare、Oracle、SAP、联想、Supermicro、Verda 都已经基于它开发了相关方案。
Google Cloud 在基于 Axion 的 GKE 环境中部署了智能体沙箱;Microsoft Azure 用 Cobalt 200 加速智能体沙箱中的工具调用与执行;NVIDIA Vera 也对智能体工作负载做了专门优化。字节跳动旗下火山引擎已经把首批基于 Arm AGI CPU 的智能体沙箱推向市场。
新紫光集团则更进一步,与 Arm 深化战略合作,计划在中国成立联合通用人工智能创新中心,覆盖 AI 智能体编排、CXL 内存池化、机架级系统架构和边缘 AI 等方向。
这一系列动作的产业含义很清晰:智能体时代,CPU 重新成为数据中心的主角。原因并不复杂。智能体不是单纯跑推理,它要检索数据、调用工具、协同其他智能体、保持上下文,这些任务对编排能力、调度能力、低延迟响应的要求极高。
GPU 解决不了“编排”这件事,CPU 才能。所以无论是 Google Cloud、Microsoft Azure 还是字节火山引擎,做的都是“智能体沙箱”这种工作负载,而沙箱恰恰是 Arm 架构最擅长的领域。
这跟 Arm 过去十年专注的“端侧低功耗”故事完全不同。从端到云,Arm 完成了一次“破圈”,IDC 关于“基于 Arm 架构的机架级服务器规模已超 x86”的数据,是这次破圈的市场化背书。
全栈战略的最后一公里,不在硬件,而在开发者。Arm 这次发布的 AI Portal,是一个面向开发者和智能体的统一入口,用来发现、评估、使用经过 Arm 优化的模型、代码和工具。再往前,KleidiAI 提供 AI 软件框架的底层优化,神经图形开发套件把神经网络的图形能力开放给普通开发者。
这三件套背后,是 Arm 平台上 2200 万软件开发者,他们是把“无处不在的硬件”翻译成“无处不在的应用”的关键。
把这三件事拼起来看,Arm 在 2026 年的角色变化就清晰了。它不再只是“卖 IP 的公司”,而是“运营一个跨云、端、物理世界的计算平台”的玩家。
这次发布会的主题词“无处不在”,但这四个字是有前提的,硬件到软件的距离得短。Arm 用 C2 CPU 集群、Mali G2 GPU、Neoverse CSS N4、Arm AGI CPU、AI Portal 这一串发布,正在努力把这段距离做短。
显然,这不是一场关于“新芯片”的发布会,而是一场关于 Arm 自身定位的发布会。这家公司正在用一次大会,把“无处不在”从一个营销口号,变成一份可被产业检验的产品清单。