多家中企入局，Arm正在给X86更多压力

过去两年，AI产业最耀眼的位置几乎一直属于GPU。数万张GPU组成的训练集群、更大的模型、更高的算力，构成了生成式AI最为熟知的叙事。

但AI本身正在发生变化。近日，在上海举办的Arm Everywhere China 2026上，Arm将这种变化概括为从Generative AI走向Agentic AI：过去模型更多是在接收输入后“给出答案”，而智能体得到一个目标后，会推理、规划、编排，连接工具和模型，并真正“采取行动”，持续迭代直到任务完成。

过去，Arm主要靠架构和IP授权赚钱，由高通、苹果、亚马逊、Google等客户自己完成芯片设计。如今从IP、CSS再到可以直接交付的AGI CPU，Arm正在把过去交给客户完成的环节，一步步纳入自己的产品范围。

部分中国公司也在加入Arm阵营中。火山引擎计划将Arm 的AGI CPU引入数据中心并用于下一代AI服务，联想正在围绕AGI CPU开发AI基础设施，Arm与新紫光集团的合作也同时覆盖AGI CPU和CSS。

随着Arm服务器生态继续扩张，长期由英特尔、AMD主导的x86阵营正面临更大的份额压力。而对Arm来说，新的考题也从“让更多芯片采用Arm”进一步变成“让更多芯片直接由Arm自己卖出去”。

Arm边缘AI事业部执行副总裁Chris Bergey将CPU称为“the heart of agentic AI”。他表示，随着Agentic AI发展，CPU不仅要处理传统应用负载，还需要承担智能体在不同任务、工具和模型之间的编排，同时直接参与越来越多端侧AI计算。

此次Arm推出新一代移动终端计算子系统 Arm CSS for Mobile 2，由C2 CPU集群和 Mali G2-Ultra NX GPU为两大核心计算引擎。

Arm发布CSS for Mobile 2观察者网

C2 CPU集群由C2-Ultra、C2-Pro以及两组SME2组成，三者分别承担不同角色。C2-Ultra面向对延迟最敏感的前台任务和智能体编排，强调单线程性能和即时响应；C2-Pro则承担更注重持续性能与能效的工作负载；两组SME2进一步强化了CPU自身的AI计算能力，通过专门的矩阵处理指令加速大语言模型、语音识别等矩阵运算密集型任务。

上一代C1集群已经支持SME2，此次C2集群将SME2能力进一步翻倍。Arm称，C2-Ultra运行部分最新AI模型时，性能最高可达C1-Ultra的1.7倍。

在Arm展示的一项完整智能体工作流中，C2-Ultra便可较上一代将任务速度提升15%；进一步引入SME2加速后，整体速度提升扩大至24%。

Mali G2-Ultra NX GPU是CSS for Mobile 2的另一个核心。Arm将其称为首款“AI-native” Mali GPU，也是首款集成专用神经加速器的Mali GPU。该GPU通过在Shader中引入入神经加速器，让AI直接参与画面重建和生成，以在移动设备有限的功耗下降低传统渲染负载。在Arm展示的特定神经图形场景中，Mali G2-Ultra NX的每瓦性能最高提升4倍。

Arm介绍Mali G2-Ultra NX GPU观察者网

来到云端，问题变成了如何让成千上万个智能体同时高效运行。

Arm此次新发布Neoverse CSS N4，是Arm迄今可配置程度最高的基础设施计算子系统，合作伙伴可以根据不同工作负载，在8核到128核之间配置CPU核心数量，并调整缓存、内存、I/O、加速器连接和Chiplet接口等平台配置，因此同一套N4既可以用于DPU等专用基础设施芯片，也可以用于高核心数的云端CPU。

N4也是首款支持LPDDR6内存和PCIe Gen 7的Neoverse CSS，为不同配置提供更高的内存带宽和I/O能力。

而对于不需要自行设计芯片的客户，Arm则继续推进今年3月发布的AGI CPU，单颗集成136颗Neoverse V3 CPU核心。

Arm介绍Neoverse CSS N4观察者网

对于AGI CPU，Arm把衡量性能的尺度从单颗芯片推向了机架级“计算密度”。所谓计算密度，就是在既定的电力、散热和机架空间内，能够部署多少有效算力。Arm称，在标准36kW风冷机架中，可部署30个双节点服务器单元、共8160个CPU核心，其每机架性能可达到最新x86方案的两倍以上。

而此次中国市场的合作，也正好覆盖了AGI CPU从芯片到真正运行服务的不同环节。联想负责把AGI CPU做进服务器和机架系统，在现场展示了其HR650a V3 2U Arm AGI CPU服务器系统，搭载了双AGI CPU处理器；火山引擎则已经对AGI CPU展开早期测试，覆盖MySQL、Nginx、Redis和企业应用等主流云负载，并计划进一步将其用于智能体沙箱等场景。

HR650a V3 2U Arm AGI CPU服务器观察者网

Physical AI方面，Arm把重点放在生态协同和行业共同语言上，推出Total Design for Physical AI，联合80多家企业围绕模型、软件、计算、传感器和执行器等环节进行协同开发与验证；同时提出Robotics Capability Framework，希望建立一套描述和比较机器人能力的共同语言，将机器人划分为RL0至RL5六个层级。银河通用首席战略官赵于莉也在现场称，目前机器人产业仍然“缺少标准”，需要形成一套从底层基础到系统层面的“共同语言”，并进一步打通芯片、软件开发和系统等环节。

Arm执行副总裁兼首席商务官Will Abbey将Arm对未来AI计算的判断概括为：智能在云端被创造，在边缘变得个人化，并最终进入物理世界采取实际行动。随着Agent和工作负载在不同场景之间流动，Arm希望做的，是用统一的底层技术和软件生态把这些原本分散的计算环境连接起来，同时把差异化空间留给芯片、云和终端厂商。这也呼应了“Arm Everywhere”的主题：无论AI以何种形态存在，Arm都希望成为其背后的共同计算平台。