不止一颗CPU？智能体经济时代，Arm对算力平台有了新理解
英文标题：不止一颗CPU？智能体经济时代，Arm对算力平台有了新理解
导语：200瓦功耗之差的新战场记者：郭思编辑：包永刚9月9号，人社部公布了第八批新职业名单，尤为瞩目的一个新职位是智能体开发员。岗位的正式确立，意味着相关技术已走向主流，而背后则是底层技术的实质性跃迁，当模型不再停留在问答层面，而是开始具备“行动”能力——底层算力的需求结构也在重塑。智能体在运行过程中，需要频繁地获取数据、调用工具并等待结果返回，这对系统的响应延迟提出了极高的敏感度。因此，以往“唯算力论”的粗放型资源配置模式，已逐渐失去经济性与合理性。正是在这一技术范式转移的关键节点，产业界给出了最直接的回应。就在职业名单公布的前一天（9月8日），Arm在Arm Everywhere Chin
123.3 KB
2.3 KB
1.6 KB
105.2 KB
107.6 KB
45.8 KB
34.4 KB
26.6 KB
28.7 KB
33.7 KB
26.4 KB
19.0 KB
12.5 KB
9.3 KB
1.8 KB
中文
导语：200瓦功耗之差的新战场
记者：郭思
编辑：包永刚
9月9号，人社部公布了第八批新职业名单，尤为瞩目的一个新职位是智能体开发员。岗位的正式确立，意味着相关技术已走向主流，而背后则是底层技术的实质性跃迁，当模型不再停留在问答层面，而是开始具备“行动”能力——底层算力的需求结构也在重塑。智能体在运行过程中，需要频繁地获取数据、调用工具并等待结果返回，这对系统的响应延迟提出了极高的敏感度。因此，以往“唯算力论”的粗放型资源配置模式，已逐渐失去经济性与合理性。
正是在这一技术范式转移的关键节点，产业界给出了最直接的回应。就在职业名单公布的前一天（9月8日），Arm在Arm Everywhere China年度大会上展示了Arm AGI CPU 在中国生态的最新进展，发布了Neoverse CSS N4。精准呼应了智能体时代对高效推理算力的迫切需求，更预示着底层硬件架构正加速向适应AI Agent复杂交互的方向演进。
两条路径，一个底座
在首款自研芯片上直接冠以“AGI”之名，足见Arm对AGI CPU这款处理器的自信。
在今年三月正式发布时，Arm AGI CPU的核心性能就备受关注，136个Arm Neoverse V3核心、96条PCIe Gen6通道、12通道DDR5内存。
而更常被人问起的一个问题则是，客户为什么要选择Arm AGI CPU？
在Arm Everywhere China年度大会上，Arm云AI业务拓展副总裁Eddie Ramirez直接通过一个数据给出了答案：同等性能下x86方案的TDP通常是500瓦，AGI CPU只有300瓦。
这200瓦的功耗差距，并非仅仅是参数表上的数字优化，而是精准击中了当前数据中心基础设施的痛点。 如今，数据中心最稀缺的资源早已不是芯片本身，而是电力供应和机架空间。将这200瓦的差距摊到机架级别，意味着在同等功耗限制下，能够部署的计算核心数几乎可以实现翻倍，这笔成本帐也让客户的迁移成为了一件顺理成章的事情。
IDC 报告显示，基于 Arm 架构的机架级服务器市场规模已经超越 x86，成为加速计算领域的主流平台。
当Arm亲自下场推出自研芯片，市场存在的另一大疑虑则在于：这是否会与购买Arm IP进行自研设计的客户形成竞争？对此，Arm给出的答案相当务实。
推出Arm AGI CPU，本质是响应客户的真实需求。
Arm 举例，像 SAP 这类客户，在云端业务会采用基于 Arm 架构的 Graviton 实例，但本地私有云环境仍大量部署第三方芯片。同一家企业，云端用 Arm 架构、本地采用另一套架构，造成了计算环境割裂。
Arm 从 SAP 以及众多客户处收到的核心诉求，就是需要一套能够贯通云端到本地、体验一致的计算平台，Arm AGI CPU 正是为此打造。这类本地场景此前并非 Arm 的覆盖范围，从这个意义上理解Arm AGI CPU ，更多的是Arm对市场空间的外延拓展，而非抢夺现有云服务客户的存量市场。
事实上，今年 3 月 Arm AGI CPU 发布之际，亚马逊云科技、Google、微软、NVIDIA、甲骨文等超大规模云厂商均表态支持。这些巨头早就依托 Arm 架构收获可观的能效红利，也更希望推动更多软件完成 Arm 生态适配。
而当我们把目光看向Arm此次发布的Neoverse CSS N4时，我们会惊奇的发现，Arm在智能体时代，不止提供IP，升级点也从单个性能指标拓展到系统级升级。
官方介绍，Neoverse CSS N4是Arm迄今可配置程度最高的CSS平台，单裸片能从8核配到128核，最高频率3.8GHz。
在2026年，单纯比拼核心数量已经不算什么新鲜事了。竞争对手早已推出了核心数更多的产品。
所以，CSS N4 真正的杀手锏，并不在于堆叠了多少个核心，而在于它极大地提升了数据搬运的速度和效率。
它有两个值得一提的设计，一是支持最新一代 LPDDR6 内存。相比于目前主流的 DDR5 内存，LPDDR6 不仅更省电、占用芯片面积更小，还能让数据传输更顺畅。当其他厂商还在使用上一代内存技术时，Arm 已经率先将新一代内存引入了数据中心。
另一方面，他还支持最新的 PCIe Gen 7 接口标准。这个接口就像是芯片与外部设备之间的“高速公路”，Gen 7 的带宽比目前主流产品领先了一代。这意味着数据进出处理器的速度会大幅提升。
也就是说，当行业趋势从更大的算力集群走向更快的数据搬运速度之时，Arm早已做好了系统准备，在核心数、内存和接口上同时实现跨代升级的组合，让“数据搬运瓶颈”这个老大难问题变得可解决，可突破。
从商业角度，Arm的产品逻辑其实也非常简单。无论客户处于哪种阶段，哪个规模，只要他还在做智能体行业，Arm就会为其提供选择。
头部大厂有完整的芯片团队，要的是IP授权或CSS。N系列、V系列的核心、互连、内存和I/O预集成好，客户再加自己的加速器、内存拓扑和软件栈。这条路的门槛是5亿到8亿美元的流片投入，以及从RTL到量产软件栈的多年工程积累。AWS七年做了五代Graviton，微软18个月迭代两代Cobalt，背后都是这种投入。
当然，市场上并非每一家客户都需要打造定制芯片。对于希望部署量产就绪算力的客户而言，Arm AGI CPU 也能提供 Neoverse 平台具备的卓越性能与能效。
“一些此前从没考虑过Arm的厂商，现在也开始关注这条路径”。Eddie Ramirez在大会上直言。
换句话说，无论客户从哪个入口进来，最后用到的工具链和开发环境是同一套。Arm从IP授权扩展到CSS再到商用CPU，背后其实是同一件事——做人工智能时代的基石平台。
硅基共生时代，我们需要一个怎样的开发平台？
“做人工智能时代的基石平台”——听起来十分宏大的概念，但落到具体的工程实践中，除了非常出色的硬件性能表现外，其实还需要回答一个非常朴素的问题：在AI时代，开发者究竟需要什么样的支持？
芯片是底座，但底座之上还有很长的路要走。从模型选型到性能调优，从部署测试到上线运维，开发者需要工具、数据和参考实现。如果这些环节各自分散在不同的仓库、文档和论坛里，即便芯片性能再强，开发效率也会被拖慢。
这正是 Arm 试图补齐的环节。
Arm Create 开发者大会上海站上，Arm 正式宣布，Arm AI Portal 正式上线，定位是为开发者提供一个统一入口，在 Arm 计算平台上完成 AI 软件的发现、优化和部署。
从功能上看，它做的事情并不复杂：开发者可以在上面查找针对特定任务预优化的模型，获取性能和准确率数据，对比延迟、内存占用和模型规模，还能找到代码示例和部署工作流。
听起来像是一个模型市场加文档中心的组合。但它的特殊之处在于，所有工作都围绕 Arm 架构做了优化，并且考虑到了智能体时代的开发模式变化。
值得一提的是，Arm AI Portal 并未强行嵌入开发者的工作流，而是选择适配现有开发环境。这种“不改变用户习惯”的设计思路虽然在业内并不罕见，却也存在着较大难度，模型版本迭代频繁，性能数据需要持续更新，不同硬件平台的优化参数也需要分别维护。
Arm 的做法是先把基础打好——平台目前支持语言、语音、视觉及神经图形等多类 AI 工作负载，首批预优化模型包括阿里巴巴通义千问、Google Gemma 以及 Ultralytics YOLO，支持的运行框架涵盖 ExecuTorch、LiteRT 和 ONNX-RT。生态合作伙伴包括阿里巴巴、树莓派和 Ultralytics。
图：开发者可借助 Arm AI Portal，基于性能数据评估模型在特定 Arm 平台上的适配情况
从而为模型选型与部署决策提供参考。
另一个亮点是，Arm 优化后的模型可以直接在 Hugging Face 获取，而 Portal 的资源则通过模型上下文协议（MCP）开放给编程智能体。MCP 相当于给机器定了一套通用语言，不再需要人类开发者在中间做翻译或搬运。这意味着，随着开发工作流逐渐由智能体驱动，平台资源可以被它们自动发现和调用，省去了额外的适配成本。
这个设计选择的背后，触及了一个更深层的行业趋势：我们正在进入一个“硅碳共生”的时代，AI 应用的开发不再仅仅是人类开发者的专属工作，AI 模型和智能体正在成为开发流程中的协作者，甚至是独立的生产者。当开发工作日益向智能体驱动演进时，机器与机器之间的关系变得至关重要。
尽可能的将繁琐及复杂留给AI ，而将决策和创意留给人类，这便是Arm给出的对“碳硅共生”的理解。
在性能优化方面，Arm 提供了一些可量化的数据。例如，采用单线程执行与混合量化配置，搭载 Q8_0 talker 与 code predictor 组合方案，Qwen3-TTS 在 vivo X300 上通过第二代 Arm 可伸缩矩阵扩展（SME2）的加速，实现了超过 4 倍的速度提升。Ultralytics YOLO26 在 vivo X300 上依托 SME2 技术，单线程 FP16 相较 FP32 实现超 40% 性能提升；在树莓派 5 平台上，采用 FP16 与 INT8 混合量化方案，相比 FP32 同样实现超 40% 的性能提升。
这些数据当然不能代表所有场景下的表现，但至少说明了一个方向：在 Arm 架构上，通过软硬件协同优化，仍然可以在特定工作负载上获得有意义的性能收益。对于开发团队而言，这意味着他们不需要从零开始做模型调优，可以直接从已经优化过的起点出发，把精力集中在应用逻辑上。
不用重复造轮子，Arm给了开发者一个看上去最简单却也是最本质的开发平台选择。
而当我们把视线从芯片和架构中抽离，重新审视“智能体开发者”这个新职业时，我们会发现，当每一次技术奇点来临时，人类都会需要重塑对于人与工具之间的关系。而当硅基共生来临时，智能体开发者一方面代表着一个新的产业或者说技术范式的崛起，而另一方面也代表着，官方对于一种全新生产关系的认证。
在这场变革中，Arm正在铺设通往下一代 AI 的关键路径。从AGI CPU对能效边界的静默突破，到Neoverse CSS N4对数据流转的系统级疏通，再到Arm AI Portal借MCP协议为机器间搭起通用语言——应时而动，应需而生。它无意成为一方霸主，只愿做智能体、开发者与智能体经济背后，那片生生不息的底层土壤。雷峰网(公众号：雷峰网)
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
English / 原文
导语：200瓦功耗之差的新战场
记者：郭思
编辑：包永刚
9月9号，人社部公布了第八批新职业名单，尤为瞩目的一个新职位是智能体开发员。岗位的正式确立，意味着相关技术已走向主流，而背后则是底层技术的实质性跃迁，当模型不再停留在问答层面，而是开始具备“行动”能力——底层算力的需求结构也在重塑。智能体在运行过程中，需要频繁地获取数据、调用工具并等待结果返回，这对系统的响应延迟提出了极高的敏感度。因此，以往“唯算力论”的粗放型资源配置模式，已逐渐失去经济性与合理性。
正是在这一技术范式转移的关键节点，产业界给出了最直接的回应。就在职业名单公布的前一天（9月8日），Arm在Arm Everywhere China年度大会上展示了Arm AGI CPU 在中国生态的最新进展，发布了Neoverse CSS N4。精准呼应了智能体时代对高效推理算力的迫切需求，更预示着底层硬件架构正加速向适应AI Agent复杂交互的方向演进。
两条路径，一个底座
在首款自研芯片上直接冠以“AGI”之名，足见Arm对AGI CPU这款处理器的自信。
在今年三月正式发布时，Arm AGI CPU的核心性能就备受关注，136个Arm Neoverse V3核心、96条PCIe Gen6通道、12通道DDR5内存。
而更常被人问起的一个问题则是，客户为什么要选择Arm AGI CPU？
在Arm Everywhere China年度大会上，Arm云AI业务拓展副总裁Eddie Ramirez直接通过一个数据给出了答案：同等性能下x86方案的TDP通常是500瓦，AGI CPU只有300瓦。
这200瓦的功耗差距，并非仅仅是参数表上的数字优化，而是精准击中了当前数据中心基础设施的痛点。 如今，数据中心最稀缺的资源早已不是芯片本身，而是电力供应和机架空间。将这200瓦的差距摊到机架级别，意味着在同等功耗限制下，能够部署的计算核心数几乎可以实现翻倍，这笔成本帐也让客户的迁移成为了一件顺理成章的事情。
IDC 报告显示，基于 Arm 架构的机架级服务器市场规模已经超越 x86，成为加速计算领域的主流平台。
当Arm亲自下场推出自研芯片，市场存在的另一大疑虑则在于：这是否会与购买Arm IP进行自研设计的客户形成竞争？对此，Arm给出的答案相当务实。
推出Arm AGI CPU，本质是响应客户的真实需求。
Arm 举例，像 SAP 这类客户，在云端业务会采用基于 Arm 架构的 Graviton 实例，但本地私有云环境仍大量部署第三方芯片。同一家企业，云端用 Arm 架构、本地采用另一套架构，造成了计算环境割裂。
Arm 从 SAP 以及众多客户处收到的核心诉求，就是需要一套能够贯通云端到本地、体验一致的计算平台，Arm AGI CPU 正是为此打造。这类本地场景此前并非 Arm 的覆盖范围，从这个意义上理解Arm AGI CPU ，更多的是Arm对市场空间的外延拓展，而非抢夺现有云服务客户的存量市场。
事实上，今年 3 月 Arm AGI CPU 发布之际，亚马逊云科技、Google、微软、NVIDIA、甲骨文等超大规模云厂商均表态支持。这些巨头早就依托 Arm 架构收获可观的能效红利，也更希望推动更多软件完成 Arm 生态适配。
而当我们把目光看向Arm此次发布的Neoverse CSS N4时，我们会惊奇的发现，Arm在智能体时代，不止提供IP，升级点也从单个性能指标拓展到系统级升级。
官方介绍，Neoverse CSS N4是Arm迄今可配置程度最高的CSS平台，单裸片能从8核配到128核，最高频率3.8GHz。
在2026年，单纯比拼核心数量已经不算什么新鲜事了。竞争对手早已推出了核心数更多的产品。
所以，CSS N4 真正的杀手锏，并不在于堆叠了多少个核心，而在于它极大地提升了数据搬运的速度和效率。
它有两个值得一提的设计，一是支持最新一代 LPDDR6 内存。相比于目前主流的 DDR5 内存，LPDDR6 不仅更省电、占用芯片面积更小，还能让数据传输更顺畅。当其他厂商还在使用上一代内存技术时，Arm 已经率先将新一代内存引入了数据中心。
另一方面，他还支持最新的 PCIe Gen 7 接口标准。这个接口就像是芯片与外部设备之间的“高速公路”，Gen 7 的带宽比目前主流产品领先了一代。这意味着数据进出处理器的速度会大幅提升。
也就是说，当行业趋势从更大的算力集群走向更快的数据搬运速度之时，Arm早已做好了系统准备，在核心数、内存和接口上同时实现跨代升级的组合，让“数据搬运瓶颈”这个老大难问题变得可解决，可突破。
从商业角度，Arm的产品逻辑其实也非常简单。无论客户处于哪种阶段，哪个规模，只要他还在做智能体行业，Arm就会为其提供选择。
头部大厂有完整的芯片团队，要的是IP授权或CSS。N系列、V系列的核心、互连、内存和I/O预集成好，客户再加自己的加速器、内存拓扑和软件栈。这条路的门槛是5亿到8亿美元的流片投入，以及从RTL到量产软件栈的多年工程积累。AWS七年做了五代Graviton，微软18个月迭代两代Cobalt，背后都是这种投入。
当然，市场上并非每一家客户都需要打造定制芯片。对于希望部署量产就绪算力的客户而言，Arm AGI CPU 也能提供 Neoverse 平台具备的卓越性能与能效。
“一些此前从没考虑过Arm的厂商，现在也开始关注这条路径”。Eddie Ramirez在大会上直言。
换句话说，无论客户从哪个入口进来，最后用到的工具链和开发环境是同一套。Arm从IP授权扩展到CSS再到商用CPU，背后其实是同一件事——做人工智能时代的基石平台。
硅基共生时代，我们需要一个怎样的开发平台？
“做人工智能时代的基石平台”——听起来十分宏大的概念，但落到具体的工程实践中，除了非常出色的硬件性能表现外，其实还需要回答一个非常朴素的问题：在AI时代，开发者究竟需要什么样的支持？
芯片是底座，但底座之上还有很长的路要走。从模型选型到性能调优，从部署测试到上线运维，开发者需要工具、数据和参考实现。如果这些环节各自分散在不同的仓库、文档和论坛里，即便芯片性能再强，开发效率也会被拖慢。
这正是 Arm 试图补齐的环节。
Arm Create 开发者大会上海站上，Arm 正式宣布，Arm AI Portal 正式上线，定位是为开发者提供一个统一入口，在 Arm 计算平台上完成 AI 软件的发现、优化和部署。
从功能上看，它做的事情并不复杂：开发者可以在上面查找针对特定任务预优化的模型，获取性能和准确率数据，对比延迟、内存占用和模型规模，还能找到代码示例和部署工作流。
听起来像是一个模型市场加文档中心的组合。但它的特殊之处在于，所有工作都围绕 Arm 架构做了优化，并且考虑到了智能体时代的开发模式变化。
值得一提的是，Arm AI Portal 并未强行嵌入开发者的工作流，而是选择适配现有开发环境。这种“不改变用户习惯”的设计思路虽然在业内并不罕见，却也存在着较大难度，模型版本迭代频繁，性能数据需要持续更新，不同硬件平台的优化参数也需要分别维护。
Arm 的做法是先把基础打好——平台目前支持语言、语音、视觉及神经图形等多类 AI 工作负载，首批预优化模型包括阿里巴巴通义千问、Google Gemma 以及 Ultralytics YOLO，支持的运行框架涵盖 ExecuTorch、LiteRT 和 ONNX-RT。生态合作伙伴包括阿里巴巴、树莓派和 Ultralytics。
图：开发者可借助 Arm AI Portal，基于性能数据评估模型在特定 Arm 平台上的适配情况
从而为模型选型与部署决策提供参考。
另一个亮点是，Arm 优化后的模型可以直接在 Hugging Face 获取，而 Portal 的资源则通过模型上下文协议（MCP）开放给编程智能体。MCP 相当于给机器定了一套通用语言，不再需要人类开发者在中间做翻译或搬运。这意味着，随着开发工作流逐渐由智能体驱动，平台资源可以被它们自动发现和调用，省去了额外的适配成本。
这个设计选择的背后，触及了一个更深层的行业趋势：我们正在进入一个“硅碳共生”的时代，AI 应用的开发不再仅仅是人类开发者的专属工作，AI 模型和智能体正在成为开发流程中的协作者，甚至是独立的生产者。当开发工作日益向智能体驱动演进时，机器与机器之间的关系变得至关重要。
尽可能的将繁琐及复杂留给AI ，而将决策和创意留给人类，这便是Arm给出的对“碳硅共生”的理解。
在性能优化方面，Arm 提供了一些可量化的数据。例如，采用单线程执行与混合量化配置，搭载 Q8_0 talker 与 code predictor 组合方案，Qwen3-TTS 在 vivo X300 上通过第二代 Arm 可伸缩矩阵扩展（SME2）的加速，实现了超过 4 倍的速度提升。Ultralytics YOLO26 在 vivo X300 上依托 SME2 技术，单线程 FP16 相较 FP32 实现超 40% 性能提升；在树莓派 5 平台上，采用 FP16 与 INT8 混合量化方案，相比 FP32 同样实现超 40% 的性能提升。
这些数据当然不能代表所有场景下的表现，但至少说明了一个方向：在 Arm 架构上，通过软硬件协同优化，仍然可以在特定工作负载上获得有意义的性能收益。对于开发团队而言，这意味着他们不需要从零开始做模型调优，可以直接从已经优化过的起点出发，把精力集中在应用逻辑上。
不用重复造轮子，Arm给了开发者一个看上去最简单却也是最本质的开发平台选择。
而当我们把视线从芯片和架构中抽离，重新审视“智能体开发者”这个新职业时，我们会发现，当每一次技术奇点来临时，人类都会需要重塑对于人与工具之间的关系。而当硅基共生来临时，智能体开发者一方面代表着一个新的产业或者说技术范式的崛起，而另一方面也代表着，官方对于一种全新生产关系的认证。
在这场变革中，Arm正在铺设通往下一代 AI 的关键路径。从AGI CPU对能效边界的静默突破，到Neoverse CSS N4对数据流转的系统级疏通，再到Arm AI Portal借MCP协议为机器间搭起通用语言——应时而动，应需而生。它无意成为一方霸主，只愿做智能体、开发者与智能体经济背后，那片生生不息的底层土壤。雷峰网(公众号：雷峰网)
雷峰网原创文章，未经授权禁止转载。详情见转载须知。