AI智能体走向实用化，Arm为何押注CPU？

过去两年，生成式AI的聚光灯几乎全被GPU和NPU占据。但在AI智能体（Agent）加速落地的趋势下，CPU正重新被推回算力舞台的中心。

在近日举行的 Arm Everywhere China 年度大会上，Arm 集中公布了涵盖终端、数据中心以及物理AI的最新布局，包括面向移动设备的第二代计算子系统 CSS for Mobile 2、面向数据中心的 Neoverse CSS N4，以及可直接部署的 AGI CPU 平台。这些看似分散的产品线，指向同一个战略判断：AI 不会永远停留在“一问一答”的文本框交互阶段。

当AI开始像人类一样自主规划、访问数据库、调用外部工具并在多应用间频繁切换时，底层的计算范式随之重构。虽然高强度的模型推理依然依赖GPU和NPU，但庞杂的状态控制、逻辑调度和通用数据流转，必须由CPU统揽全局。Arm 首席营销官 Ami Badani 指出：“未来 GPU 与 CPU 的配比将逐步接近，甚至有可能趋近 1:1。”

智能体工作流重塑端侧算力

以智能手机为代表的端侧场景，对功耗、散热及内存带宽极度敏感。在运行端侧大语言模型时，系统不可能把所有处理环节一股脑推给NPU。此时，CPU需要维系长上下文状态并高效分派任务，GPU则要兼顾高动态图形渲染与并行计算。终端厂商比拼的维度，已从“单一芯片算力跑分”升级为“受限电量下的全系统协同能效”。

Arm 给出的答案是预整合解决方案 CSS for Mobile 2。该方案将 C2 CPU 集群、Mali G2-Ultra NX GPU、系统互联 IP、物理实现方案及软件开发工具预先打包。对芯片厂商而言，这大幅削减了底层验证与调优周期；对 Arm 而言，则把原本分散售卖的单点 IP 升级为了高附加值的系统级产品。

性能数据显示，小语言模型在 C2 CPU 集群上的运行速率最高可提升 70%；C2-Ultra 的 AI 性能较上代提升 1.7 倍，单线程性能提升 15%，同等性能下功耗降低最高达 38%。在GPU端，Mali G2-Ultra NX 引入了专用神经网络加速单元，可在图形管线中实时执行超分辨率采样、插帧与降噪，神经网络场景下的每瓦性能最高提升 4 倍。

数据中心拥抱全天候常态化负载

在数据中心端，计算模式同样发生了质变。Arm 云 AI 业务拓展副总裁 Eddie Ramirez 表示：“AI智能体是 7×24 小时不间断运行的，工作负载不再呈现偶发性和突发性。”这促使云服务商将评估重心转向单线程性能的可预测性，以及SLA服务等级的稳定兑现。

针对不同客户的研发路径，Arm 采取了分层打法：

1. Neoverse CSS N4：面向仍具自研芯片意愿的云厂商与半导体公司，保留较大架构设计自由度。单颗裸片最高支持 128 个核心，适配 LPDDR6 内存与 PCIe 7.0 接口。相较 CSS N3，N4 峰值性能翻倍，每瓦性能提升至 1.25 倍，内存带宽提升 1.75 倍。
2. AGI CPU 平台：针对希望绕过芯片底层设计、直接进入系统部署的企业，提供开箱即用的成品级芯片方案。目前 OpenAI、Meta、Oracle 和联想等已展开合作。火山引擎也计划基于 AGI CPU 构筑智能体安全沙箱，使多个智能体在资源相互隔离、按需弹性的环境中并行工作。

从“卖图纸”到“做交钥匙工程”的战略博弈

从单项 IP 授权，到计算子系统（CSS），再到成品级 AGI CPU 平台，Arm 正在实质性地“将产品越做越重”。

这种演进路径的商业收益相当可观：客户能够显著缩短产品上市周期，Arm 也有望摆脱单薄的版税分成，大幅推高单客价值。援引 IDC 统计，在加速计算领域，采用 Arm 架构的机架级服务器规模已正式超越传统 x86 方案。依托全球超过 3500 亿颗的芯片出货量与 2200 万开发者生态，Arm 正在将能效与软件一致性转化为极宽的护城河。

不仅如此，Arm 还在将这一平台策略复制至物理 AI（Physical AI）领域。面对涉及环境感知、多传感器融合、实时控制与高安全冗余的机器人与自动驾驶场景，Arm 将 Total Design 生态联盟延伸至该赛道，已吸引包括 AWS、Hugging Face、NXP、QNX、通义千问和西门子在内的逾 80 家产业伙伴加入，并牵头制定统一的机器人系统能力分级标准。

然而，这步棋也带来了不可忽视的平衡挑战。随着 Arm 向芯片系统设计纵深切入，其不可避免地会挤压芯片设计企业原本的客制化空间。如何在推进交钥匙工程以获取更大商业回报的同时，继续维持一个中立、开放的生态基石形象，将是 Arm 在AI智能体时代必须解答的核心命题。