在人工智能芯片领域，GPU和NPU曾长期占据聚光灯下的核心位置，但随着智能体技术的快速发展，CPU的重要性正被重新定义。近期，Arm在上海举办的年度技术大会上，展示了从移动设备到数据中心的多条产品线，揭示了智能体时代芯片架构的深层变革逻辑——单一芯片类型已无法满足复杂任务需求，异构计算系统的协同能力成为关键。
移动端场景的变革尤为显著。受限于功耗、散热和内存容量，端侧大模型无法将所有计算任务交给NPU处理。CPU需要承担上下文管理、应用调度等核心任务，GPU则需兼顾图形渲染与并行计算。这种分工模式促使Arm推出第二代移动计算子系统CSS for Mobile 2，通过将C2 CPU集群、Mali G2-Ultra NX GPU及系统IP深度整合，为芯片厂商提供预验证的解决方案。测试数据显示，该方案使小语言模型在CPU集群上的运行速度提升70%，AI性能较前代提升1.7倍，单线程性能提升15%，功耗降低38%。GPU侧新增的神经网络加速器，更将图形管线中的超级采样、插帧等场景能效提升4倍。
数据中心的转型则聚焦于稳定性与可预测性。Arm云与AI业务负责人指出，智能体需要7×24小时持续运行，其工作负载呈现常态化特征，而非传统的突发式计算。这促使云厂商更关注单线程性能的稳定性与服务等级协议的兑现能力。在此背景下，Arm预测GPU与CPU的配比将逐步趋近1:1，这一比例调整正成为加速计算市场的新增长点。
Arm的产品策略正从IP授权向系统级解决方案延伸。面向不同需求的客户，其推出两条并行产品线：Neoverse CSS N4为云厂商保留芯片设计自主权，支持最高128核配置及LPDDR6/PCIe 7.0技术，性能较前代提升2倍；AGI CPU则提供可直接部署的芯片平台，OpenAI、meta等企业正基于该平台开发智能体沙箱等应用。这种转变使客户开发周期缩短30%以上，但Arm也需承担更多研发与市场推广责任，甚至可能触及客户原有的设计环节。
支撑Arm战略转型的，是其横跨终端与云端的架构兼容性优势。IDC数据显示，在加速计算场景中，采用Arm架构的机架级服务器市场规模已超越x86阵营。目前，合作伙伴基于Arm架构的芯片出货量突破3500亿颗，软件开发者数量超过2200万。这种生态壁垒正被复制到物理AI领域——机器人与自动驾驶系统需要同时处理模型推理、实时控制、传感器融合等复杂任务，参与者比移动产业链更为分散。Arm通过扩展Total Design生态项目，联合AWS、西门子等80余家企业，构建机器人能力分级框架，试图用标准化语言描述任务时延、算力位置等参数，降低不同厂商间的对接成本。
这种深度介入市场的策略也带来新的挑战。芯片企业采用CSS或AGI CPU虽能加速产品上市，但设计自主性相应降低；云厂商在采购Arm技术的同时，仍需保留自研能力以维持竞争力。Arm若想在系统级解决方案市场持续扩张，需在商业利益与平台中立性之间找到平衡点——既要证明自身技术方案的不可替代性，又要避免成为客户眼中的潜在竞争对手。
