9月8日，Arm在上海举办Arm Everywhere China年度大会，发布移动端计算子系统CSS for Mobile 2、云端计算子系统Neoverse CSS N4，并更新了自有芯片AGI CPU的合作进展。

两条产品线，都把CPU放在了AI叙事的中心。手机CPU加强小模型推理，服务器CPU瞄准智能体运行。Arm押注的是同一个变化：当用户开始让AI办事，模型给出的答案后面，还会跟着一连串需要执行的程序。

这些程序运行得如何，会决定AI究竟能替人省多少时间，也决定了算力预算该花在哪里。

模型给出方案以后还有活要干

让AI解释怎样分析一份销售表，它给出步骤，任务大致就结束了。让AI直接交付分析报告，后面的工作才刚开始。

它可能要读取文件，检查字段，写一段程序清洗数据，再运行程序生成图表。如果执行报错，还要把错误交回模型，修改代码，重新运行。模型与执行环境如此往返，直到产出结果。

在这条流程里，模型推理通常可以借助GPU或其他加速器，而读取数据、运行程序、管理进程等大量工作，仍由CPU及其所在的系统处理。

其中不少工作原本就由CPU承担。过去是人打开软件、发起操作、等待结果；智能体可以把这些步骤串起来，自动连续执行，也可以同时开展几个任务。变化发生在调用频率、并发量和资源调度上。随着这类应用增多，云平台除了供应模型推理，还要为它们准备足够的执行环境。

因此，模型提速并不保证整项任务按同样比例提速。程序排队、数据读取缓慢，或者工具调用迟迟没有返回，都可能让更快的模型停在那里等。CPU性能只是其中一个因素，内存、存储和网络也会影响结果。用户等的是一份完成的报告，后台各个环节不能只顾自己跑分。

Arm在本次云端发布中，特别强调了这种模型之外的计算需求。它同时区分了两类诉求：一些基础设施更看重吞吐效率，另一些智能体应用则对响应速度更敏感。前者关心一台机器能承载多少工作，后者关心眼前这项工作能否尽快往下走。

Arm瞄准的增量，来自智能体使用规模扩大后增加的执行次数与并发任务。是否需要采购更多CPU，取决于这些新增任务能否被现有系统消化。

在数据中心，服务器容量、电力和成本会约束这些执行任务。大量任务同时运行，会争用内存和I/O资源；核心再多，数据送不过来，执行效率照样上不去。

新发布的Neoverse CSS N4便同时增加计算密度与数据传输能力。产品资料显示，它单颗裸片最高支持128核，支持LPDDR6内存和PCIe Gen 7互连。相较CSS N3，每插槽性能最高达到2倍，内存带宽最高达到1.75倍。这是平台层面的比较，不能全部归因于单个CPU核心变快。

对于前面那份销售报告，平台既需要让单个任务尽快读到数据、执行代码，也需要在许多用户同时提交任务时保持服务。扩充CPU核心、内存和互连，回应的是这两种压力。至于能多承载多少智能体，还要用具体任务和并发条件验证，发布会上的倍数不能直接换算成业务容量。

同一套任务到了手机上还要重算功耗

到了手机上，CPU的角色又多了一层。它既要支持助手调用应用和系统服务，也可能直接承担部分小模型推理。后者取决于模型规模、延迟与功耗条件。

手机只有一块电池。一个经常唤醒、持续维护状态的助手，即使每次调用都不重，累积起来的能耗也会影响续航。Arm在新一代移动平台里，同时加强了CPU的AI计算能力与能效。CSS for Mobile 2中的C2集群，由C2-Ultra和偏重能效的C2-Pro组成，并配备双SME2单元。SME2是第二代可伸缩矩阵扩展，可以提高CPU执行矩阵运算的效率，为部分小模型提供直接在CPU上运行的路径。

对系统来说，多一条运行路径就多一种安排任务的选择。模型多大、响应要多快、当前设备有多少功耗余量，都会影响计算该交给哪个单元。实际收益需要放到完整的应用中测，不能由一项峰值算力替代。

按照Arm公布的测试数据，相较C1-Ultra，C2-Ultra的AI性能最高达到1.7倍，单线程性能最高提升15％，同等性能下功耗最高降低38％。三项指标对应不同的性能和能耗比较，实际手机的表现还取决于芯片配置、软件与散热。

同一平台中的Mali G2-Ultra NX，则把专用神经网络加速器集成到GPU内部，用于神经图形等负载。Arm也在加强其他计算单元，让不同任务各有去处。

Arm准备把这部分需求做到芯片生意里

计算需求发生变化，芯片公司接下来要决定以什么产品承接它。Arm给客户准备了两条路。

CSS N4面向仍要开发定制芯片的客户。Arm先把CPU及相关系统部件集成并验证，客户再调整核心数量、缓存、内存和I/O等配置，用于云计算、数据处理单元DPU、网络及其他专用设计。相比只拿到处理器IP，客户少做一部分基础集成，又保留了决定产品配置的空间。

另一条路是采购Arm设计的AGI CPU。这款芯片已于今年3月24日发布，9月大会更新的是合作与落地进展。据Arm本次发布资料介绍，OpenAI、Meta、Oracle、联想、Supermicro等企业正在围绕它开发解决方案，火山引擎则在推进首批基于AGI CPU的智能体沙箱上市。

沙箱正是智能体执行代码的一种环境。平台需要隔离不同任务，分配计算资源，并处理网络和存储访问。Arm与火山引擎的合作，把前面讨论的CPU需求落到了一个具体产品方向上。

火山引擎推进基于Arm AGI CPU的云服务与智能体沙箱

从IP到CSS，再到成品芯片，Arm参与一款产品的深度增加了。以往，客户从Arm获得设计，再完成芯片开发和产品交付；现在，客户可以把其中更多环节交给Arm。由此增加的商业价值，也伴随着验证、供应和客户支持等责任，收入机会不能简单等同于利润增长。

更微妙的是客户关系。Arm的芯片客户依靠自己的产品赚钱，当Arm也直接供应芯片，双方就可能在部分市场争取相同的订单。CSS N4与AGI CPU并行，给客户留下了不同选择，却不会自动消除这种张力。Arm如何支持伙伴的定制需求，如何安排自己的产品范围，都会影响这门生意能走多远。

这部分市场能有多大，还取决于智能体能否在实际业务中持续工作。应用只停留在演示阶段，就支撑不起长期的基础设施投入。即使需求增长，Arm也要靠性能、能效和系统成本，争取客户选择自己的方案。

但评价AI算力的尺度已经可以向前多走一步。模型每秒生成多少内容，解释不了用户为什么仍在等待。等一份报告真的生成、一次操作确实完成，AI的能力才算交到了用户手上。Arm想争取的，就是这段从模型输出到任务完成之间的生意。