为AI而生！智能体时代，Arm重构移动计算平台

9月8日，在上海举办的'Arm Everywhere China'活动上，Arm正式推出第二代移动终端计算子系统CSS for Mobile 2。 这不是一次常规的参数升级，而是Arm围绕'AI原生'理念，面向智能体时代，对移动计算平台的一次系统性重构——从CPU的指令集扩展到GPU的架构革新，从系统互连的延迟优化到软件生态的全链路打通……一切因AI而生，为智能体而来。 智能体时代，需要什么样的移动计算平台？ 过去两年，手机上的AI经历了一场身份转变。早期的AI更像随叫随到的助手——翻译对话、抠掉照片里的路人、总结邮件内容，用户问一句，它答一句。而现在，AI正在变成能够主动理解意图、规划步骤、跨应用执行任务的智能体。 这种转变带来了完全不同的负载模式。一个典型的智能体工作流包含四个环节：感知、记忆、推理、行动。这四个环节不是一次性跑完，而是反复循环、多线程并行，甚至多个智能体协同运作，是延迟敏感、突发性强、内存密集且高度异构的。在这个循环里，CPU扮演的是'总指挥'的角色。它负责维护任务状态、整合上下文信息、决定每个阶段该由哪个计算资源来执行——轻量级模型跑在CPU上，大模型可能调用NPU或云端，图形渲染交给GPU，而CPU要把这一切协调起来。 对于广大第三方开发者而言，CPU和GPU这类标准化、通用的计算资源才是主要开发平台。因此，CPU的单线程性能决定了智能体的响应速度，多线程能力决定了多任务并行的效率，而CPU与内存之间的数据通路，则直接影响整个工作流的延迟。 与此同时，移动端的图形负载也在经历一场质变。从2024年开始，虚幻引擎5的Lumen、Nanite、MegaLights等桌面级技术开始向手游渗透，光追复杂度持续攀升——Solar Bay Extreme基准测试中的光追负载比之前高出12倍。跨平台游戏要求手机和PC呈现一致的视觉体验，但手机的散热和电池预算并没有任何改善——这道'功耗墙'，成了移动图形技术必须翻越的大山。 CPU侧的智能体编排需求和GPU侧的桌面级画质压力，两股趋势交汇，共同催生了对新一代移动计算平台的需求。CSS for Mobile 2，就是Arm给出的答案。 C2 CPU集群+SME2：为智能体编排而生的算力底座 面对智能体时代的新负载，Arm推出了全新的C2 CPU集群。经典配置为两颗C2-Ultra加六颗C2-Pro，全部支持第二代可伸缩矩阵扩展SME2，并搭配动态共享单元DSU提供L3缓存。 C2-Ultra主打超高单线程性能，负责加快应用启动、UI交互和智能体编排，能够快速响应突发工作负载；C2-Pro则提供稳定持续的性能，适合长时间运行的任务。Arm这次的优化重点非常明确——一切围绕智能体工作流的低延迟和高响应。根据Arm在FPGA平台上的测试，C2 CPU集群相比上一代实现了单线程性能提升15%、多线程提升12%、网页浏览速度提升15%、应用启动速度提升12%。而在AI模型层面，搭载双SME2引擎的C2-Ultra在最新AI模型上的执行性能最高提升1.7倍。如果把智能体工作流拆开来看，每个环节的提升更加具体：语音转文本延迟降低40%，记忆检索和搜索性能提升41%，小语言模型推理速度平均提升25%，涵盖语音、记忆、推理、应用执行和网页浏览的端到端智能体工作流整体提升24%。SME2是这一切的关键。相比上一代，C2 CPU集群集成了双SME2引擎，可配置的SME2单元数也相应增加。除了矩阵运算能力的提升，SME2还新增了查找表指令，CPU可以直接处理位宽更小的权重和激活值，这对2bit等高度压缩的轻量化模型尤其重要。现场演示中，Arm仅用CPU就实现了实时中英互译，模型只有300MB大小、2bit压缩，却能以FP32精度生成高质量语音。生态方面，SME2已经不是实验室技术。目前几乎所有旗舰智能手机——无论安卓还是iOS——均已采用SME2。KleidiAI库集成了超过200个优化微内核，超过100个第三方应用完成了SME2集成，覆盖超过12个AI框架。Arm还与腾讯混元、千问、谷歌等企业合作推进模型优化和框架适配。 Mali G2-Ultra NX：首款AI原生GPU，桌面级画质塞进移动端 如果说C2 CPU集群是智能体的'大脑'，那么Mali G2-Ultra NX就是移动端图形的'新引擎'。这是Arm首款AI原生Mali GPU，核心思路是把AI加速能力直接嵌入图形处理管线，而不是作为外挂单元存在。Mali G2-Ultra NX有三大核心组件。第一是神经加速器NX，被直接集成到着色器核心内部，能够在1到2瓦的低功耗下实现高质量神经图形，这种紧密集成可以复用GPU的内存系统和缓存，减少数据搬运。第二是全新执行引擎，这是Arm Mali过去七代产品中规模最大的一次指令集架构重构，面向UE5的Nanite和Lumen等桌面级技术打造，每个线程束的寄存器数量比上一代多2倍。第三是第三代硬件光追单元，支持全场景照明和阴影，采用更紧凑的光线-三角形数据结构，在主流光追基准测试中可将DRAM流量最多降低13%。真正让这款GPU与众不同的，是三大神经图形技术的落地。神经超级采样NSS通过低分辨率渲染结果重建高分辨率图像，只需要渲染四分之一甚至八分之一的像素，其余由AI补全；神经帧率提升NFRU通过生成中间帧把帧率翻倍，30fps的渲染输入可以输出60fps的流畅画面；神经超级采样与降噪NSSD则把超分和降噪结合，专门应对光追场景中减少光线数量后产生的大量噪点。 这些技术不是PPT概念。Arm与Sumo Digital基于虚幻引擎5.5联合打造的游戏《光影新生》，首次在移动端实现了MegaLights全动态光照——最多1400盏动态光源，完全不需要预烘焙光照。在GPU功耗约2瓦的情况下，这款游戏可以稳定运行60fps，能效提升4倍，DRAM流量降低多达70%。 传统图形性能同样没有掉队。基准测试平均性能提升20%，非AI游戏性能提升14%。Arm还引入了硬件不透明度微贴图OMM，专门处理植被、头发、皮毛等大量透明几何体，在演示中可使帧率提升30%，同时将光追工作负载最多降低70%。 SI L2+LPDDR6：系统级互连与存储优化，打通智能体内存瓶颈 再强的CPU和GPU，如果数据喂不上去，性能也发挥不出来。智能体工作流延迟敏感、突发性强、内存密集，而且高度异构——数据可能在CPU、GPU、NPU和云端之间来回流动。这对系统互连和内存子系统提出了远超以往的要求：低延迟、高带宽、一致性、QoS流量管理、安全性，缺一不可。CSS for Mobile 2采用了全新的SI L2系统互连，基于面向移动设备优化的通道化互连架构。它包含片上网络NoC、一级内存管理单元MMU L1、内存控制器MCN和系统级缓存SLC等组件，将C2 CPU集群和Mali G2-Ultra NX连接到统一内存，实现CPU和GPU对同一块内存地址空间的一致性访问。这种统一内存架构的好处是，数据不需要在不同计算引擎的地址空间之间来回拷贝，既降低了延迟，也节省了功耗。 SI L2完整支持LPDDR6，能够实现统一内存的高带宽访问。LPDDR6作为新一代移动内存标准，在带宽和能效上相比LPDDR5X有显著提升——小米玄戒O3上的LPDDR6带宽达到113.8GB/s，比LPDDR5X提升48%。高带宽对于智能体工作流至关重要，因为记忆检索、模型推理等环节都需要频繁访问内存中的大量数据。最直观的提升是延迟。相比上一代SI L1，SI L2将CPU访问DRAM的延迟降低了约45%。在内存访问中，每一纳秒都很重要——尤其是对智能体这种对延迟极度敏感的工作负载而言，更快的内存访问意味着更快的上下文检索和更短的推理等待。 除了延迟和带宽，SI L2还在多个维度做了优化。硬件一致性方面，SI L2提供高效且可扩展的硬件一致性，简化了软件编程模型。QoS方面，SI L2具备高级服务质量功能，能够针对CPU、GPU、设备等不同来源的流量配置差异化的优先级和带宽分配，确保智能体的关键任务不会被后台任务阻塞。 软件生态：从模型到工具，真正赋能开发者 强大的硬件之外，软件生态决定了这些能力能不能被开发者更好的调用起来，这也成为此次发布的CSS for Mobile 2的一个重要特征。 Arm在这生态方面的布局可以用'一个入口、两套体系'来概括。一个入口是Arm AI Portal。这是一个统一的AI开发平台，汇聚了经过优化和验证的预训练模型、性能与准确性数据、代码示例和部署资源。开发者可以在上面发现、评估、优化模型，并快速集成到应用中。对于智能体开发者，Arm还提供了MCP服务器，可以直接嵌入到Cursor、Codex等开发环境中，让智能体自主完成模型选择和调用。 两套体系分别面向CPU和GPU。CPU侧，KleidiAI与PyTorch ExecuTorch、Google LiteRT、阿里MNN、微软ONNX Runtime等主流AI框架深度集成，开发者无需改变现有流程就能释放SME2的底层能力。GPU侧，Arm推出了神经图形开发套件，支持Vulkan机器学习扩展和虚幻引擎等主流游戏引擎插件，同时提供SDK供自定义引擎集成。所有神经图形模型都已在Hugging Face和GitHub上开源，开发者可以基于自己的游戏内容重新训练模型。 这种开放策略在移动端尤为重要。手机形态多样，不同产品在性能、功耗和散热方面的要求千差万别，封闭的黑盒方案很难适配所有场景。Arm把模型和工具交给开发者，让他们根据自身需求做定制化优化。 KleidiAI、主流 AI 框架集成以及 Arm AI Portal共同打通了从硬件到软件的开发链路，将 Arm CSS for Mobile 2 的平台能力与开发者所使用的AI模型和软件工具紧密连接，帮助开发者打造更加强大、更智能的端侧 AI 体验。 结语 从C2 CPU集群的智能体编排，到Mali G2-Ultra NX的AI原生图形，从SI L2 的系统级IP，到AI Portal 与开源生态的开发者赋能，每一个组件都在回应同一个命题：让智能体 AI 和桌面级画质在手机的功耗约束下真正落地。整体而言，CSS for Mobile 2不是一次常规的参数升级，而是Arm围绕'AI 原生'理念对移动计算平台的一次系统性重构，也是面向智能体时代对于移动计算平台架构的一次重塑。目标则是让智能体AI和AI原生图形在移动端实现真正落地。 当越来越多的智能体在手机上感知、记忆、推理、行动，CSS for Mobile 2，将成为它们最坚实的底座。