快科技 9 月 8 日消息，过去两年，生成式 AI 让手机等终端能回答问题，如今的智能体（Agent）AI 则要求终端能完成任务替人办事，这个转变看起来只差一步，对终端硬件的要求却是完全不一样。

生成式 AI 只需要处理一次请求，一次推理，一次响应，算力峰值过后系统回到低功耗待命。但智能体 AI 需要感知用户意图、检索记忆、推理规划、跨应用执行，整个过程涉及语音识别、向量检索、小模型推理、大模型调用等多个环节的串联。

这种工作负载的特征是：延迟敏感、突发性强、内存密集、高度异构，没有任何单一计算单元能独立胜任，CPU 负责编排调度，GPU 负责并行计算，加速器负责特定任务，云端的超大模型随时待命。

问题在于，这些组件之间的数据传输效率、任务调度协同、内存访问延迟，才是决定用户体验的关键。

对此 Arm 在 Everywhere China 活动上，正式发布了第二代移动终端计算子系统 CSS for Mobile 2，这也是首个 AI 原生移动计算平台，它集成了最新的 Arm C2 CPU 集群、首个 AI 原生 Mali GPU G2-Ultra NX。这并非一个单纯更快的 CPU 或 GPU，而是从架构设计、物理实现到软件生态，共同展开的系统级协同优化。

C2 CPU 集群

在 CSS for Mobile 2 平台中，承担中枢调度角色的是 C2 CPU 集群，旗舰参考配置采用 2+6 布局，两颗支持 SME2 可扩展矩阵延伸指令集的 C2-Ultra 核心，搭配六颗 C2-Pro 核心，通过 DSU 共享 L3 缓存。

C2-Ultra 是 Arm 迄今最强大的移动 CPU 核心，能效方面，根据 Arm 公布的数据，GeekBench 6.3 单线程提升 15%，多线程提升 12%；Speedometer 3.1 网页浏览性能提升 15%；应用启动加速 12%；而在相同性能输出下，C2-Ultra 的功耗相比上一代 C1-Ultra 大幅降低了 38%。

从微架构层面看，相比上一代 C1-Ultra，C2-Ultra 的改进集中在三个方向：

更大的执行引擎。C2-Ultra 在 4.45GHz+ 频率下实现了超过 15% 的峰值性能提升，核心能够同时容纳更多在途指令，具备更高的指令级并行度，配合智能推测机制，每个活跃周期能完成更多有效工作，因数据依赖导致的空闲等待周期明显减少。

更聪明的数据搬运。数据加载效率提升，依赖数据返回后相关工作能更快启动；Load/Store 缓冲区扩容，核心能同时跟踪更多内存操作；预取更精准，可预测的数据流在核心请求前就被拉近。这三项叠加，大幅减少了后端停顿。

更精准的分支预测。在浏览器、应用启动及各类基准测试场景下，大幅降低了复杂工作负载中的分支误预测，减少错误路径执行造成的资源浪费。配合更强大的取指能力、目标地址预测，以及更快的误预测恢复机制，确保了核心拥有持续稳定的指令流供给。

SME2 与 LUTi

SME2 可扩展矩阵延伸指令集是 C2 CPU 集群 AI 能力的核心，要知道端侧智能体并不是一个大模型包办一切，而是一组各司其职的专用小模型，语音、记忆检索、推理各用各的模型，由 CPU 上的编排层统一调度，SME2 的价值正体现在这些轻量模型上。

C2-Ultra 还引入了对 LUTi 查表指令的支持，该指令专为查找密集型工作负载设计，能够大幅减少频繁的内存访问，在 2-bit 超低精度量化模型下进一步释放内存带宽压力。

在实际运行中，编码阶段是计算受限，用 SME2 提高计算密度；解码阶段是带宽受限，用 LUTi 负责内存与带宽优化，两者强强联合，完成了对端侧 AI 模型全链路推理的高效覆盖。这也是为什么 Arm 强调 SME2" 天然适合构成移动端智能体的轻量模型积木 "。

实测数据显示，在语音识别（Moonshine、Parakeet）、个人记忆检索（LFM 2.5-Colbert-350M 多语言搜索）以及推理生成（LFM 2.5 1.2B、Qwen 3.5 0.8B/2B、MiniCPM 5 1B、Gemma 4 E2B 等端侧小模型）三类工作负载中，2 × C2-Ultra + SME2 相比 2 × C1-Ultra + SME2，实现了平均 1.7 倍的性能提速。

Arm 还用一个 " 策划周年纪念晚餐 "Agent 工作流演示了体验：语音转文字阶段，C2-Ultra 比 C1-Ultra 提速 40%；记忆检索阶段快 41%；推理生成结构化提示词阶段提速 25%。整个流程的总耗时从 C1-Ultra 的约 450 毫秒缩短至 C2-Ultra 的约 280 毫秒，而在启用 SME2 后，延迟被进一步压缩 24%。

能在约 200 毫秒级完成 " 感知 - 记忆 - 推理 - 执行 " 的全链路闭环，这意味着端侧 AI 智能体的响应速度已正式跨入用户无感等待的即时交互区间。

还有一个值得注意的细节是 C2 CPU 集群的灵活性，Arm 提供了从入门级 2N 到旗舰 2U+6Pro 的多种配置，三档不同微架构（Ultra/Pro/Nano）可在同一集群内混搭，每档核心独立调频，合作伙伴可以根据产品定位灵活配置。

Mali G2-Ultra NX：首款 AI 原生 Mali GPU

CPU 之外，图形一侧的压力同样急剧攀升，更高分辨率、更大规模的开放世界、更复杂的光线追踪，负载复杂度的增速已经超过手机功耗预算的增长上限。在 1 – 2W 的功耗与散热约束下，全分辨率、逐帧完整渲染的传统渲染路径，已无法平衡桌面级画质与高持续帧率的需求。

Arm 给出的破局方案是神经图形（Neural Graphics）：采用选择性渲染，并利用 AI 算法重建画面细节、中间帧及光照。原生渲染的像素占比可大幅降低至 1/8，剩余 7/8 的画面全由 AI 重建，同时保持与原生渲染相媲美的画质水平。其设计目标是在 1W 的功耗预算内，实现高保真的神经图形渲染体验。

Mali G2-Ultra NX 是首款 AI 原生 Mali GPU，AI 原生主要体现在三个架构层面的创新：

第一，神经加速器（NX）直接嵌入着色器核心。将专用神经加速电路与 GPU 的执行引擎、内存系统、控制结构紧密集成。NX 单元支持 INT8 与 INT16 精度计算，运行频率最高可达 GPU 频率的 2 倍，支持完整张量运算与权重压缩，还集成了运动引擎与光流加速器。

这种深度集成使得神经图形任务能够与传统图形、计算流水线并行执行，并直接复用 GPU 的缓存与内存子系统，极大减少了跨单元的数据搬运开销。

第二，全新执行引擎（EE）。这是 7 代以来最大的 ISA（指令集架构）重构，直接面向虚幻引擎 5 的 Nanite 虚拟几何体与 Lumen 动态全局光照而设计。面对日益复杂的现代着色器，寄存器溢出往往是导致性能暴跌的主因。

而新一代 EE 将每个 Warp 的寄存器容量直接翻倍，并支持 16-Warp 粒度的动态宽寄存器分配，大幅减少了溢出损失，GPU 能更高效地运行更大规模的着色器程序，为更丰富的场景、更高视觉保真度与更稳帧率预留算力余量。

第三，第三代光线追踪单元（RTU v3）。移动端光追的核心瓶颈在于，随着场景几何复杂度激增，传统 BVH 结构中的三角形节点数据急剧膨胀，迅速挤爆缓存并吃满带宽。RTU v3 引入了更紧凑的三角形存储结构，重复边与共享顶点不再需要重复存储，从而将更多数据塞进缓存，大幅释放 DRAM 带宽压力。

同时，硬件级不透明度微图（OMM）的引入，让光线与复杂透明 / 半透明几何体（如树叶、栅栏）的命中测试变得极度精确，降低了透明物体的光追计算成本。官方数据显示使用 OMM 可使帧率提升 30%，同时将光线追踪工作负载最多降低 70%。

得益于架构层面的创新，Mali G2-Ultra NX 带来三项神经图形技术：

NSS（神经超级采样）：以低分辨率进行渲染，并通过神经网络重建出高分辨率图像。支持将 540p 的渲染输入重建为 1080p 的高保真输出，画质表现直逼桌面级神经超分方案，且原生渲染的像素量仅为原来的 1/4。

实测数据显示，在持续功耗约束下，NSS 实现了 1.9 – 2.1 倍的帧率提升，同时将 DRAM 带宽开销削减 50%，单帧动态能耗降低 50% – 60%。

NFRU（神经帧率提升）：由前后两帧原生渲染画面提供颜色、深度与运动矢量（Motion Vector）作为输入，结合硬件级光流加速器，辅助神经网络生成高质量的中间帧。在实际测试中，NFRU 能够将游戏的持续帧率从 60FPS 拉升至 120 FPS，同时将 DRAM 访存流量降低了 33%。

NSSD（神经超级采样与降噪）：专为光追场景打造的神经重建技术。移动端光追因功耗限制，初始渲染往往处于极低采样率状态，导致画面充满了高频噪点。NSSD 利用神经网络同时接管超采样放大与光追降噪两大核心工序，直接一步到位输出清晰、无噪点的高分辨率光追画面。

NSS、NFRU 模型已在 Hugging Face 与 GitHub 开源，虚幻引擎等主流引擎插件即插即用；Arm 表示改造现有游戏周期在 3 至 6 个月，新作则在 18 个月以内。

Arm 还演示了与 Sumo Digital 联合打造的《光影新生》（Neural Dawn）手游，作为首款在移动端落地 UE5.5 MegaLights 的作品，它在无需预烘焙光照的前提下支持最多 1400 个动态光源，这种负载过去在手机上不可想象。

在上一代 CSS G1-Ultra 平台上只能跑 15FPS，在 Mali G2-Ultra NX 上就能以 60 FPS 持续运行，4 倍帧率提升，70% 能效提升，70% DRAM 流量降低。官方确认该游戏将于 2026 年内随首批 Mali G2-Ultra NX 设备推出。

传统图形性能方面，Mali G2-Ultra NX 同样带来了全方位的两位数提升：传统光栅化与光追游戏基础性能均提升 9%；在各大基准测试中，Steel Nomad Light 提升 17%，Invitro 2 提升 18%，安兔兔 v11 提升 20%，Solar Bay Extreme 更是大幅提升 24%。综合来看，其平均游戏性能提升约 20%，且光追场景下的单帧 DRAM 带宽需求降低了 14%。

SI L2 系统互连

CPU 和 GPU 再强，如果数据在系统中的传输效率低下，整个平台的性能就会被拖后腿。CSS for Mobile 2 用新一代 SI L2 系统互连接替了 SI L1，通过通道化互连架构，把 C2 CPU 集群、Mali G2-Ultra NX、统一内存与各类设备组织为一个整体。

SI L2 的核心能力主要体现在四大维度：

带宽与内存：完整支持 LPDDR6 标准，为统一内存架构提供更高吞吐的带宽保障；

访存延迟：显式访存请求（Demand Load）从 CPU 到 DRAM 的延迟相比 SI L1 骤降约 45%，这正是端侧 AI 实现即时响应的关键底层支撑；

系统协同：提供面向软件编程模型的高效可扩展硬件一致性（Hardware Coherency），以及针对多元流量画像的高级 QoS 机制，确保 CPU、GPU 高并发运行与共享数据时的秩序与效率；

安全与 PPA：实现了高能效的 MTE（内存标签扩展）与 DVM（分布虚拟内存）支持，兼顾低面积与低功耗的物理设计。

高达 45% 的内存延迟削减，叠加 LPDDR6 带来的高吞吐带宽，才是 C2-Ultra 与 Mali G2-Ultra NX 性能提升能够全面兑现的系统性前提。这也是 Arm 以计算子系统（CSS）形态交付的真正价值所在，在 AI 原生时代，单纯堆砌最快的 CPU 和最强的 GPU，根本拼不出最低的系统级延迟。

软件生态：让硬件能力开箱即用

软件生态同样是 Arm 布局最深、最久的一环。作为软硬协同的核心加速引擎，主力开发者工具 KleidiAI 已实现 100+ 第三方应用集成、12+ 主流 AI 框架深度适配，并积淀了 200+ 经过深度优化的微内核与 14 万行代码，为 Arm CPU 搭建起极致高效的算子执行路径。

例如 Qwen3-TTS、HY-MT1.5-1.8B-2Bit 等前沿大模型，在经过 Arm 针对性优化后，均可直接部署并无缝跑在 C2-Ultra 的 SME2 算力单元之上。

全新的 Arm AI Portal 作为面向 AI 应用开发者的统一入口，提供预优化模型、性能与精度数据、代码示例和部署资源，还集成了 MCP 服务器以支持智能体 AI 开发环境。

开发者可以在平台上找到适合特定工作负载的模型，了解其在 Arm 硬件上的性能表现，加速从评估到部署的全流程。对于有自研模型的开发者，Arm 还提供早期访问版模型优化工具。

神经图形方面，Arm 神经图形开发套件（ArmNG SDK）提供 NSS 和 NFRU 的开放模型（已在 Hugging Face 和 GitHub 发布）、Vulkan ML 扩展、虚幻引擎插件和自定义引擎 SDK，配套性能分析、图形优化、训练和模型优化工具。

CSS for Mobile 2 反映的是 Arm 对移动计算演进方向的判断，手机等移动终端 AI 的发展将由智能体 AI 与 AI 原生图形两类工作负载共同定义，这两类负载的需求既有交叉也有差异。

智能体 AI 最关键的是响应链路，从语音、记忆检索、推理到应用调用的多阶段串行流程，每一步的延迟都会累积成用户可感知的等待，因此 Arm 把重心放在 CPU 的编排能力、SME2/LUTi 对低精度小模型的加速，以及 SI L2 对内存延迟的削减上。

AI 原生图形则更关注吞吐与能效，在 1 – 2W 的功耗预算内同时维持高帧率与高画质，因此 Arm 选择把神经网络加速器做进着色器核心、用选择性渲染加 AI 重建绕开渲染墙。

但这两类负载还有一个共同点，它们对计算平台系统级协同的要求远超以往，CPU、GPU、互连、内存与软件整体协同效率的提升，远比任何单点峰值算力重要。

CSS for Mobile 2 是 Arm 这个判断的完整落地，至于实际情况如何，且等搭载它的旗舰 SoC 用实测说话。