新 CPU 集群将 AI 模型性能提升 70%。

作者 | ZeR0

编辑 | 漠影

芯东西 9 月 8 日报道，刚刚，在 Arm 年度旗舰活动 Arm Everywhere China 上，Arm 推出 AI 原生移动终端计算子系统 CSS for Mobile 2，及其包含的集成 SME2 的 Arm C2 CPU 集群、首款 AI 原生 GPU Mali G2-Ultra NX。

如今移动端计算需求持续提升：智能体要持续进行感知、记忆、推理和行动，游戏想把 PC 级光照、光追和复杂场景塞进手机，智能手机必须在巴掌大的空间里精打细算，这要求从整个计算平台层面进行协同优化。

对此，Arm 开始重新安排一台手机里的计算预算。其设计理念的集大成者，便是 CSS for Mobile 2。

Arm CSS for Mobile 2 主要由以下部分组成：

C2 CPU 集群：融合 C2-Ultra CPU、C2-Pro CPU 以及第二代 Arm 可伸缩矩阵扩展（SME2）技术，承担整个异构系统的任务编排，为低延迟、持续运行的端侧智能体提供更快响应。

Mali G2-Ultra NX GPU：集成专用神经网络加速器、全新执行引擎和第三代光线追踪单元，实现紧密耦合的 AI 加速，通过 3 项神经网络技术提升移动图形质量、帧率和能效，助力开发者在移动设备上打造桌面级游戏体验。

SI L2 系统互连：支持 LPDDR6，面向缓存一致性、低延迟和新内存类型优化，优化 CPU、GPU 与内存之间的数据传输路径，提供更快的内存访问，CPU 到 DRAM 的延迟比上一代 SI L1 减少约 45%，具备一致性和服务质量（QoS）能力，帮助管理和优化多个计算资源之间的任务调度与优先级分配。

对比上一代，C2 CPU 集群实现单线程性能最高提升 15%，集群级多线程性能提升 12%，最新 AI 模型性能最高提升 70%；Mali G2-Ultra NX 在部分神经图形场景中可将帧率和每帧能效分别提升多达 4 倍。

与上一代产品相比，搭载全新执行引擎和光追单元 RTUv3 的 Mali G2-Ultra NX 还使传统图形渲染提升：基准测试性能最高提升 20%，非 AI 游戏性能提升 14%，DRAM 流量最多降低 13%。

CPU 少等一点，GPU 少算一点，内存少搬一点，软件少折腾一点，省下来的每一毫秒、每一毫瓦，都为更多的智能、更流畅的画质、更长的续航腾出空间。

01.

Arm CSS for Mobile 2：

系统级协同，提升性能和响应速度

先来想象两个手机使用场景：

一个是智能体场景。用户把临近日期的结婚纪念日晚餐交给手机智能体。智能体要听懂语音，翻出日历里的日期，从照片和历史记录里寻找两个人的饮食偏好，搜索餐厅，再完成预订、发消息和查看当日菜单。一旦餐厅满了或用户不满意，整套流程还要重新来一遍。

另一个是手游场景。玩家走进洞穴，光会照亮环境、制造阴影，也会直接参与叙事和玩法。过去更常出现在 PC 和主机上的实时光照、光线追踪与虚幻引擎，被塞进了功耗和散热都极其有限的手机里。

前者考验手机能否根据一句话执行一连串行动，后者考验手机能否在几瓦功耗下实现更复杂的画面。此类任务的性能表现，都与 3 个维度紧密相关：各任务阶段的执行速度、数据在不同计算引擎间的传输效率、系统对全任务流程的协同调度能力。

这需要一个从系统层面进行设计和优化的计算平台。

Arm 交出的答卷是 CSS for Mobile 2，通过整合 Arm C2 CPU 集群、Mali G2-Ultra NX GPU、系统技术、软件与开发工具，从整体工作负载的角度，统筹优化性能、能效和数据传输效率。

面对高频并发的 AI 交互，抑或是复杂的图形工作负载，整套系统都能在移动设备的功耗、散热限制条件下高效运行，维持灵敏响应。

CSS for Mobile 2 还将系统优化延伸至物理实现阶段，使合作伙伴在开展 SoC 集成之前，便能将功耗、性能和面积（PPA）与架构设计进行协同考量。

Arm 合作伙伴可根据产品定位、性能目标和市场需求，既可以单独选用各个组件，又可以将其与自研 IP 或第三方 IP 结合，在更广泛的 CSS 配置中灵活集成，从而打造差异化的系统设计。

02.

C2 CPU 集群：AI 模型性能提升 70%，

更快完成智能体工作流

在 Arm CSS for Mobile 2 平台中，Arm C2 CPU 集群提供了支撑智能体 AI 工作流所需的可编程算力与编排能力，负责协调整个系统中的计算活动，决定每个阶段计算任务应该跑在 CPU、GPU、AI 芯片还是云端。

Arm C2 CPU 集群融合 C2-Ultra CPU、C2-Pro CPU 以及第二代 Arm 可伸缩矩阵扩展（SME2）技术，不仅提升了日常计算性能，还增强了端侧 AI 能力，为语音处理、信息检索和模型执行等工作负载提供更强支持。

C2-Ultra 提供平台中最高的单线程性能，重点改善应用启动、UI 交互、智能体编排和突发负载响应，相比上一代峰值性能提升超过 15%，相同性能下功耗降低 38%，运行微信、邮箱等任务的平均性能提升 12%。与搭载 SME2 的 C1-Ultra 相比，C2-Ultra 的峰值 AI 性能提升 70%。

C2-Pro 面向持续性能，在长时间工作负载中兼顾性能和能效，微架构延续上一代 C1-Pro，并可利用 N2 等先进制程节点提高频率和实现能力。

DSU（DynamIQ 共享单元）连接各 CPU 核心，为集群提供共享 L3 缓存，并负责核心之间更高效的数据与指令共享。

以 2 个 C2-Ultra 和 6 个 C2-Pro 的 8 核旗舰配置为例，C2 CPU 集群相较上一代实现：

最新 AI 模型性能最高提升达 1.7 倍；

单线程性能最高提升 15%，可降低单次决策和系统响应的延迟；

网页浏览速度提升 15%，应用启动速度提升 12%，进一步缩短了服务访问和任务执行所需的时间；

集群级多线程性能提升 12%，支持知识检索、模型准备、应用执行等任务并行处理。

合作伙伴可以根据实际需求，对 Arm 核心进行灵活配置。Arm 小核心通常按 2-3 年节奏更新，因此今年没发新的 Nano 级小核心。

Arm C2 CPU 集群中，实现 AI 加速的关键是 SME2 引擎，能在编码阶段计算每字节更多的 MAC。相较上一代，SME2 的 AI 算力翻倍，接近 6TOPS，非常适合跑对延迟敏感的轻量级端侧 AI 模型。

支付宝、安卓、OPPO、vivo、三星、网易伏羲、百度飞桨、阿里千问、淘宝、腾讯混元、腾讯多媒体实验室、虚幻引擎、Unity 中国等都是 SME2 生态伙伴。

端侧语言模型的编码阶段以矩阵乘法为主，属于计算密集型工作，SME2 可以直接提速；进入逐 Token 解码，模型权重需要反复从内存读取，瓶颈很快从计算转向带宽。

对此，C2 CPU 集群通过私有 L2 与共享 L3 缓存减少访问系统级缓存和 DRAM 的次数，为轻量级工作负载提供更低延迟。

同时，SME2 架构中的查找表指令 LUTi 让 2-bit、4-bit 等低比特权重一直保持压缩状态，直到进入计算核心时，再批量展开成 INT8、FP16 或 FP32 等计算格式，从而能消除查找繁重工作负载的内存访问，减少内存容量需求。

在涵盖语音处理、记忆检索、推理、应用执行和网页浏览等环节的端到端智能体 AI 工作流测试中，相比上一代配置，搭载 SME2 的 C2-Ultra 配置整体性能提升 24%。

运行语音转文本模型时，搭载 SME2 的 Arm C2-Ultra 相比 C1-Ultra 可降低 40% 的延迟，让语音指令响应更快。

在记忆阶段，搭载 SME2 的 C2-Ultra 的内存信息检索与搜索性能较上一代提升 41%，可助力智能体更快速地访问设备端存储的上下文信息。

在推理阶段，小语言模型能够将用户请求与检索到的上下文结合起来，生成结构化指令并调用相应工具，以执行下一步操作。在跑测试的各类模型中，C2-Ultra 平均速度较上一代提升 25%。

03.

首款 AI 原生 Mali GPU：直接集成

神经网络加速器，把 PC 级游戏体验塞进手机

如何在手机端实现更高清、逼真、精细、稳定的游戏视觉体验？这关系到 GPU 的进化。

Arm 去年通过 SME2 增强了 CPU 的 AI 能力，今年则进一步把 AI 原生能力扩展到 GPU，让 AI 与传统渲染重新分工，简单内容继续交给传统 GPU，复杂光照、超分、降噪和插帧则由神经网络承担。

新发布的 Arm Mali G2-Ultra NX 是 Arm 首款 AI 原生 Mali GPU，通过将专用神经网络加速器紧密集成至着色器核心，并结合全新执行引擎和第三代光线追踪单元（RTUv3），为移动图形带来 AI 原生能力。

更复杂的光照会增加计算和数据移动需求，而神经网络技术有助于控制成本，将更强大的光线追踪硬件与神经网络技术相结合，可在移动渲染限制下，更高效地呈现更丰富的视觉细节。

腾讯游戏已将自身 AI 创新与 Arm 的神经图形技术结合，验证神经图形能提升移动设备上的帧率和能效，同时保持出色的画面质量；Unity 中国也会把 Arm GPU 与神经加速能力集成到团结引擎核心层；网易《燕云十六声》游戏计划在今年加入 Arm NSS 支持。

1、将 AI 加速能力集成到图形处理管线，兼顾画质提升和功耗控制

Mali G2-Ultra NX 把专用神经网络加速器直接嵌入着色器核心，能复用 GPU 的内存系统、一致性缓存和控制结构，神经网络加速器不工作时还可以通过电源门控关闭，可在约 1W 功耗范围内呈现惊艳图形。

这有助于减少数据在不同计算单元之间的传输，并提升整个管线的执行效率，让图形、通用计算和神经网络能够并行运行。

通过将传统渲染与神经网络技术相结合，开发者能在保持画面质量的同时，降低 GPU 和系统工作负载。

以下三项神经图形技术充分展示了这一架构所带来的能力：

（1）神经超级采样（NSS，Neural Super Sampling）：通过低分辨率渲染结果，重建更高分辨率图像。例如，系统可以只渲染约 1/4 的目标像素，其余细节由模型补全，从而降低传统渲染开销。

相比传统渲染，加 NSS 后可实现几乎翻倍的帧率、减半的外部内存流量。

（2）神经帧率提升（NFRU，Neural Frame Rate Upscaling）：通过在两个真实渲染帧之间生成一个中间帧来提高帧率，实现更流畅的游戏体验。

在《光影新生》游戏中，它使 MegaLights 可使用超过 1000 个光源，这在过去的移动设备上并不可行。

基于 NFRU，Mali G2-Ultra NX 可支持 120fps 的游戏稳定运行，并将内存流量减少 33%。

（3）神经超级采样与降噪（NSSD，Neural Super Sampling and Denoising）：结合基于神经网络的超分辨率重建与降噪技术，让系统在减少每像素光线数量之后，仍能恢复较为干净的画面，从而在具有复杂光照和阴影的高负载光线追踪场景中提升图像质量。

Arm 使用的是卷积神经网络，从游戏真实渲染数据中训练，再结合颜色、深度、运动向量和历史帧完成超分、插值与降噪。

相关模型已上传至 Hugging Face 和 GitHub。开发者可针对不同游戏内容、艺术风格和质量目标重新训练或微调模型，让模型适应独特的美术风格。

在 Arm 展示的三帧序列里，第一帧和第三帧各自只渲染 1/4 像素，剩余部分由 NSS 或 NSSD 重建。中间一帧完全由 NFRU 生成。三帧合计只有 1/8 像素由传统方式实际渲染，其余 7/8 由 AI 重建或生成。

与传统渲染相比，NFRU+ NSSD 神经图形可带来以下收益：每秒帧数最高提升至 4 倍，DRAM 带宽占用最多降低至原来的 3/10，每帧动态能耗最多降低至原来的 1/4。

由 Arm 与 Sumo Digital 基于虚幻引擎联合打造的《光影新生》游戏，引入 NFRU 和 NSSD 技术后，与上一代传统渲染相比，可实现最高 4 倍的性能提升，并将外部内存流量最多降低 70%，并在约 2W GPU 功耗预算下持续运行 60fps。

Arm 提供的开发者工具栈包含 NSS 和 NFRU，以及面向 Vulkan 的机器学习扩展和包括虚幻引擎在内的主流游戏引擎插件。软件开发套件支持与自定义引擎集成，性能分析、图形优化、训练和模型优化工具可帮助开发者评估并微调神经图形工作负载。

2、全新执行引擎：提高寄存器数量和分配灵活性

Mali G2-Ultra NX 搭载的全新执行引擎，是 Arm Mali 过去 7 代产品中规模最大的指令集架构升级，可支持每个线程束的寄存器数量是上一代的 2 倍。

它采用动态寄存器分配机制，有助于在着色程序规模扩大、复杂度增加的情况下，减少寄存器的溢出。

3、第三代硬件光追：降低光追成本，缓解内存压力

Arm 第三代硬件光线追踪技术使移动设备能支持更复杂的光照、阴影、反射和几何效果。全新光线追踪架构在主流光线追踪基准测试中，可将 DRAM 流量最多降低 13%，有助于缓解内存压力。

新架构采用了更小巧、更高效的光线 - 三角形数据结构，以降低光线追踪工作负载的成本；对不透明度微贴图（OMM，Opacity Micromaps）提供了硬件级支持，从而能够更高效地处理复杂的透明几何体。

这使得移动设备能呈现更丰富的植被、更精细的织物纹理、多层材质表面及其他复杂场景元素。

在 Arm 的一项演示中，使用 OMM 可将帧率提升 30%，同时将光线追踪工作负载最多降低 70%。

迄今 Arm Mali GPU 出货量已超过 140 亿颗，这一庞大基础使 Arm 能够将神经网络技术带入全球移动生态系统。

04.

开箱即用的软件生态，

加速端侧 AI 开发与创新

Arm CSS for Mobile 2 拥有完善的软件生态支持。依托 Arm 数十年的软件投入及全球超过 2200 万的 Arm 开发者社区，开发者可通过熟悉的框架和开发环境轻松调用其平台能力，打造更智能的端侧 AI 体验。

会上，Arm 专程讲解了 KleidiAI 及 Arm AI Portal 共同打通的从硬件到软件的开发链路。

KleidiAI 与主流 AI 框架的深度集成，为 Arm CPU 提供了优化的软件执行路径，包括能够充分利用 SME2 特性的 AI 工作负载，让软件在支持 SME2 的设备上自动加速。

Arm 列举了多项模型与生态合作，包括谷歌 Gemma、腾讯混元、阿里千问，相关工作涉及 SME2 加速、2-bit 量化、模型压缩、文本转语音等。在近期的一次黑客松中，开发者把 SME2 集成到健身、游戏和助眠等多种应用。

Arm AI Portal 为开发者和智能体提供了一个开发入口，在统一平台汇聚经过优化和验证的模型、性能与准确性数据、代码示例以及部署资源，帮助开发者充分调动 CPU 端 SME2、GPU 端神经网络加速器等能力，将经优化的 AI 模型与高端移动设备的性能优势紧密结合。

入口既可以通过网页前端使用，也可以通过 MCP 服务器、Skill 或插件接入开发环境。开发者可安装 Arm MCP 服务器，将 AI Portal 的能力直接接入 Codex、Claude Code 等智能体工作环境。

其模型库支持按照设备类型、架构、运行时、数据类型和模型格式进行筛选，以缩短从选型到部署的路径。

对于拥有自有模型的开发者，Arm 还提供早期访问版模型优化工具，帮助其针对目标设备进行优化和适配。

基于上述工具，开发者能够为特定工作负载选择合适的模型，了解其在 Arm 平台上的性能表现，并加快从评估到部署的整个开发流程。

05.

结语：为更高效、更智能的

移动 AI 体验奠定坚实基础

移动 AI 的下一个阶段，将不再限于芯片峰值算力或单一跑分成绩，而是取决于整个系统将用户意图转化为实际行动的综合能力。

随着智能体 AI 持续演进并融入日常交互，底层平台将成为决定这些体验能否高效、大规模落地的关键因素。

Arm CSS for Mobile 2 正是为这一转变而打造，围绕响应速度、能效与持续执行能力，对计算资源、系统 IP、物理实现和软件生态进行一体化协同优化，把 CPU 变成智能体的编排层，把 GPU 变成图形与神经计算的混合引擎，再用系统互连和软件工具把不同计算资源串起来。

在进一步减少无效等待、重复计算和数据搬运的基础上，Arm 既为芯片合作伙伴提供了可灵活配置的基础平台，也为开发者搭建了从平台能力到应用落地的更直接路径，让从芯片设计到开发都变得更加高效。