以后手机 GPU 渲染游戏画面，不用再吭哧吭哧把每个像素都算出来了。

一部分像素可以交给 AI 来 " 画 "。

Arm 发布了首款内置专用神经网络加速器的 Mali GPU ——

Mali G2-Ultra NX。

在神经网络处理场景下，新 GPU 的每瓦性能最高可以提升 4 倍。

这还只是 Arm 此次更新的一小部分。

手机这边，GPU 开始用 AI 补像素，C2 CPU 集群则负责给系统级 Agent 编排任务；

云端，Arm 推出了面向智能体工作负载的AGI CPU，以及性能最高达到上一代两倍的Neoverse CSS N4；

到了物理世界，Arm 又把 Total Design 生态项目扩展到机器人，还准备参照自动驾驶的思路，给机器人的自主能力从 Level 0 一路划到 Level 5。

在刚刚举行的 Arm Everywhere China 2026 大会上，Arm 一口气把云端、边缘和物理 AI 的几项新进展摆到了台前。

如果对 Arm 不太熟悉，可以简单把它理解成计算世界里的底层建筑师。

Arm 通常不直接生产大家能买到的手机、电脑或机器人，而是提供 CPU、GPU 等 IP，以及已经组合、验证好的计算子系统，让芯片公司和设备厂商在这些技术基础上继续开发产品。

这套底层技术已经铺得相当广。

Arm 执行副总裁兼首席商务官 Will Abbey 在现场提到，Arm 全球合作伙伴累计出货的芯片已经超过3500 亿颗。

如果按照一秒一颗往下数，大约需要 1.1 万年才能数完……它们已经藏进手机、电脑、汽车和服务器。

现在，Arm 准备让这些芯片干的活儿，又多了不少。

手机 GPU，开始用 AI「画画」了

先看距离普通用户最近的一项发布：

第二代移动终端计算子系统 Arm CSS for Mobile 2。

过去提到手机上的 AI 算力，大家最先想到的通常是 NPU。

但随着 AI 从拍照优化、语音识别这类单项功能，逐渐变成持续运行的系统级 Agent，计算方式也开始变化。

比如让手机 Agent 帮忙安排一次纪念日晚餐，它要先听懂要求，读取时间、位置和个人偏好，再去搜索餐厅、比较选项、调用应用，最后完成预订。

一条指令背后，可能同时拉起多个线程、应用、模型与工具。负责维持上下文、分配任务和协调不同计算单元的，依旧离不开 CPU。

Arm 边缘 AI 执行副总裁 Chris Bergey 在现场给 CPU 安排了一个新身份：

Agent 系统里的编排引擎。

为了承接这类任务，CSS for Mobile 2 搭载了全新的 C2 CPU 集群，包括 C2-Ultra、C2-Pro，以及两组 SME2 单元。

其中，C2-Ultra 相比上一代 C1-Ultra，AI 性能最高达到 1.7 倍，单线程性能最高提升 15%；在相同性能下，功耗最高降低 38%。

翻倍的 SME2 算力，则可以让部分小语言模型的运行速度最高提升 70%。

CPU 忙着给 Agent 调兵遣将，旁边的 GPU 也开始换工作方式了。

此次同步发布的Mali G2-Ultra NX，是首款内置专用神经网络加速器的 Mali GPU。

这意味着，AI 不再只是运行在 GPU 之外的辅助工具，而是可以直接进入图形渲染管线，参与画面生成。

传统 GPU 要呈现一张高质量画面，通常需要老老实实计算大量像素。现在，开发者可以先用较低分辨率进行渲染，再让神经网络重建更多画面细节；也可以让 AI 生成中间帧、清理光线追踪中的噪点。

说白了，就是让 GPU 少干一部分 " 笨活 "，再让 AI 把画面补回来。

按照 Arm 给出的数据，Mali G2-Ultra NX 在神经网络处理场景下，每瓦性能最高提升 4 倍；即使面对传统游戏内容，图形性能相比上一代也能最高提升 14%。

这套能力已经开始往真实游戏里走。

网易《燕云十六声》计划在今年推出支持神经超级采样的版本；腾讯游戏正联合《暗区突围：无限》进行神经超级采样与降噪演示；叠纸游戏《无限暖暖》也在推进相关技术集成。

Arm 还与 Unity 中国合作，把神经图形技术原生集成到团结引擎中。

Agent 不睡觉，服务器也得换个干法

手机里的 AI 越来越忙，云端 Agent 带来的计算压力只会更大。

Arm 云 AI 业务拓展副总裁 Eddie Ramirez 在现场提到了一个变化：

过去很多云计算任务是突发式的，任务来了开始计算，完成后便释放资源。

Agent 却可能一天 24 小时持续运行。一个目标会触发数百次工具执行、API 调用、数据库访问，甚至拉起其他 Agent 共同协作。

于是，数据中心面对的不只是模型推理压力，还有大量长期存在的任务调度和执行负载。

Agent 时代的新瓶颈，可能不只在 AI 加速，也在编排。这正是 Arm 想继续扩大服务器 CPU 存在感的切口。

据披露，自 2019 年推出 Neoverse 以来，全球数据中心累计部署的 Neoverse 核心已经达到 15 亿颗。其中，从零增长到 10 亿颗用了约六年，而从 10 亿增加到 15 亿，用时不到一年。

此次新发布的Neoverse CSS N4，主要面向希望开发差异化基础设施芯片的合作伙伴。

单颗裸片最高可以配置 128 个 CPU 核心，支持 LPDDR6 内存和 PCIe Gen 7 互连。相比上一代 CSS N3，性能最高达到 2 倍，每瓦性能最高达到 1.25 倍，内存带宽最高达到 1.75 倍。

如果企业不想自己设计一颗芯片，Arm 还准备了另一条路：

直接采用量产就绪的Arm AGI CPU。

这两项产品瞄准的需求并不完全相同。

Neoverse CSS N4 强调灵活配置，适合 DPU、网络芯片和定制计算平台；AGI CPU 则强调快速部署，主要承接对响应速度要求更高的 Agent 任务。

目前，OpenAI、Meta、Cloudflare、Oracle、SAP、联想等公司都在围绕 Arm AGI CPU 开发相关方案。

火山引擎则计划把首批基于该 CPU 的智能体沙箱推向市场，为 Agent 提供隔离、安全并且可以弹性扩展的执行环境。

Arm 还与新紫光集团宣布深化合作，计划在中国成立联合通用人工智能创新中心，研究智能体编排、CXL 内存池化、机架级系统架构和边缘 AI 等方向。

整体来看，Arm 并非押注一种服务器形态通吃所有 AI 负载，而是提供从 IP、CSS 到完整 CPU 的多种选项。

客户可以自己造，也可以直接用，Arm 负责让它们尽量运行在同一套架构和软件生态上。

机器人，也要有自己的能力等级了

AI 从云端进入手机之后，再往前一步，就是让它真正控制机器，在现实世界中行动。

目前，机器人行业还没有一套像自动驾驶分级那样被广泛采用的共同语言。不同企业对 " 智能 "" 自主 " 和 " 通用 " 的理解并不完全相同，系统需求也各有一套口径。

因此，Arm 这次还提到了机器人能力分级框架。

初步思路是可以将机器人的能力从 Level 0 一直划到 Level 5：

最低等级是只能根据外部刺激作出固定反应的机器人，最高等级则指向能够自主学习和训练的机器人。

每个等级不只描述机器人 " 能干什么 "，还会对应时延、算力部署位置、内存、功耗、确定性和安全性等底层系统要求。

不过，Arm 对这套框架的定位更接近一份 " 邀请函 "：

先提出初始框架，再邀请机器人公司、芯片厂商、模型企业和研究机构共同讨论、补充和完善。

同时，Arm 还把此前主要服务于云端芯片开发的 Total Design 生态项目扩展到物理 AI，目前已经汇聚超过 80 家合作伙伴，覆盖 AI 模型、软件、传感器、计算硬件、虚拟平台和数字孪生等环节。

到了 Agent 时代，发生变化的远不止硬件设备的形态。

3500 亿颗芯片之后，全新计算需求也正在不断涌现。

但即使领域已经从手机、服务器一路扩展到机器人，Arm 依旧选择站在底层基座的位置，输出 IP、计算子系统与开发工具，交由生态伙伴完成上层的创新落地。

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

点亮星标

科技前沿进展每日见