
ARM 公司是全球重要的芯片 IP 授权厂商,由于 ARM 生态涵盖面广泛,其经营情况也是全球芯片设计业的重要风向标之一。从当季收入体量看,8.24 亿美元的收入是创出历史新高的,且高于此前给出的预期区间(7.2 亿-8 亿美元)。
虽然 ARM 早期投入的重点在通用 CPU 赛道,与 AI 算力需求还存在较大差异。但是,随着公司新的 V9 架构的推出,该架构的机器学习能力在数据中心的训练和推理端、边缘端 AI 等领域都有用武之地。数据中心方面,公司与 NVIDIA 的 GraceHopper、微软的 Cobalt、AWS 的 Graviton 系列等芯片,都有着紧密的合作关系。在智能手机、PC 等端侧产品方面,公司推出的 Arm Cortex-X4正在赋能智能手机芯片,使其具备图片生成、实时翻译等功能,在三星Galaxy S24、Vivo iQoo 12 和小米的 14 pro 等产品中都在得到应用。在AI PC 领域,ARM 也开始取得进展,2023 年 10 月 24 日,高通公司基于ARM 架构打造了一款面向 PC 的骁龙 X Elite 处理器芯片,可以运行 130亿参数的大模型,预计搭载该芯片的 PC 产品将在 2024 年年中上线。
2021年,公司公布了其最新的 ARM V9 架构,除了向前兼容 V8 架构之外,V9架构更加强调 AI、矢量和 DSP 性能改进、安全性等能力。ARM V9 架构主要应用于 A 系列应用处理器、R 系列即时处理器,以及 M 系列微控制处理器。公司最新公告显示,目前市场上主要高端手机,都使用了 V9 架构,尤其是随着人工智能在智能手机端应用的提速,V9 相比于 V8 的优势更为明显,后续应用将提速,此部分的版税收入占比有望提升;数据中心芯片方面,NVIDIA Grace Hopper、AWS Graviton、Microsoft Cobalt 等都应用了 ARM V9 架构。

从中长期来看,随着单芯片 ARM 核数增加、基于 ARM 架构芯片数量的上升以及ARM 应用场景的增加,公司仍将保持增长。据公司公告数据显示,2023 财年,高端芯片采用 ARM 的核数已经从 2016 财年的 8 核,上升到了 192 核;同时,公司的芯片应用范围也从早期的移动领域,拓展到云计算及数据网络、汽车等多个领域。

虽然 ARM 早期投入的重点在通用 CPU 领域,与 AI 算力需求存在较大差异。但是伴随着新的 V9 架构的推出,公司在数据中心的训练和推理端、智能手机等边缘设备端,其授权技术满足 AI 需求的机器学习的能力显著增强。

ARM 在智能手机、PC 等领域开始为 AI 赋能。公司推出的Arm Cortex-X4 正在赋能智能手机芯片,可以具备图片生成、实时翻译等功能,在三星 Galaxy S24、Vivo iQoo 12 和小米 14 pro 等产品中都在得到应用。联发科在 2023 年 11 月发布的天玑9300,就是基于ARM 架构打造。天玑9300采用“全大核”CPU 架构,包含4个Cortex-X4超大核,最高频率可达3.25GHz,以及 4 个主频为 2.0GHz 的 Cortex-A720 大核,其峰值性能相较上一代提升 40%,功耗节省 33%。联发科表示,该芯片可以支持终端运行 10 亿、70 亿、130 亿、最高可达 330 亿参数的 AI 大语言模型。


在 AI PC 领域,ARM 也开始取得进展。2023 年 10 月 24 日,高通公司基于ARM 架构打造了一款面向PC 的骁龙 X Elite处理器芯片,可以运行 130 亿参数的大模型。公司预计搭载该芯片的PC 产品将在 2024 年年中上线。高通的加入,将使得ARM 在 PC 生态链的地位更为稳固。
2021 年,公司公布了其最新的 ARM V9 架构,除了向前兼容V8 架构之外,V9 架构更加强调 AI、矢量和 DSP 性能改进、安全性等能力。ARM V9 架构主要应用于 A 系列应用处理器、R 系列即时处理器,以及 M 系列微控制处理器。此前的 V8架构的成功,公司主要依赖智能手机市场对 ARM 芯片的广泛应用。而新的 V9 架构,预计除了在智能手机市场上继续保持强势地位之外,未来在数据中心、智能汽车等领域,都有望培育新的增长点。

公司最新公告显示,目前市场上的几乎所有的高端手机,都使用了 V9架构,尤其是随着人工智能在智能手机端应用的提速,V9相比于V8的优势更为明显,后续应用将提速,此部分的版税收入占比有望提升;数据中心芯片方面,NVIDIA Grace Hopper、AWS Graviton、Microsoft Cobalt 等都应用了 ARM V9 架构。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。