3月24日,在 Arm Everywhere 活动后的媒体沟通中,Arm 首席执行官 Rene Haas 与Arm云AI事业部执行副总裁 Mohamed Awad 集中回答了16个问题。一个关键信号是:随着产品线覆盖IP、CSS和CPU,Arm对AI基础设施市场的参与方式正在进一步清晰。
左:Arm云AI事业部执行副总裁 Mohamed Awad、右:Arm 首席执行官 Rene Haas
围绕新发布的Arm AGI CPU,外界最关心的问题几乎都集中在:当 Arm 开始提供更接近成品形态的方案,它和原有客户之间的边界会发生什么变化。两位管理层给出的判断是,AI基础设施的需求仍在快速抬升,市场足够大,客户需要的也不只是一种方案。
除了产品策略,回答还进一步谈到了中国市场、NVLink支持、台积电3nm制造、开发者迁移成本,以及CPU在AI数据中心里与GPU机架协同的几种典型角色。
如今Arm想讲的已经是如何围绕新一轮AI基础设施建设,占据更完整的位置。以下为媒体问答整理。
提问1:过去Arm只做IP,而现在在做产品,怎么看待与原有客户的竞争?能否对中国市场进行预测?
Rene:中国是一个巨大的市场,我们认为有空间容纳很多不同的参与者,所以我们并不太担心这个问题。亚马逊、谷歌、微软,都有自研项目,所以我们只是认为这个市场机会非常非常大,而且目前供给严重不足。今天没有中国客户要宣布,但我们认为中国对我们来说可以是一个非常好的市场。
提问2:Arm此次瞄准了AI应用和加速器,你们能谈谈你们选择PCIe Gen 6的决定吗,你们是否考虑过授权NVLink?
Mohamed:两件事,我们选择PCI Gen 6是因为就标准IP实现而言,它在速度等方面是最先进的。关于NVLink以及我们展望未来,我们绝对在关注的一件事是整个系统的性能以及如何优化它在系统中的运作方式。所以NVLink显然是选项之一,NVIDIA对我们来说是一个很好的合作伙伴,所以我们肯定在为未来的版本考虑这个。事实上,我们已经宣布我们将在CSS的未来版本中支持NVLink。正如我之前所说,AGI CPU是基于CSS的,所以如果我们决定要往那个方向发展,这是一个自然的延伸。
提问3:Arm AGI CPU项目开发了多长时间,是如何提出这个方案的?
Rene:CSS对我们来说有点像魔法,因为CSS所做的就是大大加快了制造这些复杂芯片的能力。所以我们一直在与客户进行大量关于CSS的讨论,而且这很快就转变成了,“嘿,你们能不能拿一个CSS为我们做点什么?”所以我认为首先要说的是,我们是被要求做这件事的。这算是第零步。但现在我们看到的,基于巨大的客户吸引力,我们认为这个机会相当大。
提问4:我很好奇AGI这个名字,它对AGI的时间表有什么暗示?
Rene:品牌和命名显然是一个非常令人有激情的话题,对此有很多不同的意见。当我们思考技术发展的轨迹时,有两件事浮现在脑海中,第一是CPU将无处不在,无论是非常小的用例还是非常大的、高功率的用例;第二,它将会有一个AI的组成部分。所以我们觉得AI无处不在和CPU作为基本标配的这个交叉点,在命名方面感觉恰到好处。
提问5:你们希望行业如何与Arm的第一款芯片互动?如何看待商业模式的颠覆?
Mohamed:我们一直在做的事情的延伸,寻求在客户所在的地方满足他们的需求。这一直是Arm的商业模式,即我们如何开发某种技术,并让它在许多不同的客户之间得到分摊。当我们看到这个机会时,有多个客户来找我们,要求我们更进一步。
Rene:思考这个问题的方式是回到CSS,当我们开始和人们谈论CSS的时候,特别是两年半前跟投资者交流的时候,那时候我们拥有的CSS吸引力是在Neoverse方面,但我们正计划将其扩展到汽车和移动领域。我们收到的一个问题是,你们不是在与客户竞争吗?而当我们快进到现在,所有这些市场都有CSS的客户,这归结为他们为什么选择它?因为这是更好的选择。
提问6:当你们展示芯片版图照片时,看起来两个裸片好像是不同的?能谈一下26款芯片或27款芯片的制造工艺或封装技术?
Mohamed:它是同一个裸片,当前的芯片是一种比较标准的封装,我们用的是台积电,3纳米,标准基板。
提问7:Arm谈到了一个万亿美元的市场机会,如何开拓这个市场?
Rene:半导体市场到2030年,1万亿美元不是什么夸张的说法,我们认为我们有权利去争取的机会。
提问8:能否谈谈这将如何与你们的客户合作?能否再多解释一下这种互动关系?
Mohamed:这实际上算是Arm的一种独特优势,即我们可以走进这些客户的公司然后说,“嘿,这里有一个产品组合。我们可以给你IP,给你CSS,给你AGI CPU,提供全系列的选择。”所以这些客户中的某一个可能会决定在某些用例中使用IP,在其他情况下想要一个CSS,或者直接拿一个AGI CPU成品芯片。归根结底,这给了他们的是选择权。我们认为这是一种优势,它增强了整个Arm生态系统,从长远来看增强了我们在这些客户中的地位。
Rene:这实际上扩大了市场机会,如果你想像SAP将基于Arm AGI CPU构建一个系统。之前他们可能无法在本地部署中处理所有工作负载,要转到AWS,所以一切都归结于Mohamed提到的软件生态系统。Arm的软件生态系统变得越丰富、越广泛、越深入,如果你在Arm上构建自己的芯片,这实际上是有益的,它拓宽了市场机会。
提问9:Arm的开发者策略是什么?如果一些开发者已经在为Arm Neoverse或AWS开发,他们能否轻松地为同样的平台开发?
Mohamed:直接就能用。我的意思是,它是相同的微架构,相同的CPU代码,相同的互连。这实际上是行业中一个很大的误解,对于所有那些在云端部署Arm Neoverse的合作伙伴,无论你是谷歌、微软还是AWS,为其中一个调优的软件在另一个上面直接就能用。这与x86生态系统非常不同,在x86生态系统中你有两种完全不同的实现,所以有很大的软件迁移工作量。我们实际上没有这个问题,像Meta这样的公司所做的很多早期移植工作,甚至包括我们为芯片回片做准备,我们都是在云端完成的。
提问10:目前,市场上的参与者中只有一家有SMT(同步多线程),在设计过程中对于是否应该拥有SMT的想法?
Mohamed:实际上每个进程在等待时,可以将CPU资源让给其他处理器,所以在某些用例中这是有意义的。我们在agentic AGI类型的用例中看到的是,你有大量的线程需要支持,你需要把IO和内存带宽量身定制给进程,我们认为这个数字大约是每秒4千兆字节。每秒4到6千兆字节是最佳区间。某些用例中实现SMT,可能是有意义的。对我们来说,不太适合。
提问11:关于IP对Arm内部芯片设计团队可用的时间和对外部客户可用的时间之间的互动关系会是怎样的?
Rene:我们与许多IP合作伙伴有长期协议,在这些协议中有关于按计划交付的承诺和约定。我们有一个非常详细的IP实施时间表,包括alpha版本、beta版本、LAC、EAC,这些基本上就是生产版本。我们的内部芯片设计团队,绝不会比外部客户更早获得任何 IP 版本,双方在 IP 获取的时间上完全一致,不存在内部优先的情况。
提问12:新产品的市场策略是什么?
Mohamed:你不能孤立地去看一个AGI CPU,一个为AI数据中心设计的CPU。你需要在这些大规模系统的背景下去看待它。而这正是回到我谈到的那三件事——性能、规模和效率。所以我展示的是,我们有合作伙伴已经做到了这一点,能够实现突破性的性能、效率和规模,这是你用现有的方案无法做到的,因为设计的本质使然。
Rene:有一个有时被误解的地方,就是我们开发了一个IP,把它授权出去,然后就去服务下一个客户了。我们与制造芯片、制造系统、制造参考板的客户进行了非常深入的合作,所以我们对将产品推向市场所需要的工作有相当深入的了解。
提问13:Arm之前已经制造了Neoverse芯片或使用了Arm Total Design的合作伙伴,比如联发科(Mediatek)和Novatek,这些合作伙伴将来也会成为竞争对手吗?
Mohamed:我们再次思考这个问题的方式是,这又是一个万亿美元级别的市场。有很多定制化的机会。Arm的优势真正在于生态系统的广度。Arm AGI CPU 是 128 核的高性能产品,专为数据中心核心场景设计;而联发科、Novatek 等合作伙伴多聚焦小核数设备,比如 DPU、边缘平台等领域,双方目前没有市场重叠。
提问14:CPU机架将如何与GPU机架协同工作?
Mohamed:最简单的用例是CPU充当某种头节点的角色,这方面的一个很好的例子就是我们与SK电讯和Rebellions的合作。Rebellions正在使用Arm AGI CPU作为头节点,然后同一服务器中有一堆加速器。第二种用例,密集机架处理所有的agentic用例,包括编排和管理所有那些agentic流程,决定调用哪个模型,或者去探测应用程序和工具、数据库等等。在这种情况下,要一个大机架紧挨着你的加速器,它们可以以非常低的延迟非常快速地去分发任务并进行组织协调。第三种用例,真的是关于数据中心的控制平面。Agent一直在运行,它们将产生大量的流量,大量的流量到应用程序,应用程序到网络设备,所有这些CPU使用率都在上升。这些也都是机会。
提问15:你认为AGI CPU相比英特尔E-core处理器的差异化在哪里?
Mohamed:那些产品的重点实际上是在设备中塞进尽可能多的核心,而不是从整体上思考系统的架构。它们可能有其存在的意义,但我不认为这与我们是同一类产品。
提问16:除了“能不能快点给我们”之外,在重新介绍你们自己、重新介绍公司以及添加这个产品的过程中,你们面临的最大挑战是什么?
Rene:我觉得我们看到的是对计算需求在基础层面的加速,当你看到Mohammed展示的12亿Neoverse核心的图表时,一切都在加速发生,有巨大的推动力。当对计算有巨大需求,而世界上大部分计算由Arm提供服务时,这对我们来说是一个巨大的顺风,所以这可能真的是过去几年中最主要的事情。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。