当前行业的格局正在迅速演变。Arm及其生态系统在奠定计算基础方面所做的不懈努力，能够确保我们时刻把握行业当前新兴的机遇。基础人工智能算法正取得令人瞩目的进展，AI模型规模实现了爆发式的增长，从百万级参数迈向数十亿级乃至数万亿级，呈现出更高的复杂度和多模态特征，对内存带宽与计算能力的需求也达到至前所未有的高度。值得注意的是，挑战不仅来自模型本身，更源于应用规模的持续激增。人工智能的应用场景已渗透至各行各业，并将进一步重塑终端生态。
近日，Arm宣布推出全新 Lumex 计算子系统 (Compute Subsystem, CSS) 平台，这是一套专为旗舰级智能手机及下一代个人电脑加速其人工智能 (AI) 体验的先进计算平台。Arm Lumex CSS 平台集成了搭载第二代可伸缩矩阵扩展 (SME2) 技术的最高性能 Arm CPU、GPU 及系统 IP，不仅能助力生态伙伴更快将 AI 设备推向市场，还可支持桌面级移动游戏、实时翻译、智能助手及个性化应用等多样的丰富体验。
“预计到 2030 年，SME 与 SME2 技术将为超过 30 亿台设备新增超 100 亿TOPS 的计算能力，为端侧 AI 性能带来指数级跃升。”Arm 高级副总裁兼终端事业部总经理 Chris Bergey 表示，“AI 已不再仅仅是一项技术功能，它已成为下一代移动与消费技术的支撑底座。依托 Arm Lumex 平台，我们持续提升端侧 AI 体验，以满足用户日益增长的需求与期待。为此，我们正积极将 SME2 技术扩展至每一个 CPU 平台。”
集成SME2，非常适合移动设备端
Arm Lumex CSS 平台支持实时端侧 AI 用例，覆盖智能助手、语音翻译及个性化服务；依托搭载全新 SME2 技术的 Arm CPU，平台可实现高达五倍的 AI 性能提升。合作伙伴可灵活选择使用 Arm Lumex 的方式，为其打造系统级芯片 (SoCs)。例如，他们可直接采用 Arm 交付的平台，并借助为其需求定制的先进物理实现方案，从而获得缩短产品上市时间和快速兑现性能价值等双重优势；或者，合作伙伴也可根据他们的目标市场，对平台寄存器传输级 (RTL) 设计进行配置，并自行完成核心模块的硬化工作。
作为SME的新一代版本，SME2新增了更多指令集，可进一步提升性能和能效。并且，SME2支持2 bit 和 4 bit这样更小的数据类型。随着每年高度量化模型的不断增多，这类小数据类型在移动生态系统中的重要性正日益凸显。这也是此次Arm重点将 SME2 整合到 Lumex CSS 平台中的原因所在。
在vivo高级副总裁、首席技术官施玉坚看来，智能手机产业的每一次跃迁，都离不开 Arm 在微架构，与计算技术的持续突破。新一代 Arm Lumex 产品，更为 2025 年移动旗舰性能树立了全新基准。
只有深入到芯片底层，才能真正解决用户痛点需求。2024年vivo Arm联合实验室成立，vivo 成为首家与 Arm 成立联合实验室的终端品牌。作为Arm的技术合作伙伴，vivo不仅与芯片平台厂商协作，在手机中率先落地Arm先进计算技术，为消费者带来体验的新升级。
从2023 年，vivo就与Arm开始了 SME2 的场景研究和验证，分析测试各类 AI 任务，明确不同算法的最优硬件路径选择，真正实现软硬一体化的设计。目前，vivo计算加速平台 VCAP，已全面支持 SME2 指令集，对使用视觉、语音、文本 AI 算法进行处理的高负载任务，实现显著的性能加速。
借助 Arm 先进的软件工具与软件库，vivo与Arm共同开展基于核心场景的性能与功耗分析，对芯片架构、新功能特性进行评估和验证，这使得我们能够在 vivo 手机上，更淋漓尽致地释放芯片潜力，真正提升用户体验。而这些“用户导向”的战略合作成果与积累，最终都沉淀为 vivo 蓝科技中的——蓝晶芯片技术栈。
这次最新Arm C1 CPU 集群的一项关键特性，是新增对 SME2 的支持。SME2 是为高效执行端侧AI任务而生，就是给 CPU 配备了一个新的“矩阵加速器”，让复杂计算变得更快、更省电；同时，支持 SME2 的CPU，可与 GPU、NPU 等其他计算单元分工协作，实现更高效的端侧 AI 异构计算。以典型的端侧任务为例，启用 SME2 的硬件，在全局的离线翻译等真实场景中，可实现额外20%的性能收益。
助力智能手机、智能汽车等科技企业打造定制芯片
定制芯片确实是当前智能手机领域中备受关注的趋势之一。近来，苹果、三星、小米等智能手机厂商都已不同程度开始自研芯片方向的发展。事实上，定制芯片已经成为整个泛半导体行业的趋势，不仅仅是智能手机厂商希望自研芯片，数据中心和汽车厂商也都在寻求定制化芯片。Arm CSS 平台也正是顺应这一趋势而生。
在汽车领域，Arm持续加大对安全技术的投入，其中部分技术成果已应用于 Arm Zena CSS 平台，同时也被工业机器人领域广泛采用——这些场景对安全性的要求与汽车领域高度契合。
另一方面，机器人技术还存在另一发展维度，即面向消费级市场的应用——包括从扫地机器人到更高阶设备的全面布局。事实上，Arm在中国的部分合作伙伴曾提到，他们认为 Arm 在中国机器人市场的份额已超过 70%。
CPU 后端能力实现重大突破，支付宝利用 SME2 提升端侧 AI 能力
搭载 SME2 的 Arm C1 CPU 集群，为实际场景中的 AI 驱动型任务带来了显著的性能提升。其中，AI 性能提升高达五倍，语音类工作负载延迟降低 4.7 倍，音频生成速度提升 2.8 倍。全新 Arm C1 CPU 在 AI 计算能力上的飞跃，让实时的端侧 AI 推理成为现实，为用户在音频生成、计算机视觉及情境助手等多种交互场景中带来更流畅、更快速的体验。
SME2 技术的价值不仅在于速度的提升，更在于释放出传统 CPU 无法企及的 AI 驱动功能。
例如，在搭载 SME2 的单个核心上运行神经摄像头降噪功能，可以在 1080P 分辨率下实现帧率超 120 帧/秒 (fps)，或在 4K 分辨率下实现帧率达 30fps。这使得智能手机用户即使身处光线最暗的场景，也能捕捉到更锐利、清晰的图像，进而在日常设备上获得更流畅的操作交互与更丰富的使用体验。
不同于受到延迟、成本及隐私问题等挑战的云优先 AI，Arm Lumex CSS平台将智能引入设备端，能够在本地实现更快、更安全且随时可用的智能体验。SME2 已经广受业界领先生态伙伴的采用，包括阿里巴巴、支付宝、三星 System LSI、腾讯及 vivo。
支付宝的端侧 AI 引擎 xNN 每日执行超过 100 亿次推理任务。如今，xNN 正在扩展对生成式模型与代理模型推理的支持。通过与 Arm 的合作，支付宝已将 KleidiAI 与 SME2 技术集成至 xNN，以实现更高效和低功耗的推理表现。作为一款在中国最频繁使用的超级应用程序，支付宝需适配多样化的智能手机设备。新硬件特性的引入，对提升端侧模型推理性能具有重要意义。在Arm、支付宝与 vivo 的三方密切协作下，支付宝已在 vivo 新一代旗舰智能手机上完成了基于 Arm SME2 技术的大语言模型推理验证。结果显示，在预填充 (prefill) 与解码 (decode) 阶段的性能分别超过 40% 和 25% 的提升。这一成果标志着 CPU 后端能力的重大突破。
尽管大模型推理仍面临诸多挑战，但对CPU 后端的持续优化，显著拓宽了可运行大模型的设备覆盖范围，让更多用户得以享受前沿 AI带来的能力。在众多基于大模型的应用中，端侧大语言模型推理有助于简化部署流程、增强实时交互体验、保障用户数据隐私，并有效降低云端计算成本。随着 xNN 的持续演进，以及 KleidiAI、SME2 等尖端硬件技术的深度融合，支付宝有望在更多场景释放 AI 潜能，构建更智能、更安全、更个性化的服务生态。
总体看来，Arm Lumex CSS 平台的核心优势正在于，提供一个经过验证的计算基础，让客户能够以相对较低的成本实现自身所需的定制化。真正的价值并非“做出比 Arm 工程师设计的更优秀的 Arm CPU”，真正的价值增量在于，通过在 Arm 平台基础上构建自己的 SoC，他们能额外创造出 50%、100% 甚至 200% 的价值。