今天去了趟上海的Arm Everywhere China，Arm發佈了新一代AI原生計算平台，說實話這種晶片計算平台的發佈特別硬核，實在是考驗我的吸收理解能力，我儘量寫通俗一些，讓大家都能看懂。
一年前，Arm Unlocked上海站的主角是Lumex CSS，這是Arm第一代面向手機的計算子系統，把CPU、GPU、系統互聯和軟體做成一個完整平台交給晶片廠，不再是一個個單獨的IP核。
今天，Arm發佈了第二代移動終端計算子系統（CSS for Mobile 2），也就是去年Lumex的第二代。
只看參數表的話，這是一次標準意義上的年度升級，CPU單線程提升15%，GPU基準性能最高提升24%。
不過，一整天的活動聽下來，我越來越確定一件事，GPU才是Arm今年真正想講的故事。
01. 從IP到Lumex再到CSS for Mobile 2，Arm向前邁進一步
Lumex今年改成了CSS for Mobile 2，有人可能會疑惑為什麼換名字，我們特地問了Arm這個問題，其實是有意為之，改名就是為了簡化命名體系，CSS for Mobile表意清晰，一看就知道是針對移動領域的平台，與之相比，此前COMPUTEX上還發佈了CSS for PC，這樣大家一眼就能看清每個平台針對那個品類。
名字變了背後，是Arm在交付方式上向前邁了一步，前文有提到，以前Arm交付的是單個IP核，晶片廠商自己拿回去組合，從Lumex開始，甚至從Arm CSS for Client開始，Arm在IP授權的基礎上，又多了一種選擇，即把CPU、GPU、系統互連、物理實現、軟體工具鏈預先整合好，做成一個完整平台交給晶片廠商。
要特別說明的是，這不是捆綁銷售，合作夥伴既可以整套採用CSS平台，也可以單獨選用其中某個元件，還可以和自研或第三方IP結合，根據產品定位、性能目標和市場需求靈活搭配。
大家可以理解為CSS提供的是一個經過系統級最佳化的參考方案，用不用、用多少，主動權在客戶手裡。
CSS for Mobile 2的三大件分別是C2 CPU叢集、Mali G2-Ultra NX GPU和SI L2系統互連，而這三大件的設計，都圍繞同一個原點：智能體。
Arm認為，手機上的AI正在從問答助手變成能自主完成任務的智能體，而智能體的工作流可以拆成四步：
第一步是感知，聽懂使用者在說什麼、理解意圖；
第二步是記憶，調取日曆、照片、偏好等上下文資訊；
第三步是推理，根據已知資訊規劃下一步該做什麼、生成結構化指令；
第四步是行動，呼叫對應的App或服務把事情辦完。
當然，全程還有一個編排層在調度，決定每一步該跑在那個計算資源上，CPU就是這個體系的編排調度中心，C2 CPU叢集整合了雙SME2引擎，就是專門用來跑輕量級AI任務的。
按Arm官方的說法，輕量模型通常指20億至30億參數規模，比如Gemma-2B、騰訊混元HY-1.8B-2Bit，這個規模的模型放在CPU上跑，延遲比NPU還低，而且跨平台相容性好。
具體參數方面，最新AI模型性能最高提升1.7倍，語音轉文字延遲降低40%，單線程性能提升15%。這些提升貫穿智能體工作流的各個環節，比如更快的語音處理縮短互動起始延遲，更快的記憶檢索讓智能體迅速調取上下文，更快的推理速度讓決策更及時等。
值得一提的是，目前vivo X300系列、OPPO Find X9系列、三星S26系列，包括iPhone等幾乎所有旗艦手機，都已經採用了SME2技術，這意味著Arm在CPU端的AI能力已經實現了大規模落地。
02. 手機GPU撞牆之後
說完CPU，來說說今年的重頭戲：GPU。
當前手機遊戲的畫面越來越複雜，高解析度、高影格率、大世界、光線追蹤，每一項都在增加GPU的工作量。而手機的功耗預算就那麼多，散熱空間也有限，GPU的性能增長追不上遊戲複雜度的增長，這是所有手機GPU廠商都要面對的一堵牆。
Arm的解法是Mali G2-Ultra NX，這個名字裡的“NX”，就是Neural Accelerators（神經網路加速器）的意思。
從這就可以看出，Arm做了一個和很多廠商不同的選擇，沒有把AI加速器做成獨立的NPU放在GPU旁邊，而是直接整合進了著色器核心內部。
這個設計的好處是資料不用在GPU和NPU之間來回搬運，神經圖形任務和渲染任務可以平行跑，共享GPU的記憶體系統和快取，延遲更低、效率更高。而且這部分加速器面積極小，帶電源門控，不用的時候直接關掉不耗電。
其實就像兩個人一起拼樂高，如果一個在客廳、一個在臥室，零件要來回傳遞，效率很低；如果兩個人坐在同一張桌子前，共享一個零件盒，隨時能看到對方拼到那了，配合起來就快得多。
基於NX加速器，Arm帶來了三項神經圖形技術：
神經超級採樣（NSS）：GPU 先渲染低解析度畫面，再用神經網路重建到高解析度，最高提升2倍 FPS，外部記憶體流量降低50%。
神經影格率提升（NFRU）：在兩幀之間生成AI中間幀，支撐120 FPS持續遊戲，DRAM流量降低33%。
神經超級採樣與降噪（NSSD）：把超分和降噪結合，專門用於複雜光追場景，在低採樣率的光追畫面上同時提升解析度和去除噪點。
說到這裡難免有人會問：這和NVIDIA的DLSS有什麼區別？
Arm也很坦誠，直言不諱表示底層要實現的場景確實高度相似，超分、幀生成、降噪，但手機必須在功耗和散熱約束下重新設計整套東西，所以Arm的模型更小更省電，而且是開放的，手機廠商驗證之後可以按自己的產品需求修改和定製，目前Arm正與騰訊遊戲合作探索神經動態全域光照等下一代技術。
說白了，移動端再怎麼堆料，在絕對畫質方面肯定比不過桌面顯示卡，但我認為Arm的方向是對的，在手機個位數性能釋放的功耗預算裡，用AI來補畫面，確實是一條“曲線救國”路。
03. 拋開AI，傳統圖形渲染依舊有硬實力
說了這麼多AI，不如實際跑跑看效果。
在Arm Everywhere China上，Arm展現了和Sumo Digital基於虛幻引擎5.5聯合打造了一款叫《光影新生》demo，支援MegaLights，場景內最多1400盞動態光源，光照與陰影全部為光線追蹤即時計算，沒有預烘焙，實際效果非常驚豔。
作為參考，它原來只有15 FPS，但在Mali G2-Ultra NX平台上跑到了持續60 FPS，相當於影格率最高4倍的提升，同時DRAM流量還最多降低了70%。
如果以為G2-Ultra NX只靠AI，那就小看它了，這一代GPU在傳統渲染上也有實打實的提升，主要有兩項關鍵升級。
其中一個是全新的執行引擎，這是Mali七代產品以來最大的指令集架構升級，每個線程束的暫存器數量比上一代多了一倍，支援動態暫存器分配。
在面對UE5 Nanite和Lumen這類越來越複雜的著色器程序，暫存器翻倍能有效減少溢出到記憶體的情況，讓大著色器更高效地運行。
另一個是第三代光線追蹤單元，採用了更緊湊的光線－三角形資料結構，光追基準測試的DRAM流量降低13%。同時硬體支援不透明度微貼圖（OMM），能高效處理植被、織物這類透明幾何體，演示中影格率提升30%，光追負載降低70%。
硬體能力到位了，開發者能不能方便地用上才是關鍵，Arm在這方面也做了不少鋪墊。
針對開發者生態，Arm推出了神經圖形開發套件（Arm Neural Graphics Development Kit），目前NSS和NFRU模型已經在Hugging Face和GitHub上開放。
國內大廠的合作進展也很快，騰訊Magic Dawn、Unity中國團結引擎已整合；網易《燕雲十六聲》今年將推出NSS版本，騰訊《暗區突圍：無限》、疊紙的《無限暖暖》也在整合中。另外據小米官方資訊，玄戒O3也採用了G2-Ultra NX。
還是那句話，AI不是萬能的，神經圖形更像是一個工具，用在什麼場景、用到什麼程度，最終還是開發者說了算。
04. 寫在最後
一整天活動下來，有兩點觀察想和大家分享。
第一、神經圖形在移動端確實到了可用的節點，模型、外掛、demo都有了，還有明確的接入周期和國內廠商的適配名單，這些都是技術從概念走向落地的訊號。當然最終效果還要看量產機型和實際遊戲，但至少路徑我覺得是清晰的，不再是PPT上的畫餅。
第二是關於CSS平台模式的一點思考，Arm把CPU、GPU、互連、軟體整合得越來越深，那各家終端的差異化從那裡來？
針對這個問題，Arm也對雷科技表示，平台解決的是基礎能力的下限， 保證每一家採用CSS 的晶片都能達到不錯的性能、能效和相容性，而差異化交給合作夥伴在平台上做，核心數量、頻率、工藝節點、自研IP的混接，都由廠商自己決定。
相當於Arm的平台化不是要把廠商變成貼牌工廠，而是把重複造輪子的工作交給自己，讓廠商把精力放在真正能體現差異的地方。
以上就是我在Arm Everywhere China的所見所聞，至於Arm這種模式能不能走通，等量產機型出來就會有答案了。 (雷科技)