正如 。助I作载 Arm
。力轻工程部软件高档副总裁 Mark Hambleton 在《2025 年芯片新思维》陈述中所说 ：人工智能
。松加( 。业负AI 。助I作载) 的力轻未来展开离不开软硬件的协同 。 但是松加，在由 Arm 资助的业负新 CIO 陈述中所述 ，开发者
。助I作载作业流程的力轻碎片化约束了开发者创建和扩展新 AI 使用的速度，而这也是松加现在其所面对的最大应战之一
。 Arm 深知软件关于开释 AI 的业负真实潜力至关重要 ，因此从根底架构和整个技能栈下手
，助I作载致力于简化 AI 开发流程，力轻并支撑新 AI 使用和作业负载完成无缝功用加快。松加 根底架构。 Arm 继续展开本身架构，作为软硬件之间的重要 。接口
。
。现在，从云端到边际侧的广泛商场中，Armv9 架构已成为。智能手机
。 、数据
。中心 。
、高功用核算和轿车使用等范畴的现代技能根底 。 Arm 不断为最新的架构引进新的功用，例如此前推出的可弹性矩阵扩展 (SME) 和可弹性向量扩展 (SVE2) ，有助于在各类使用中加快生成式 AI 和常见。机器学习 。(ML) 作业负载 。SME 借由在通用指令会集引进杂乱矩阵处理才能
，使开发者可以在其 AI 使用中完成拔尖功用
，并无缝迁移到不同的生态系统 。由此不只扩展了运转 AI 作业负载的硬件规模 ，还明显提高了用户体会 。 CPU 。对开发者的价值 。 上述架构特性都集成到了 Arm 的 CPU 中
，使之成为软件开发者首选的方针渠道
。因为 Arm CPU 广泛使用于从云端到边际侧的各种使用，合适作为大多数 AI 推理作业负载的直接方针渠道，被广泛使用于数十亿台设备中
，例如当今的 。智能 。手机
。 ，以及全球的云端和数据中心 。经过挑选 Arm CPU 作为方针渠道
，开发者可以以更多类型的数据格式运转更广泛的软件 ，而无需为专用 NPU 开发多个版别的代码。 CPU 为开发者供给了所需的一致性
，防止了定制硬件解决方案所带来的碎片化和功率低下 。 正如 Hambleton 在《2025 年芯片新思维》陈述中指出 ：AI 结构的互操作性是开发者的中心诉求
。因此开发者一般默许挑选 CPU 后端，因为 CPU 的普遍性保证了更广泛的兼容性 。 此外 ，推进 AI 作业负载扩展的要素不只限于架构的前进 。 在 CIO 陈述中
，Arm 工程部机器学习工程副总裁 Nick Horne 表明
，AI 现已从依靠云端的巨大模型演化为可在边际侧或端侧运转的更小 、更高效的模型。他指出 ：现在 ，有些超卓的模型可在你随身携带的设备上运转并供给高质量的成果
，某些情况下乃至可以彻底在 CPU 上运转 。 对开源不变的许诺
。 Arm 与开源社区广泛协作
，致力于推进 AI 的遍及，为开发者供给快捷途径 ，使开发者可以轻松获取来自广泛 Arm 生态系统协作伙伴的硬件
，及时使用其间的最新架构特性和功用 。 Horne 在 CIO 陈述中强调了这一办法为开发者带来的优势
。他指出
：选用具有杰出硬件笼统的开源 AI 结构 ，可以明显防止对灵活性的影响 。 如此一来 ，开发者无需受限于特定硬件
、云服务供给商或软件渠道 。 Kleidi 助力轻松加快 AI。 Arm Kleidi 很好地表现了上述优势的实践使用作用
。Kleidi 供给开发者支撑技能 、资源和微内核库
，可以为在 Arm CPU 上运转的模型轻松完成 AI 作业负载加快。因为 Kleidi 库已集成到干流的开源 AI 结构和运转时中，包含 Google 的 Media
。Pi 。pe 、Meta 的 ExecuTorch 和 PyTorch
、llama.cpp ，腾讯的 Angel
，以及阿里巴巴的 MNN 。开发者无需额定作业即可取得功用优化 ，然后节省时间 、精力和本钱。Kleidi 现已集成至 Arm 技能掩盖的一切商场
，包含移动端 、云 、数据中心 、轿车和 。物联网 。范畴 。 与职业抢先的生态系统协作 。 从更广泛的层面来看
，Arm 经过职业抢先的软件生态系统 ，与很多协作伙伴展开协作
，致力于安全、大规模地布置 AI
。例如
，Arm 与 GitHub 就 GitHub Runne
。rs
。项目展开协作 ，使开发者可以更高效地在云端测验和布置练习好的模型。近期 ，面向 GitHub CoPilot 的 Arm 扩展程序为开发者供给了彻底集成的原生 Arm 作业流 ，包含精确的代码生成 、测验用例创建和过错修正功用
。 此外
，Arm 还经过各种行动推进底层软件和固件布置的简化和加快，完成顺利的软件开发。Linaro OneLab 、Trus 。te 。d Firmware 和 PSA Certified 等项目促进了各方协作 ，并为快速展开的边际侧 AI 和高功用物联网范畴的安全软件布置和支撑供给了蓝图 。在轿车职业 ，Arm 建议的面向
。嵌入式
。边际的可扩展敞开架构 (SO。AFE 。E) 致力于供给根据规范的结构
，以完成软件的规模化复用，然后缩短开发周期 ，满意了软件界说轿车 ( 。SD。V) 使用中对更多 AI 的空前需求 ，一起提高了驾驭体会 。 敞开规范推进立异 。 最终 ，缺少规范化实践可能会阻止立异，并可能在未来给开发者制作杂乱难题
。敞开规范使开发者和研究人员可以在不同渠道之间无缝切换
，一起专心于练习、量化和布置
，经过模型的继续立异发明价值 。 凭借软件加快 AI 立异 。 为了让 AI 技能充分发挥潜力 ，软件开发流程需求简化、加快并敞开
。Arm 技能及其生态系统经过专心于敞开规范 、硬件笼统并与不断演化的结构坚持兼容，助力完成面向未来的 AI 开发 。开发者因此可以在不同硬件上无缝创建和布置 AI 使用
、模型和作业负载并提高功用，然后根据 Arm 渠道为 AI 年代打造更优质的软件。
| 
楼主
收藏
点赞