原標題：AI存儲時代 Arm準備好了！三管齊下 軟硬兼施

　　近日在深圳舉辦的MemoryS 2025閃存峰會上，存儲行業的眾多龍頭企業紛紛登臺亮相，Arm的出現則可能讓很多人感到意外。

　　事實上，Arm作為全球領先的計算平臺公司，不僅僅服務于移動計算行業，更是以開放生態為核心，切實推動AI與存儲技術的深度融合，推動從云端到邊緣端的智能化轉型。

　　本屆峰會上，Arm物聯網事業部業務拓展副總裁馬健發表演講，系統性地闡述了Arm在AI計算與存儲領域的技術創新、生態共建、未來戰略，并在會后接受了快科技的采訪。

　　馬健指出，近30年來，Arm架構產品一直是數據存儲與網絡控制的基石，為全球存儲控制器和設備提供高性能、低功耗、安全可靠的解決方案。

　　—— Cortex-R系列實時處理器：擁有最快的中斷延時和實時反應速度，廣泛應用于諸多存儲設備。

　　—— Cortex-M系列嵌入式處理器：后端閃存和媒體控制的熱門選擇，支持自定義指令，客戶可以針對不同閃存進行深度優化。

　　—— Cortex-A系列應用處理器：高吞吐量流水線設計，支持最高處理性能，同時擁有機器學習、數據處理軟件、豐富操作系統的廣泛生態支持。

　　—— Ethos-U AI加速器：Transformer原生加速可高達每秒2048 MACs，讓存儲控制器本身變得更智能。

　　—— Neoverse基礎設施平臺：為數據中心量身定制，CXL采用Arm CMN(一致性網格網絡)與Neoverse組合，實現可“組成式”內存擴展，并結合近存儲計算，減少數據搬運。

　　其實，大量我們熟悉的存儲類產品，幕后都是Arm在默默支撐。

　　比如，Solidigm首發的全球最大容量122.88TB SSD D5-P5336，其主控就采用了Arm Cortex-R CPU。

　　慧榮科技的新一代PCIe 5.0 SSD主控芯片SM2580，用的就是Arm Cortex-R8、Cortex-M0 CPU，業界首款車用PCIe Gen4主控芯片SM2264XT-AT，同樣基于Arm CPU架構。

　　AI的快速發展，對基礎算力提出了新的要求，包括高性能、低功耗、靈活擴展性等，而傳統的標準通用芯片在處理計算密集型的AI工作負載時，往往顯得力不從心。

　　在此背景下，Arm計算平臺為新一代AI云基礎設施帶來了Neoverse CSS平臺解決方案、Total Design生態項目、CSA芯粒系統架構，具有高效、靈活、可擴展的顯著優勢，也幫助合作伙伴可以快速打造差異化的產品，滿足AI新需求。

　　同時，為了應對邊緣側對AI計算需求的增長，Arm還發布了全新的邊緣AI計算平臺，包括基于Armv9架構、擁有超高能效的Cortex-A320 CPU處理器，以及原生支持Transformer網絡的Ethos-U85 AI加速器。

　　該平臺實現CPU處理器與AI加速器的深度配合，具備強大的計算能力，是邊緣側AI設備運行大模型、復雜任務的理想解決方案，可運行10億以上規模參數的大模型。

　　在馬健看來，生成式AI和大模型從爆發到現在雖然才短短三年時間，但已經得到了廣泛而深入的行業規模部署，邊緣計算也在進入AI時代后發生了顯著的變化。

　　一是計算能力大幅提升，軟硬件協同優化。

　　邊緣計算節點正突破傳統的“小型網關+通用CPU”模式，向智能化方向加速演進。通過深度集成GPU、FPGA、NPU等異構計算單元，邊緣設備已經實現了更強的并行計算性能，同時具備更強的AI推理加速能力。

　　同時，邊緣設備的軟件棧也日益完善，越來越多廠商針對AI推理場景提供輕量化推理框架，比如ExecuTorch、TensorFlow Lite、ONNX Runtime、飛槳PaddleLite等等，從而在資源受限的環境下，運行高效的模型推理。

　　二是從“數據傳輸中心”轉變為“實時智能中心”。

　　早期的邊緣計算主要承擔數據預處理和緩存功能，大量原始數據需要輸送至云端，再進行分析和訓練。

　　現在，AI模型尤其是推理部分，正越來越多地在邊緣設備上實現本地化執行，以滿足實時性、隱私合規等需求。

　　邊緣節點不再只是數據“傳輸管道”，而是進化為提供實時智能服務的中心節點，這不僅有效減輕了云端的帶寬與存儲負擔，還使得決策過程更貼近實際應用場景，實現了毫秒級的快速響應。

　　三是模型生命周期管理與協作深化。

　　云邊之間的協作更加緊密，云端負責大模型的訓練及更新，邊緣側則專注輕量化推理與在線更新。

　　在此過程中，對邊緣側模型的部署與運維變得尤為重要，包括模型分發、滾動升級、A/B 測試等。

　　為此，需要依賴自動化的MLOps平臺在邊緣側發揮關鍵作用，確保整個模型生命周期的高效管理與無縫協作。

　　針對邊緣計算的未來發展趨勢，Arm正從硬件、軟件、生態三個方面協同發展，釋放邊緣AI的重要價值。

　　硬件方面，就是剛才說過的全新邊緣AI計算平臺。

　　軟件方面，Arm去年推出了Kleidi軟件庫，首先用于智能手機和服務器市場，現已擴展到了汽車和物聯網領域。

　　這是一套專為AI框架開發者設計的計算內核，可以在Arm CPU上獲取最佳性能，支持包括Neon、SVE2 等在內的Armv9架構的關鍵特性，大幅提升了AI計算效率。

　　Kleidi已集成到多個主流AI框架，包括Llama.cpp、ExecuTorch、LiteRT，可以加速Llama 3、Phi-3等主流AI大模型

　　生態方面，Arm已將Armv9架構Cortex處理器系列全面的性能和生態引入智能物聯領域，包括極致性能的Cortex-X925，以及適合低成本、低功耗大規模智能部署的全新Cortex-A320，因此無論邊緣AI設備的需求如何，都能找到最合適的處理器方案。

　　例如，Cortex-A320支持多種操作系統, FreeRTOS/Zephy等實時操作系統(RTOS)，Linux、Android等功能豐富操作系統，都能提供高效支持。

　　Arm在邊緣計算領域一直有著廣泛的布局，不僅涵蓋CPU、GPU、NPU等IP核產品線，還深入軟件工具鏈、標準化平臺、安全解決方案等多個維度。

　　隨著AI技術在邊緣側應用的迅猛發展，如智能制造、智慧城市、車載計算、智能家居等，Arm正在三個方面重點發力：

　　一是打造CPU+GPU+NPU三大引擎組成的異構計算IP。

　　CPU方面，Cortex系列將不斷強化通用算力，具備卓越性能和能效的Cortex-A/R/M系列，超高性能Cortex-X系列，以及專為基礎設施設計的Neoverse系列，可以滿足更廣泛的算力需求。

　　比如Neoverse優化了多核心多線程、虛擬化，非常適合邊緣服務器、智能網關等場景，保持功耗優勢的同時提供高吞吐性能。

　　比如超高能效Cortex-A320，非常適合大規模、低成本、低功耗的智能部署。

　　GPU方面，Mali系列在移動端、智能終端市場應用廣泛，未來將繼續增強通用計算能力，兼顧圖形渲染和部分AI推理需求，支持流暢、自然、直觀的人機交互體驗。

　　NPU方面，Ethos系列AI加速器已原生支持Transformer神經網絡，可與 CPU、GPU 協同構建異構計算平臺，支持運行超過10億參數小模型。

　　Ethos可在有限面積與功耗下提供高效AI算力，適合在智能物聯網、智能視覺、智能可穿戴、工業控制等邊緣場景中，部署輕量化或中等規模的深度學習推理。

　　二是云-邊-端協同的軟件賦能。

　　從云基礎設施、邊緣AI計算平臺到終端AI處理，Arm KleidiAI都能為開發者提供基于Arm計算平臺的一致體驗，實現從云到端的無縫銜接。

　　在國內，KleidiAI已集成到騰訊混元大模型中，加速端側AI推理的速度。

　　阿里通義千問Qwen2-VL-2B-Instruct模型同樣集成了KleidiAI，可以在基于Arm CPU的移動設備上，運行多模態AI工作負載。

　　未來，Arm計劃推出更多軟件庫、計算內核、引擎集成，持續在Arm平臺上構建新的AI賦能。

　　三是強化安全與信任。

　　安全與隱私保護是邊緣AI大規模部署的重點，也是Armv9架構處理器和邊緣AI計算平臺的主要發展方向。

　　在硬件級安全方面，Arm在架構層面強化了TrustZone、TEE等安全機制，Armv9架構支持Secure EL2、指針驗證/分支目標識別（PACBTI）、 內存標記擴展（MTE）等安全指令，并符合PSA Certified 規范。

　　在軟件可信堆棧方面，針對邊緣環境OTA在線升級、遠程管理的需求，Arm將持續與各類操作系統或云平臺合作，完善從Bootloader到應用層的安全鏈條。

　　馬健強調，隨著邊緣AI的快速發展，將會有更多、更復雜的AI工作負載，轉向邊緣設備進行處理。

　　Arm重點始終是面向市場、面向合作伙伴，提供滿足當下和未來各個領域AI應用工作負載的解決方案。