對話Arm鄒挺：2026年物理AI加速 芯片將有這些新進展

在開源大模型持續(xù)豐富能力矩陣的行業(yè)背景下，AI產(chǎn)業(yè)鏈從底層基礎(chǔ)設(shè)施到上層應(yīng)用都正加速演進。

2026年被業(yè)界定義為AI應(yīng)用大年，其中“物理AI”被多家頭部廠商尤其看中，而底層基礎(chǔ)設(shè)施在應(yīng)用的差異化需求催動下，也面臨新的發(fā)展走向。

近日，Arm發(fā)布多項技術(shù)預(yù)測，指出2026年將邁入智能計算新紀(jì)元，屆時，計算將具備更高的模塊化特性和能效表現(xiàn)，實現(xiàn)云端、物理終端及邊緣人工智能 (AI) 環(huán)境的無縫互聯(lián)。其中還提到，下一個價值數(shù)萬億美元的AI平臺將屬于物理智能領(lǐng)域，智能能力將被植入新一代自主設(shè)備與機器人。

Arm中國區(qū)業(yè)務(wù)全球副總裁鄒挺接受21世紀(jì)經(jīng)濟報道記者采訪時指出，對于“物理AI”的發(fā)展，“業(yè)界完全有能力打造出單臺高性能的機器人或自動駕駛系統(tǒng)。但真正的挑戰(zhàn)在于，如何實現(xiàn)數(shù)萬甚至數(shù)百萬臺同類設(shè)備的可靠部署。”

其背后直指原生AI硬件發(fā)展過程中面臨的軟硬件碎片化問題，由此，對于AI產(chǎn)業(yè)鏈來說，構(gòu)建完善的軟件生態(tài)能力，同時部署充分靈活的異構(gòu)計算硬件基礎(chǔ)設(shè)施，成為布局關(guān)鍵所在。

物理AI疾馳

談及今年備受關(guān)注的應(yīng)用場景，“物理AI”必占其一。在前不久舉行的CES 2026上，多家芯片頭部廠商高管都提到了今年對該領(lǐng)域的期待。

目前業(yè)界公認(rèn)的“物理AI”場景主要包括具身智能和自動駕駛，在方向確定的背景下，技術(shù)路線和商業(yè)化進展還存在一定分野，距離大規(guī)模落地尚需一定時間。

根據(jù)Arm對2026年的趨勢分析，在多模態(tài)模型、更高效訓(xùn)練與推理管線的技術(shù)突破推動下，物理AI系統(tǒng)將實現(xiàn)規(guī)�；�部署，催生全新品類的自主設(shè)備。這將幫助醫(yī)療健康、制造、交通運輸、采礦等多個行業(yè)重塑。

此外，面向汽車與機器人自動化場景的通用計算平臺將逐步涌現(xiàn)。車載芯片有望通過技術(shù)復(fù)用與適配，應(yīng)用于人形機器人或工業(yè)機器人領(lǐng)域。這將進一步提升規(guī)模經(jīng)濟效益，加速物理AI系統(tǒng)的研發(fā)與落地進程。

不過從技術(shù)路線看，物理AI目前仍面臨世界模型和VLA（視覺-語言-動作）模型兩條技術(shù)持續(xù)演進的命題。

鄒挺對記者分析，二者均為物理AI落地的核心技術(shù)路線，適配自動駕駛、工業(yè)自動化、精密醫(yī)療等多元應(yīng)用場景。其中VLA模型聚焦解決“理解與執(zhí)行”的核心需求，世界模型則專注攻克“預(yù)測與因果”的關(guān)鍵難題，均對算力提出高要求。

“這兩條路線各有側(cè)重、優(yōu)勢互補，業(yè)界也在探索兩種路線的融合：將VLA模型引入世界模型能力以提升環(huán)境預(yù)測精度，世界模型則融入語言交互接口以增強決策可解釋性�！彼�續(xù)稱。

鄒挺告訴記者，為應(yīng)對物理AI的發(fā)展需求，在內(nèi)部組織架構(gòu)方面，2025年11月，Arm完成旗下汽車、機器人及各類自主運行設(shè)備相關(guān)業(yè)務(wù)的整合，成立“物理AI”事業(yè)部。

“這些領(lǐng)域正朝同一個核心目標(biāo)加速融合。即打造一套在算力、安全性與可靠性毫不妥協(xié)的前提下，實現(xiàn)‘感知-決策-執(zhí)行’實時閉環(huán)的AI方案�！彼�續(xù)稱，隨著AI技術(shù)在各類物理系統(tǒng)中規(guī)�；�部署，能效表現(xiàn)、完善且成熟的軟件生態(tài)已成為決勝關(guān)鍵。

“物理AI需要在嚴(yán)苛的功耗與熱管理限制下持續(xù)運轉(zhuǎn)，并且往往部署在安全關(guān)鍵型應(yīng)用場景中。而規(guī)�；�的關(guān)鍵，絕非單純提升性能，更在于將統(tǒng)一的架構(gòu)理念貫穿于云端訓(xùn)練、邊緣推理及物理系統(tǒng)實時執(zhí)行的全流程。這就需要一套能夠支撐‘從傳感器端到中央決策端’分布式智能的平臺化方案�！编u挺指出。

對此，Arm推出了一套分層式解決方案。硬件層面，Arm有汽車增強AE IP及Zena CSS產(chǎn)品組合；軟件層面，Arm提供KleidiAI庫和優(yōu)化工具，幫助實現(xiàn)模型量化和調(diào)優(yōu)；系統(tǒng)層面則推動云-邊-端協(xié)同，將高功耗任務(wù)卸載到邊緣或云端，同時支持低功耗通信協(xié)議，形成“架構(gòu)+硬件+軟件+生態(tài)”的整體能效優(yōu)化路徑。

“我們深知，業(yè)界完全有能力打造出單臺高性能的機器人或自動駕駛系統(tǒng)。但真正的挑戰(zhàn)在于，如何實現(xiàn)數(shù)萬甚至數(shù)百萬臺同類設(shè)備的可靠部署。過去，由于軟硬件技術(shù)棧的碎片化問題，行業(yè)發(fā)展一度陷入停滯。Arm希望通過計算平臺、配套工具鏈及龐大的生態(tài)體系，通過‘一次開發(fā)、多類物理系統(tǒng)部署’的模式破解這一痛點�！编u挺指出。

AI手機再升級

作為當(dāng)前智能手機的核心供應(yīng)商，Arm也是本輪AI手機熱潮的核心“推手”之一。

在2025年，AI手機一個核心特征是，僅在端側(cè)、不聯(lián)網(wǎng)條件下，高端手機已經(jīng)具備運行30億參數(shù)規(guī)模大模型能力。這背后不僅有賴于開源模型在小型化之后的能力躍升，也離不開芯片硬件層面的支持。

Arm發(fā)布的技術(shù)趨勢中談道，得益于模型壓縮、蒸餾及架構(gòu)設(shè)計的技術(shù)突破，當(dāng)下復(fù)雜的推理模型正在實現(xiàn)數(shù)量級的規(guī)�？s減，轉(zhuǎn)化為小語言模型 (SLM)，同時不會犧牲計算能力。這些輕量化模型不僅更易于在邊緣側(cè)部署、微調(diào)成本更低，還能高效適配功率受限的應(yīng)用環(huán)境。同時，模型蒸餾、量化等超高能效的AI模型訓(xùn)練技術(shù)的規(guī)�；瘧�(yīng)用，為這一變革提供了堅實支撐，正逐步成為行業(yè)標(biāo)準(zhǔn)。訓(xùn)練能效有望成為衡量AI模型的核心指標(biāo)。

據(jù)悉，搭載Arm Mali GPU中專用神經(jīng)加速器的智能手機將在2026年推出，這項移動GPU專用的神經(jīng)技術(shù)標(biāo)志著移動端側(cè)圖形和AI能力的重大飛躍，不僅支持更高幀率的4K游戲、實時視覺計算及更智能的端側(cè)AI助手等功能，且所有功能均無需依賴云端連接即可運行。

在技術(shù)層面，鄒挺對21世紀(jì)經(jīng)濟報道記者指出，小語言模型（SLM）對手機的性能、能效、安全性及軟件適配能力提出了更高要求。

這既需要CPU、GPU、NPU等異構(gòu)算力芯片的無縫配合，實現(xiàn)動態(tài)負(fù)載均衡；也需要突破“性能-功耗-面積”三角，適配手機低功耗約束；同時，由于涉及越來越多的個人數(shù)據(jù)，需要更加強調(diào)安全性；軟件生態(tài)適配也不能忽視，需兼容多框架與模型壓縮技術(shù)，降低部署門檻，SLM快速迭代要求產(chǎn)品支持PyTorch、ExecuTorch等框架，同時適配4-bit量化等壓縮方案。

因此，在幫助手機承接大算力、多模態(tài)能力方面，Arm通過構(gòu)建“Lumex CSS計算平臺+ KleidiAI軟件庫+開放生態(tài)”作為應(yīng)對。

據(jù)介紹，借助Armv9.3 CPU集群，Arm Lumex實現(xiàn)了兩位數(shù)的性能提升和硬件級安全性；而Lumex搭載的第二代可伸縮矩陣擴展 (SME2) 技術(shù)，有更強的AI性能、更低的內(nèi)存占用，尤其對于音頻生成、攝像頭推理、計算機視覺或聊天交互等對實時性要求嚴(yán)苛的應(yīng)用。

KleidiAI目前已集成到多個主流AI框架，包括 Llama.cpp、ExecuTorch、MNN和LiteRT。以中國市場為例，Arm架構(gòu)CPU在阿里通義千問、百度文心大模型及騰訊混元大模型開源首日便率先完成適配，且三大模型均深度集成Arm KleidiAI。

XR眼鏡加速落地

除了AI手機，近些年被認(rèn)同作為手機之外下一個端側(cè)入口的XR眼鏡也在如火如荼發(fā)展。雖然2025年中國市場經(jīng)歷了AI眼鏡的“百鏡大戰(zhàn)”，但行業(yè)普遍認(rèn)為，AR才是未來發(fā)展遠(yuǎn)景，這意味著行業(yè)仍在快速演化。

展望2026年，Arm方面指出，頭顯和智能眼鏡等增強現(xiàn)實 (AR) 與虛擬現(xiàn)實 (VR) 可穿戴設(shè)備，將在物流、運維、醫(yī)療和零售等更廣泛的工作場景中落地應(yīng)用。這一趨勢主要得益于輕量化設(shè)計和電池續(xù)航能力的進步，讓解放雙手的計算模式在更多場景中具備實用性。

隨著外形尺寸不斷縮小、AI能力不斷增強、連接體驗愈發(fā)流暢，AR與VR可穿戴計算設(shè)備將成為推動職場向更智能、更具輔助價值的未來演進的關(guān)鍵一步。

不過，鄒挺對記者指出，AR/VR這類可穿戴設(shè)備在企業(yè)應(yīng)用中的日益普及，要求設(shè)備在設(shè)計時，需持續(xù)滿足更嚴(yán)苛的形態(tài)規(guī)格與能耗限制要求�！安煌�的行業(yè)場景對實時渲染、數(shù)據(jù)處理和交互響應(yīng)速度的要求差異明顯。例如，遠(yuǎn)程醫(yī)療手術(shù)對時延極為敏感，而工業(yè)培訓(xùn)可能更關(guān)注渲染質(zhì)量和設(shè)備續(xù)航�！彼�說。

XR可穿戴設(shè)備在實際落地過程中，仍面臨多個方面挑戰(zhàn)。鄒挺分析道，其一是要平衡算力與能效。AR/VR穿戴設(shè)備存在電池容量有限、機身輕量化的設(shè)計約束，因此，在提供高性能計算以支撐復(fù)雜功能的同時保障長續(xù)航，是此類設(shè)備在企業(yè)級場景落地應(yīng)用的關(guān)鍵前提。

其二是多種實時交互（如視頻、語音、手勢識別）對系統(tǒng)時延提出極高要求，尤其在醫(yī)療、工業(yè)等關(guān)鍵場景。

其三，由于設(shè)備需支持從輕量級到高性能的多樣化應(yīng)用，XR設(shè)備還要有多功能異構(gòu)場景適配能力。

對此，Arm認(rèn)為需要從架構(gòu)、計算能力、軟硬協(xié)同等方面應(yīng)對。Arm C1-Nano非常適合XR（包括VR、AR）、入門級或中端設(shè)備，甚至可用于數(shù)字電視等場景，同時，Arm不斷優(yōu)化CPU、GPU、NPU等異構(gòu)計算單元，適配不同設(shè)備和應(yīng)用場景。

此外，鄒挺指出，高算力、低延時任務(wù)優(yōu)先采用終端側(cè)與邊緣側(cè)處理，同時按需調(diào)用云端資源拓展算力上限，既能減輕設(shè)備運行負(fù)荷，又可保障關(guān)鍵場景下的實時性能。 同時也在推動生態(tài)系統(tǒng)合作，優(yōu)化操作系統(tǒng)、中間件和應(yīng)用算法，提升整體系統(tǒng)效率，降低時延。

AI計算新走向

作為AI產(chǎn)業(yè)發(fā)展的核心基座，AI芯片本身面對的市場需求也在持續(xù)演進。除了通用計算的核心芯片GPU和CPU之外，2025年以來，ASIC、NPU等不同類型芯片也備受關(guān)注。

鄒挺對記者分析，不同類型的AI加速器各具技術(shù)優(yōu)勢，需結(jié)合具體應(yīng)用場景與工作負(fù)載特性進行選擇。其中，NPU作為神經(jīng)網(wǎng)絡(luò)推理專用處理器，核心優(yōu)勢為AI架構(gòu)適配、高能效比、輕量化部署、本地閉環(huán)處理及多處理器協(xié)同，適用于可穿戴設(shè)備、智能揚聲器、軟件定義智能攝像頭以及智能家居設(shè)備等場景，滿足低功耗、實時響應(yīng)、數(shù)據(jù)隱私保護核心需求。

據(jù)悉，在推動NPU能力提升方面，Arm核心聚焦兩大方向：異構(gòu)架構(gòu)協(xié)同與全棧軟件生態(tài)支撐。

在堅持異構(gòu)架構(gòu)協(xié)同方面，Arm NPU與包括CPU、GPU在內(nèi)的多元化處理器高效協(xié)同，針對不同場景提供更優(yōu)的算力支撐。例如，Arm Cortex-A處理器作為一款面向多種應(yīng)用的可編程處理器，集成了Neon/SVE2向量引擎，旨在加速神經(jīng)網(wǎng)絡(luò)和各種向量化代碼，并原生支持多種數(shù)據(jù)類型。而對于AI工作負(fù)載明確的邊緣場景，則可通過Arm Ethos-U85這類專用NPU承載神經(jīng)網(wǎng)絡(luò)處理任務(wù)，從而釋放中央處理器（CPU）資源。

生態(tài)支撐層面，Arm為Cortex-A、Cortex-M、Ethos-U等全系列AI硬件方案提供全面的開源運行時支持，并通過Arm KleidiAI為PyTorch、ExecuTorch、Llama.cpp、TensorFlow、LiteRT等主流ML框架提供硬件加速適配。

從整體AI芯片趨勢來說，Arm方面指出，特定領(lǐng)域加速技術(shù)的興起，正在重新定義芯片性能，但這一變革并非通過簡單區(qū)分通用計算與加速器來實現(xiàn)。相反，行業(yè)正朝著系統(tǒng)級協(xié)同設(shè)計的定制化芯片方向演進，這類芯片將從系統(tǒng)層面與軟件棧協(xié)同設(shè)計，并針對特定AI框架、數(shù)據(jù)類型及工作負(fù)載完成深度優(yōu)化。

其中，亞馬遜云科技 (Graviton)、Google Cloud (Axion) 和Microsoft Azure (Cobalt) 等頭部云服務(wù)提供商正在引領(lǐng)這一轉(zhuǎn)變，展示了緊密集成的平臺，即從底層開始將專用CPU、加速器、內(nèi)存和互連共同設(shè)計在一起，是實現(xiàn)可擴展、高效且開發(fā)者可訪問的AI的核心。這一趨勢將推動下一代基礎(chǔ)設(shè)施——“融合型AI數(shù)據(jù)中心”加速落地，這類數(shù)據(jù)中心可最大化單位面積內(nèi)的AI算力，從而降低AI運行所需的能耗總量及相關(guān)成本。

2026年，原生AI應(yīng)用與AI芯片的協(xié)同進化，正指向一個更深層次融合的智能世界。AI不再僅是云端的數(shù)據(jù)處理工具，而是嵌入設(shè)備、融入場景、貫穿系統(tǒng)的“自主神經(jīng)”。一個由物理AI、邊緣推理與云端協(xié)同共同編織的智能新紀(jì)元，正在芯片與算力的基石上加速展開。