電子發燒友網報道（文/黃晶晶）日前，在ArmUnlocked上海站峰會上，Arm重磅推出智能終端專屬 Lumex CSS平臺。Lumex CSS是一套專為旗艦級智能手機及下一代個人電腦加速其人工智能 (AI) 體驗的先進計算平臺。

CSS是Arm推出的計算子系統，針對不同的應用領域，提供包括Arm Neoverse 計算子系統、面向汽車行業的 Zena、面向移動市場的 Lumex、面向PC市場的Niva，以及面向物聯網和邊緣 AI的Orbis。

Lumex CSS 平臺集成了搭載第二代可伸縮矩陣擴展 (SME2) 技術的最高性能 ArmCPU、GPU及系統 IP，不僅能助力生態伙伴更快將AI設備推向市場，還可支持桌面級移動游戲、實時翻譯、智能助手及個性化應用等多樣的豐富體驗。



取消Cortex命名，Lumex平臺CPU采用新的命名規則

Arm高級副總裁兼終端事業部總經理Chris Bergey表示，在終端業務方面，從Lumex 平臺開始，Arm引入新的命名規則。在這個新命名體系下，Lumex平臺里面的CPU系列會以C1-Ultra、C1-Premium、C1-Pro以及C1-Nano等名稱出現。這一命名體系清晰直觀，能讓整個行業和合作伙伴一目了然。同樣的命名體系也應用于GPU產品線。例如，過去的 “Immortalis” 品牌，現統一采用 Lumex 體系下的Mali命名。關于面向汽車市場的 Zena CSS 平臺，Arm之前介紹過一些信息，但關于面向個人電腦的 Niva CSS 平臺，Arm尚未發布相關信息。

具體來看，搭載SME2的Armv9.3架構在CPU、GPU方面都有較大提升。Arm C1-Ultra CPU是Arm至今推出的性能最強的CPU，其單線程峰值性能較上一代 Arm Cortex-X925 CPU提升高達 25%，非常適合處理嚴苛的 AI 與計算工作負載。針對功耗敏感型的用例，Arm C1-Pro CPU 較 Cortex-A725能效提升幅度達12%。



借助SME2實現AI就緒端側AI性能可提升達五倍，能效可提升三倍。顯著的性能提升還包括語音識別延遲改善超4.7倍，經典大語言模型任務性能提升4.7 倍，生成式 AI 處理速度快2.8倍。

GPU方面，Mali G1-Ultra 集性能與能效于一身，性能提升20% 的同時，每幀能耗也降低9%。該 GPU 在 AI 與機器學習網絡上的推理速度比 Immortalis-G925 快上 20%，光線追蹤性能提升兩倍。

在CSS模式的交付方面，合作伙伴無論是希望選用RTL交付形式的技術授權方式，還是采用接近生產就緒的實現方案，Arm均能提供充分的靈活性與定制化能力，助力合作伙伴借助Lumex CSS快速推進項目，大規模交付具備旗艦級加速性能的豐富AI體驗。

SME2較前代性能的提升

此次，Arm在所有新推出的CPU平臺上全面啟用第二代可伸縮矩陣擴展(SME2) 技術，為開發者帶來更強的AI性能、更低的內存占用，并讓端側AI運行更加流暢，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苛的應用而言。SME2的推出，標志著端側AI 開發邁入對開發者更為友好的新時代。

Arm終端事業部產品管理副總裁James McNiven解析，SME2是SME的新一代版本。它新增了更多指令集，可進一步提升性能和能效。它支持更小的數據類型——具體而言是2 bit和4 bit，隨著每年高度量化模型的不斷增多，這類小數據類型在移動生態系統中的重要性正日益凸顯。這也是Arm將SME2 整合到Lumex 平臺中的原因所在。

Arm預計到2030年SME和SME2將為超30億臺設備新增超100億TOPS的計算能力。這將使端側AI能力實現指數級飛躍，它將降低成本、減少延遲、增強隱私，整體提升用戶體驗。對開發者而言，這意味著他們能更迅速地將創新成果推向市場。

借助Lumex，Arm助力下一代旗艦級智能手機的快速發展，讓AI真正實現個性化。它具備實時適配能力，從核心到上層進行了全面優化，能將平臺級的智能體驗置于用戶的掌心。

提供額外2到6 TOPS算力，CPU算力對端側AI更友好

James McNiven表示，隨著AI應用的日趨成熟，許多AI工作負載會從云端轉向端側。但云端與端側的混合模式將會長期共存——云端AI不會被取代，只是出于隱私考量，許多AI功能的運行需要同時滿足三個條件：隨時可用、低延遲交付，且必須在端側運行。從功能提供者的視角來看，讓用戶設備承載盡可能多的AI 工作負載以降低云端成本，亦是合理之舉。

因此，若某項工作負載需在端側運行，開發者接下來要做的決策是該讓它在設備的哪個模塊上運行。如今的移動端系統級芯片 (SoC) 非常復雜，它們均配備 CPU（大部分計算工作負載在此運行）與高性能 GPU（專門處理圖形工作負載）。旗艦或高端智能手機還會搭載 NPU，作為 AI 工作負載的專用加速器。



從開發者的角度出發，他們大多需要較強的 CPU，從而進一步為工作負載提供更多靈活性。所以對于Arm來說，重點就是不斷的增強這些平臺的計算體驗。CPU 能夠帶來最大的靈活性，以實現整個生態系統普遍的性能。

那么，在引入SME2之后，CPU的AI性能得到了怎樣的提升呢？

進一步來說，根據具體的實現方案和運行頻率，第二代可伸縮矩陣擴展 (SME2) 在技術上可提供額外2到6 TOPS的算力。James McNiven解析，你可能會想“才 6 TOPS？而一些 NPU 已經超過100 TOPS了。”相比之下這聽起來似乎并不突出。但實際情況是，對于低延遲、模型較小的AI任務，例如圖像預處理、語音識別或實時語境助手，這種級別的算力不僅足夠，往往還綽綽有余。

更重要的是，當今許多 AI 工作負載受限于內存帶寬，而非算力本身。因此，即使 NPU 擁有 100 TOPS 的算力，如果無法足夠快速地提供數據，這種峰值性能也難以被充分利用。通過啟用 SME2 直接在 CPU 核心上運行，能夠以低延遲訪問緩存和系統內存，因此在處理這些規模小、頻繁觸發且對延遲敏感的任務時極為高效。因此，盡管 2 到 6 TOPS 的數值看似不高，但在實際應用中的效率和響應速度上，卻是一次巨大的躍升。此外，SME2 還帶來了可編程性優勢。與功能固定的 NPU 不同，它能適應不斷演進的各類 AI 模型和用例。

當然，NPU不會消失，GPU上的推理也不會被取代。Arm 深信不同的計算單元有不同的長處，各自針對不同類型的 AI 工作負載進行優化。NPU擅長高吞吐量、大模型的推理任務，例如大語言模型 (LLM)、視覺 Transformer；GPU更適合并行性強、與圖形相關的 AI 任務，例如渲染加上 AI 圖形優化升級；而搭載 SME2 的 CPU，則在需要與系統邏輯緊密集成的低延遲、持續在線的小模型任務中有卓越表現。

這些計算單元并非相互競爭，而是相輔相成。SME2 帶來了全新的靈活性，尤其對那些希望AI特性能夠在盡可能多的設備上運行的第三方開發者而言，這個靈活性意義重大，包括那些沒有專用NPU的設備。因為每一臺基于 Arm 架構的智能手機都具備 CPU，且在不久的將來，許多智能手機都將支持啟用 SME2 的CPU 核心。這意味著開發者可以依賴一個一致且廣泛可用的 AI 加速層，無需擔心硬件碎片化的問題。

在AI計算時代，Arm 的產品體系從 IP 到計算子系統 (CSS)，再到“AI 優先”的計算平臺。這項著眼“平臺優先”的產品戰略，整合了高性能 CPU/GPU 硬件、KleidiAI 軟件工具及集成庫，構建起“芯片-軟件-工具”的端到端平臺。憑借卓越的性能、能效和可擴展性，該計算平臺能助力合作伙伴實現快速集成，降低研發復雜度與規模化風險，滿足 AI 時代的多樣化需求。