邊緣智能新引擎：Arm如何重塑AI的產業落地？
毋庸置疑，2025年是邊緣AI加速落地的年份。自從2022年11月30日，ChatGPT正式發布以來，到如今即將滿3年時間。在這三年里，AI從云端逐漸下沉到了邊緣端。早些年，業內分析師普遍認同，“2025年是邊緣AI開始規模落地的元年”。現如今，這一預測也得到證實。
尤其是在智能手機領域，AI模型已經成為旗艦新機的核心賣點之一。自2023年，首款搭載AI模型的手機發布以來，到2024年陸續有廠商跟進，再到2025年旗艦新機搭載大模型已經成為慣例。與此同時，在個人電腦領域，AI PC也已經成為個人電腦的重要發展方向，本地化部署和硬件升級是核心趨勢。
再觀察幾組分析機構給出的預測數據：SHD Group發布的《邊緣AI市場分析報告》指出，預計到2030年，基于邊緣AI的系統級芯片（SoC）市場營收規模將達到800億至1,000億美元；VDC Research也指出，到2028年，AI將成為物聯網（IoT）項目中應用占比最高的主導性技術；Edge AI Foundation的報告進一步預測，邊緣AI基礎設施投資將在2028年前增長超過60%。
上述這一系列數據表明，邊緣AI正處于產業爆發的前夜，將成為推動下一代智能計算平臺的重要力量。在此背景下，Arm在近日舉辦了“Arm Unlocked 2025深圳站”，該活動聚焦“探索 AI 計算的未來”主題，全面展示了Arm正持續推進“平臺優先”戰略，在高性能、高能效及高可擴展性的底層計算架構基礎上，攜手產業各方共建從云到端的AI計算平臺。
邊緣AI是本次峰會探討的一個重要領域，在當日的媒體交流會環節，Arm物聯網事業部硬件產品管理高級總監Lionel Belnet對《國際電子商情》等媒體介紹，今年年初Arm推出的全球首個基于Armv9架構的邊緣AI計算平臺，以Arm Cortex-A320 CPU和Arm Ethos-U85 NPU為核心，專為物聯網應用優化，支持運行超10億參數的端側AI模型。
據了解，該Armv9邊緣AI計算平臺也將納入Arm 技術授權訂閱模式中的Arm Flexible Access方案，助力初創企業與OEM廠商加速下一代智能邊緣設備的研發進程。除了以上信息之外，他還透露了Arm推動AI技術在消費電子、智能汽車、工業自動化、基礎設施等關鍵領域的落地情況。
“AI的終點不在邊緣，而是始于邊緣”
所謂邊緣AI，是指在靠近數據源的設備端，如智能手機、攝像頭、工業控制器等，部署AI模型，實現本地化的智能感知、分析與決策。隨著AI技術的快速發展，傳統依賴云端計算的AI架構正面臨新的挑戰。數據隱私、實時響應、能效優化以及成本控制等因素，促使AI計算逐步向“邊緣”遷移。
對此，Lionel指出，邊緣AI正在成為智能計算的新焦點，其快速發展背后，源于五大不可或缺的核心優勢，這些優勢不僅推動了邊緣AI的廣泛應用，也為其邁向通用人工智能奠定了堅實基礎。
- 第一，低延遲響應。邊緣AI通過本地化處理數據，顯著降低了依賴云端傳輸所帶來的延遲，尤其適用于自動駕駛、智能安防、語音交互等對實時性要求極高的場景。在人機交互（HMI）領域，低延遲是提升用戶體驗的關鍵，確保系統能夠快速、準確地響應用戶指令。
- 第二，隱私與數據安全。在邊緣設備上直接處理數據，避免了將敏感信息上傳至云端的風險，從而增強了數據隱私保護能力。這對于醫療、金融、工業控制等對數據安全要求極高的行業尤為重要。Arm通過引入如Secure EL2、PACBTI、MTE等安全機制，在不增加硬件成本的前提下，提升了邊緣AI平臺的安全性和可信度。
- 第三，能效優化。邊緣設備通常面臨功耗限制，AI模型需在極低功耗下運行。Arm的Cortex-M85與Ethos-U85組合展示了在幾毫瓦功率下運行復雜語音識別模型的能力，體現了邊緣AI在能效方面的巨大潛力。通過專用硬件加速器，邊緣AI能夠高效完成特定任務，實現性能與能耗的最佳平衡。
- 第四，成本控制。邊緣AI減少了對云計算資源的依賴，降低了數據傳輸、存儲與處理的成本。本地計算不僅節省了帶寬和服務器資源，也簡化了系統架構，適用于大規模部署的消費電子、工業設備和智能終端。
- 第五，系統韌性與可靠性。邊緣設備具備本地推理與決策能力，即使在網絡中斷或離線狀態下，仍能持續運行AI模型，保障服務的連續性與穩定性。例如，在工業自動化場景中，邊緣AI可在斷網情況下繼續執行關鍵任務，確保生產安全與效率。
邊緣AI的五大優勢不僅解決了傳統云端AI面臨的瓶頸問題，也為構建更智能、更安全、更高效的計算體系提供了堅實支撐。正如Lionel所強調的：“AI的終點不在邊緣，而是始于邊緣，并從邊緣側推動著下一波智能計算的浪潮。”
Arm的邊緣AI戰略：平臺優先與生態協同
作為全球領先的計算平臺公司，Arm在邊緣AI領域的布局可謂全面而深入。在2025年Arm Unlocked深圳站上，Arm提出“平臺優先”戰略，致力于構建從云到端的統一AI計算平臺。
2025年，Arm推出了全球首個基于Armv9架構的邊緣AI計算平臺，以Cortex-A320 CPU與Ethos-U85 NPU為核心，專為物聯網應用優化，支持運行超過10億參數的邊緣AI模型。該平臺在性能、能效與可擴展性方面實現了顯著提升。
Lionel透露說：“與前代產品相比，Cortex-A320充分發揮了Armv9架構的優勢，如針對機器學習(ML)性能的第二代可伸縮矢量擴展(SVE2)，相較于前代產品Arm Cortex-A35，Cortex-A320 的ML性能提升了十倍，標量性能提升了30%。”
與此同時，Arm還將Armv9架構的邊緣AI計算平臺納入了技術授權訂閱模式——Arm Flexible Access，允許初創企業與OEM廠商能夠在前期以低成本甚至免費方式獲取Arm的IP、工具與資源，快速啟動產品研發。“目前，中國有70余家合作伙伴通過Arm Flexible Access方案進行技術創新，包括帝奧微電子、摩芯半導體、杭州芯勢力。”
Lionel表示，對于Arm的邊緣AI計算平臺，主要為客戶提供對新一代框架的廣泛支持。通過整合各類合作伙伴的資源，Arm在新興的機器學習與人工智能框架下持續保持產品創新，并致力于提供完整的解決方案。在此基礎上，合作伙伴可以根據其終端產品特性與市場策略，實現各自的產品差異化。
一個典型的例證是Arm與Meta的合作，雙方共同推出了ExecuTorch 1.0正式版。該工具基于統一的PyTorch工作流，使開發者能夠在可在廣泛部署的Arm架構邊緣設備上高效運行PyTorch模型，提升部署效率與開發體驗，實現真正的“開箱即用”。這一方案不僅顯著提升了開發效率，也簡化了模型部署流程，為邊緣AI應用帶來了更流暢、更便捷的開發體驗。
邊緣AI的產業落地與中國市場展望
隨著邊緣AI技術的不斷成熟，其應用正加速滲透至多個關鍵產業領域，成為推動智能化轉型的重要引擎。前文介紹了Arm的“平臺優先”戰略，其實Arm也在聯合生態伙伴在消費電子、智能汽車、工業自動化及基礎設施等方向展開深度布局，推動AI從云端向邊緣全面落地。
在消費電子領域，智能手機與可穿戴設備正逐步成為個人AI體驗的核心載體。廠商如vivo 已在其計算加速平臺 VCAP 中全面支持 SME2，支持 SME2 的新硬件與其他計算單元分工協作，能夠實現更高效的端側AI異構計算；傳音控股則聚焦模型小型化、端云協同與多設備算力調度，助力端側AI實現全面普及。
Arm Lumex CSS平臺的推出，為移動終端注入了更強的AI性能，助力打造更智能、更個性化的用戶體驗。
汽車產業則邁入“AI定義”時代，智能駕駛與座艙體驗同步進入深度智能化階段。Arm推出的Zena CSS計算平臺支持軟件定義汽車的快速迭代，并通過與本地生態伙伴的協作，加速智能座艙與自動駕駛技術的商業化落地。
在工業自動化方面，邊緣AI通過本地推理與決策能力，實現預測性維護、質量檢測與自主控制，顯著提升制造業的智能化水平。Arm基于Cortex-M85與Ethos-U系列的邊緣AI方案已在智能家電與工業控制設備中廣泛部署，展現出高能效與系統韌性優勢。
基礎設施領域也在向融合型AI數據中心演進。Arm Neoverse平臺憑借其在性能、效率與靈活性上的優勢，已在全球部署超過10億顆CPU，成為新一代AI數據中心的核心計算架構，助力企業實現更高的性價比與可持續性。
而中國作為全球最大的人工智能應用市場之一，正在加速推動邊緣AI的規模化落地。面對日益增長的算力需求與多樣化的應用場景，Arm在中國積極推進本地化戰略，聯合百度、vivo、傳音、華碩、聯想等領先企業，構建從云到端的AI計算平臺，推動邊緣智能在多個關鍵領域實現深度融合與產業化突破。
結語：邊緣AI是智能計算的起點
邊緣AI不僅是技術演進的必然趨勢，更是推動產業智能化升級的關鍵力量。Arm通過“平臺優先”戰略與生態協同，構建了從云到端的統一AI計算平臺，為全球及中國市場的邊緣AI落地提供了堅實支撐。隨著大模型小型化、硬件性能提升與軟件生態完善，邊緣AI將不再是“邊緣”，而是智能計算的主戰場。
