Arm发布CSS for Mobile 2：CPU强化SME2普及端侧AI，GPU首次集成NPU加速图形渲染

事件概述

在Arm Everywhere China 2026大会上，Arm发布了最新的移动计算子系统 CSS for Mobile 2。该方案展示了个人AI时代下计算底座的演进方向：CPU通过增强AI计算能力推动应用普及，而GPU则首次原生集成AI加速单元，利用AI技术突破图形渲染的性能瓶颈。值得注意的是，Arm并未在移动端集成自研NPU，而是将其差异化创新空间留给芯片合作伙伴，自身则专注于构建统一的软硬件生态系统。

核心信息

1. CPU加速端侧AI普及：SME2成为旗舰标配

个人AI体验（如智能体任务编排、多工具调用）对计算平台的低延迟和并发处理能力提出了更高要求。Arm针对此场景推出了新一代 C2 Ultra CPU集群：

• 性能提升：C2 Ultra单线程性能提升15%，网页浏览性能提升15%，应用启动和多线程性能提升12%。在包含突发负载的场景中，C2 Ultra负责快速响应，C2 Pro负责高能效持续任务，客户可根据产品定位灵活配置。
• SME2技术赋能：作为AI矩阵运算加速能力，SME2已应用于几乎所有安卓和iOS旗舰手机。增强SME2支持的C2 CPU集群在特定AI模型上的执行性能达到上一代的1.7倍。
• 优化策略：
  • 量化与精度平衡：支持从INT8到INT4甚至INT2的量化，并通过量化感知训练缓解精度损失。Arm强调CPU应聚焦低延迟应用和小语言模型，而非单纯追求峰值算力。
  • 内存带宽优化：配备私有L2缓存与大容量共享L3缓存，减少访问DRAM频次，降低数据搬运带来的功耗和延迟。
  • 等效算力：搭载SME引擎的CPU集群等效算力约为5-6 TOPS。

2. GPU首次集成AI加速器：神经图形技术重塑手游体验

面对手机端光线追踪、复杂几何细节带来的散热与功耗压力，Mali G2-Ultra NX GPU首次原生集成神经网络加速器（NX单元），引入多项神经图形技术：

• 核心技术：
  • 神经超级采样 (NSS)：以低分辨率渲染后由神经网络重建高分辨率画面。
  • 神经超级采样与降噪 (NSSD)：同时处理光线追踪噪声。
  • 神经帧率提升 (NFRU)：利用前后真实帧重建中间帧，解决插帧延迟问题，需配合Android帧节奏机制和游戏引擎协同工作。
• 性能表现：在《光影新生》演示中，综合计算显示八分之七的像素由AI重建。相比无AI辅助的上一代Mali G1-Ultra，帧率与能效最高提升4倍，DRAM流量最高降低70%。即使不使用神经图形技术，传统图形基准性能平均提升20%。
• 技术定位：AI并非取代传统渲染，而是处理复杂光照和几何细节时体现效率优势。简单画面仍由传统渲染单元处理，且GPU也可承担部分INT8格式的通用AI计算。

3. NPU留给伙伴：Arm聚焦系统与软件生态

Arm未将NPU纳入CSS for Mobile 2，主要基于以下战略考量：

• 差异化需求：手机芯片厂商通常拥有自有NPU架构，并围绕第一方AI功能深度优化，这是其差异化竞争的关键。Arm在物联网领域提供Ethos系列NPU，但在移动设备领域倾向于让合作伙伴主导NPU创新。
• 标准化基础：CPU和GPU提供相对标准化的编程环境，适合作为第三方应用的共同基础。具体任务调度由系统厂商通过软件决定。
• 软件生态建设：
  • KleidiAI：将针对SME2优化的计算内核接入不同AI框架，使开发者无需直接处理底层指令即可调用硬件加速能力。
  • GPU工具链：开放神经图形模型，提供SDK、示例代码及游戏引擎插件，并与腾讯游戏、Unity中国等推进适配。
  • CSS价值：通过组合CPU、GPU和互联IP，缩短芯片研发周期；向上连接模型与应用，降低开发门槛，确保新增算力能转化为实际产品体验。

值得关注

Arm的策略表明，在个人AI时代，单纯的硬件堆料并非唯一路径。**“CPU For AI”解决了AI如何走向更多轻量级应用的问题，“AI For GPU”**回答了AI如何改进已有计算产品的问题。通过提供可配置的硬件基础和统一的软件抽象层，Arm试图在保持IP授权模式的同时，解决开发者适配碎片化的痛点，从而巩固其在移动计算领域的领导地位。