正如 。助I作载 Arm 。力轻工程部软件高档副总裁 Mark Hambleton 在《2025 年芯片新思维》陈述中所说：人工智能 。松加(。业负AI。助I作载) 的力轻未来展开离不开软硬件的协同 。
但是松加 ，在由 Arm 资助的业负新 CIO 陈述中所述 ，开发者。助I作载作业流程的力轻碎片化约束了开发者创建和扩展新 AI 使用的速度 ，而这也是松加现在其所面对的最大应战之一。
Arm 深知软件关于开释 AI 的业负真实潜力至关重要 ，因此从根底架构和整个技能栈下手 ，助I作载致力于简化 AI 开发流程 ，力轻并支撑新 AI 使用和作业负载完成无缝功用加快 。松加
根底架构 。
Arm 继续展开本身架构 ，作为软硬件之间的重要 。接口 。 。现在 ，从云端到边际侧的广泛商场中 ，Armv9 架构已成为 。智能手机 。 、数据 。中心 。 、高功用核算和轿车使用等范畴的现代技能根底 。
Arm 不断为最新的架构引进新的功用 ，例如此前推出的可弹性矩阵扩展 (SME) 和可弹性向量扩展 (SVE2) ，有助于在各类使用中加快生成式 AI 和常见 。机器学习。(ML) 作业负载 。SME 借由在通用指令会集引进杂乱矩阵处理才能，使开发者可以在其 AI 使用中完成拔尖功用，并无缝迁移到不同的生态系统 。由此不只扩展了运转 AI 作业负载的硬件规模 ，还明显提高了用户体会 。
CPU。对开发者的价值 。
上述架构特性都集成到了 Arm 的 CPU 中 ，使之成为软件开发者首选的方针渠道。因为 Arm CPU 广泛使用于从云端到边际侧的各种使用 ，合适作为大多数 AI 推理作业负载的直接方针渠道，被广泛使用于数十亿台设备中 ，例如当今的 。智能 。手机。，以及全球的云端和数据中心。经过挑选 Arm CPU 作为方针渠道 ，开发者可以以更多类型的数据格式运转更广泛的软件 ，而无需为专用 NPU 开发多个版别的代码 。
CPU 为开发者供给了所需的一致性 ，防止了定制硬件解决方案所带来的碎片化和功率低下 。
正如 Hambleton 在《2025 年芯片新思维》陈述中指出：AI 结构的互操作性是开发者的中心诉求 。因此开发者一般默许挑选 CPU 后端 ，因为 CPU 的普遍性保证了更广泛的兼容性 。
此外 ，推进 AI 作业负载扩展的要素不只限于架构的前进 。
在 CIO 陈述中 ，Arm 工程部机器学习工程副总裁 Nick Horne 表明，AI 现已从依靠云端的巨大模型演化为可在边际侧或端侧运转的更小 、更高效的模型。他指出：现在 ，有些超卓的模型可在你随身携带的设备上运转并供给高质量的成果 ，某些情况下乃至可以彻底在 CPU 上运转 。
对开源不变的许诺 。
Arm 与开源社区广泛协作 ，致力于推进 AI 的遍及 ，为开发者供给快捷途径 ，使开发者可以轻松获取来自广泛 Arm 生态系统协作伙伴的硬件 ，及时使用其间的最新架构特性和功用 。
Horne 在 CIO 陈述中强调了这一办法为开发者带来的优势 。他指出 ：选用具有杰出硬件笼统的开源 AI 结构 ，可以明显防止对灵活性的影响 。
如此一来 ，开发者无需受限于特定硬件 、云服务供给商或软件渠道。
Kleidi 助力轻松加快 AI 。
Arm Kleidi 很好地表现了上述优势的实践使用作用 。Kleidi 供给开发者支撑技能 、资源和微内核库 ，可以为在 Arm CPU 上运转的模型轻松完成 AI 作业负载加快 。因为 Kleidi 库已集成到干流的开源 AI 结构和运转时中 ，包含 Google 的 Media 。Pi 。pe 、Meta 的 ExecuTorch 和 PyTorch 、llama.cpp，腾讯的 Angel ，以及阿里巴巴的 MNN 。开发者无需额定作业即可取得功用优化 ，然后节省时间 、精力和本钱 。Kleidi 现已集成至 Arm 技能掩盖的一切商场，包含移动端 、云 、数据中心 、轿车和 。物联网。范畴 。
与职业抢先的生态系统协作 。
从更广泛的层面来看，Arm 经过职业抢先的软件生态系统 ，与很多协作伙伴展开协作 ，致力于安全 、大规模地布置 AI 。例如 ，Arm 与 GitHub 就 GitHub Runne 。rs 。项目展开协作 ，使开发者可以更高效地在云端测验和布置练习好的模型。近期 ，面向 GitHub CoPilot 的 Arm 扩展程序为开发者供给了彻底集成的原生 Arm 作业流，包含精确的代码生成 、测验用例创建和过错修正功用 。
此外 ，Arm 还经过各种行动推进底层软件和固件布置的简化和加快 ，完成顺利的软件开发 。Linaro OneLab 、Trus 。te 。d Firmware 和 PSA Certified 等项目促进了各方协作 ，并为快速展开的边际侧 AI 和高功用物联网范畴的安全软件布置和支撑供给了蓝图。在轿车职业 ，Arm 建议的面向 。嵌入式 。边际的可扩展敞开架构 (SO 。AFE 。E) 致力于供给根据规范的结构，以完成软件的规模化复用 ，然后缩短开发周期，满意了软件界说轿车 ( 。SD。V) 使用中对更多 AI 的空前需求 ，一起提高了驾驭体会。
敞开规范推进立异 。
最终 ，缺少规范化实践可能会阻止立异 ，并可能在未来给开发者制作杂乱难题。敞开规范使开发者和研究人员可以在不同渠道之间无缝切换，一起专心于练习 、量化和布置 ，经过模型的继续立异发明价值 。
凭借软件加快 AI 立异 。
为了让 AI 技能充分发挥潜力 ，软件开发流程需求简化 、加快并敞开 。Arm 技能及其生态系统经过专心于敞开规范 、硬件笼统并与不断演化的结构坚持兼容 ，助力完成面向未来的 AI 开发 。开发者因此可以在不同硬件上无缝创建和布置 AI 使用、模型和作业负载并提高功用 ，然后根据 Arm 渠道为 AI 年代打造更优质的软件 。
