作者 云鹏

　　编辑 李水青

　　智东西11月29日报道，今天Arm在北京举办了年度技术大会，会后智东西与少数业内媒体一起与Arm高级副总裁兼基础设施事业部总经理Mohamed Awad等高管进行了面对面深度交流“计算”新挑战，架构灵活性、生态是关键。

　　Awad在沟通会上首先对上午演讲中的重点信息进行了总结，他的一个观点令人印象深刻，在AI新时代，Arm要做的并不是打造一个“完美的架构”，而是为更多企业的创新提供一个更好的“平台”，厂商们基于Arm架构可以设计出更多出色的芯片产品，例如英伟达的GH200 Grace Hopper。

　　AI大模型是当下科技产业讨论中避不开的一个话题，Awad说，AI技术发展太快了，我们每次讨论的内容都可能不一样，在他看来，AI领域最大的挑战之一就是内存带宽，解决这样的挑战需要新的系统架构，提高内存一致性。系统架构的灵活性、强大的生态系统至关重要，这些都是满足AI大模型发展需求的关键。

　　目前，从最小的设备到最大的数据中心，AI将会无处不在，每个涉及计算的领域都需要更多算力、更多加速能力。对于Arm而言对话Arm高级副总裁：AI大模型带来，这是巨大的机会。在TCS24方案中，Arm会有更多针对AI的相关升级，后续会有更多信息释放。

　　最近智能手机、PC等产品都在向生成式AI靠拢，比如提出AI PC的概念，Arm作为底层芯片技术提供商，对此是如何思考和布局的？AI大模型会给移动芯片生态带来哪些变化？

　　对于智东西提出的这些问题，Awad给出了自己的看法，他提到，AI大模型的训练更多会发生在云端，而推理过程则会发生在各个节点，从端侧设备到云端。

　　从提升计算性能的角度来看，实现软硬件的紧密耦合是必须的，包括CPU、NPU、GPU，整个计算系统。系统中的各个器件都不是孤立的，这也是Arm推出全面计算解决方案这样一个概念的原因之一。

　　对于云巨头自研芯片的产业趋势，Awad认为，Arm这么多年以来做的都是“基础设施建设”。五年以前，在基础设施建设方面，厂商会购买预配置好的芯片，购置服务器，但如今云计算巨头都在自研芯片。

　　云巨头自研的目的并不只是为了降低成本，其最主要的目的是把每一颗芯片的性能、效能做到极致，根据自己的工作负载、围绕自己的数据中心进行个性化定制。正因为有这样的优化，他们才越来越不惧怕日益增长的数据处理需求，从而为“GPTs”时代做好准备。

　　昨晚AWS发布的自研芯片和微软两周前发布的自研芯片，都是芯片和对应的服务器同步开发的，此外，英伟达、AWS、微软的CPU和加速器也都是一起开发的。

　　在基础设施建设领域，Arm Neoverse计算子系统（CSS）的核心优势是可以提供“预集成”，比如配置64核芯片和互联模块的产品，亚马逊AWS对芯片物理层的配置做了一些改变，这些意味着需要做很多工作，例如I/O接口加速，而Arm的CSS已经将这些基础工作做完了。

　　对于Arm的合作伙伴来说，厂商有很多选择，比如选择开箱即用的方案，或者使用芯粒、离散IP等方案。

　　在沟通后的参观环节，我们看到基于Arm的云实例相比基于x86的云实例在性能和成本上都有比较明显的优势，在芯片EDA设计、视频编解码等应用场景中优势比较明显。

　　结语：构建AI时代的“基础设施”，生成式AI加速Arm生态成长

　　在交流中，我们能看到Arm对于自身在AI新时代的机遇和挑战都有比较清晰的认识，同时Arm给自己在产业中的定位似乎更倾向于底层平台提供方，类似AI时代的“基础设施”建设者，基于自身硬件、软件、生态层面的优势技术，赋能芯片厂商。

　　面向未来的AI大模型时代，例如高通、联发科等移动芯片厂商，微软、亚马逊等云巨头都在芯片领域有更多新的布局，生成式AI在移动芯片、服务器芯片市场也掀起了新的技术革新浪潮，Arm生态无疑会继续加速成长。