线上股票配资门户网:股票可以杠杆-Arm高级副总裁Chris Bergey：手机将成AI伴侣 家用机器人普及尚待观察

　　当下
，人工智能从云端向终端迁移，终端对AI本地化处理的需求日益增加 ，带动硬件加速适配升级
。IDC预测
，到2026年，中国市场中近50%的终端设备的处理器将带有AI引擎技术。

　　正如Arm高级副总裁兼终端事业部总经理Chris Bergey近日接受《科创板日报》记者独家专访时所言 ，“我们正迈入Agent AI的时代
，这一系统能够在本地自主感知环境
、规划任务并实时响应，而不再依赖持续的云端交互 。
”他强调 ，这一转变不仅拓展了AI的应用边界
，也对终端硬件的效率与延迟提出了更高要求
。

　　应用方面，随着大模型的发展 ，AI正在手机、PC 、眼镜
、机器人、网联车等端侧设备落地
，尤其是手机 、PC等智能终端，发展速度尤为明显。Chris Bergey表示 ，“智能手机和PC正在演变为人们的AI伴侣，深度融入思考
、工作与创作过程” 。在谈到最近较为火热的机器人应用时
，他指出，机器人未必会走进每个家庭 ，却将在工业、制造等特定应用场景中发挥巨大作用
。而在端侧AI落地方面
，他认为最大的挑战之一，是芯片开发成本的显著上升。

　　硬件方面 ，AI将在未来系统的所有计算单元中扮演重要角色 。无论是基于CPU还是基于GPU的AI
，或作为系统重要组件的NPU，都具备独特的优势和特性 ，也都将快速演进以适配AI的发展需求
。Chris Bergey透露
，Arm在神经图形(Neural Graphics)技术领域已经耕耘了一段时间，相关成果将体现在2026年推出的移动设备中。

　　▍AI本地化运行需求日益强烈

　　Chris Bergey在采访中透露 ，业界对AI本地化运行的需求日益强烈
，特别是随着某些新型应用场景日趋精细化与成熟化，这种需求愈发凸显 。

　　“背后的驱动因素有很多 ，涵盖延迟 、隐私和成本等多方面，而这些因素
，也可能是当前终端计算最重要的驱动力量
。在此趋势下，AI性能表现将变得至关重要 ，且相当大部分的计算都需要直接在终端设备上完成。 ”Chris Bergey说 。

　　为此
，Arm推出Arm® Lumex计算子系统（CSS）平台集成了搭载第二代可伸缩矩阵扩展（SME2）技术的高性能CPU
、GPU及系统IP，提升端侧AI性能。

　　《科创板日报》记者获悉 ，在vivo即将发布的旗舰手机上将落地该项SME2技术
。vivo的计算加速平台VCAP已全面支持SME2指令集
，可对使用视觉、语音 、文本AI算法进行处理的多项高负载任务，实现性能加速。例如 ，在全局离线翻译等真实场景中
，通过开启SME2硬件，vivo手机可实现额外20%的性能提升 。

　　此外 ，支付宝也在vivo新一代旗舰智能手机上完成了基于Arm SME2技术的大语言模型推理验证
。

　　从发展趋势来看
，Chris Bergey判断，端侧算力与内存需求将持续提升 ，同时模型也将变得更智能。此外，模型正朝着更小型化
、更便携化的方向发展 。从多方面来看
，AI将充分利用所有计算资源，无论是来自云端还是边缘侧
。目前 ，行业正处在高度创新周期中
，这一趋势无疑将在未来五年持续深化。

　　今年，小米推出了基于Arm架构的自研玄戒O1芯片 ，对此Chris Bergey回应称
，自研芯片是整个泛半导体行业所面临的趋势 。无论是苹果还是三星，都已不同程度地朝着这个方向发展
。而数据中心和汽车厂商（尤其是在汽车市场巨大的中国）也都寻求定制化芯片。

　　▍机器人将在工业、制造等场景中发挥巨大作用

　　大模型的端侧落地呈现形态多样化的趋势 ，除了手机 、PC外
，还涵盖了眼镜等可穿戴设备、机器人
、网联车等 。

　　Chris Bergey认为，眼镜堪称最具挑战性的设备形态
。因其直接佩戴于面部 ，必须严格控制设备重量。

　　“可行的方案是
，智能眼镜集成传感器实现基础交互，其余大量计算任务借助手机等终端设备处理 ，最终再上传至云端 。因此，未来的消费电子很可能会采取混合模式。Arm正通过CPU技术支持此类应用场景的开发
，但这极具挑战性
。在严格限定功耗的前提下，我们需探索能实现的最大算力。
”

　　国际机器人联合会数据显示 ，全球人形机器人市场规模正以每年超过20%的速度增长
，预计到2025年将达到数百亿美元的规模 。

　　谈及机器人的热潮，Chris Bergey认同其确实极具前景 ，而后续发展将建立在许多共通的技术基础之上
。

　　他回顾了电动汽车和自动驾驶汽车刚出现时
，被喻为“带轮子的智能手机”，因为深度融合了电池管理、摄像传感与电子控制系统。同样 ，机器人正复用来自自动驾驶和消费电子领域的关键技术 。“这些技术正在融合
，体现在许多早期原型中，影响着机器人的设计与构建方式
。未来 ，机器人有望成为这些市场的自然延伸平台。而且
，这一领域还将呈现出高度的多样性 。 ”

　　对于未来机器人是否会实现全民普及，Chris Bergey表示 ，这不仅取决于技术进步，还牵涉诸多社会层面和其他复杂因素
。接下来将如何演变
，值得持续关注与观察。

　　Chris Bergey以无人机的案例作类比：“五到七年前，人们曾设想每个人都会拥有一架随行无人机 ，但这一愿景并未实现 。不过
，无人机已在农业等多个行业产生了深远影响——它赋予了企业前所未有的能力，让过去难以想象的应用场景成为现实
。尽管未能全面普及 ，但其价值正体现在特定垂直领域。某种程度上
，我认为机器人也将遵循相似的发展路径：它未必会走进每个家庭，却会在工业 、制造等特定应用场景中发挥巨大作用 ，事实上
，它们已经在工厂中广泛应用 。
”

　　当前，AI在端侧落地仍存在算力不足
、内存有限等难点。而Chris Bergey认为最大的挑战之一 ，是芯片开发成本的显著上升
，其背后原因是技术复杂度的持续攀升
。

　　另一大关键挑战，在于软件层面AI框架的快速演进所带来的适配压力。“我们正在这两个领域投入大量资源 ，因为我们相信在这两个领域能为合作伙伴创造巨大价值 。可以说，这两大方向也是我思考最多、最为重视的
。”

（文章来源：财联社）