Arm Unlocked Taipei 2025：從雲端到邊緣的AI運算平台策略
繼先前在亞太區域4個城市之後，Arm於2025年11月13日在台北舉行壓軸場Arm Unlocked Taipei 2025大會，分享對於AI產業的觀察與產品規劃。
繼先前在亞太區域4個城市之後，Arm於2025年11月13日在台北舉行壓軸場Arm Unlocked Taipei 2025大會，分享對於AI產業的觀察與產品規劃。
多層面強化AI效能
Arm日前於Unlocked中國上海場次發表了全新Lumex CSS平台，其中包含C1系列處理器（CPU）與Mali G1系列繪圖處理器（GPU），前者支援能夠加速矩陣與AI運算的SME 2指令集，後者則帶來更強悍的繪圖與AI運算效能。更多詳細說明請參考下方相關報導。
延伸閱讀：
Arm發表全新Lumex CSS平台，C1 CPU與Mali G1 GPU為旗艦級手機帶來25%效能增長
Arm Lumex CSS平台搭配全新C1系列處理器，4種型號隨意混搭最高14核心效能怪獸
Arm Lumex CSS平台Mali-G1系列繪圖處理器與平台功能解析，為旗艦級智慧型手機帶來2倍光線追蹤效能
Arm終端產品事業部產品管理資深總監Stefan Rosinger在《塑造智慧消費性電子的未來：Arm 終端產品藍圖》主題演說中再次介紹Lumex CSS平台以及C1 CPU與Mali G1 GPU的特色，並補充系統IP與軟體堆疊等資訊，筆者將現場簡報整理於下。
▲ Arm終端產品事業部產品管理資深總監Stefan Rosinger在《塑造智慧消費性電子的未來：Arm 終端產品藍圖》主題演說中介紹全新Lumex CSS平台特色。
▲ Arm透過Neoverse（資料中心）、Zena（智慧車輛）、Lumex（行動裝置）、Niva（個人電腦）、Orbis（物聯網）等產品線滿足差異化的AI運算需求。
▲ CSS平台以中的C1 CPU較前代產品有雙位數百分比的IPC（Instructions per Cycle，每周期指令）效能成長，並支援能帶來5倍AI效能的SME 2指令集。Mali G1 GPU在繪圖與AI部分的效能成長幅度也達到雙位數百分比，光線追蹤效能則達到2倍。
▲ 4款新CPU中，由C1-Ultra與C1-Premium接替先前Cortex-X925的型號，而C1-Pro與C1-Nano則分別接替Cortex-A725與Cortex-A520。。
▲ Arm預估到了2030年，SME與SME2指令集將為超過30億台裝置提供總量達到100億TOPS的AI運算效能。
▲ Stefan Rosinger也補充了系統IP的優勢，SI L1系統互連能夠降低75%互連延遲，MMU L1記憶體管理單元最多可以降低83% TBU（Translation Buffer Unit，轉譯緩衝單元）延遲。
▲ 全新Lumex CSS平台相容於多間晶圓代工廠的2、3 nm製程節點，可以帶來更出色的PPA（Performance、Power、Area，效能、省電、尺寸）優勢。
▲ Arm也在由韌體、虛擬機器、核心、函數庫與執行環境、運算框架、應用程式等軟體堆疊的多個環節導入SME 2支援，提升AI運算的效能表現。
改善Windows on Arm效能與
Arm首席應用工程師余志誠在《Windows on Arm應用程式效能與可靠性的實務知識》主題演說中，提到軟體最佳化對Windows on Arm使用者體驗的重要性，並介紹Arm提供的多種資源，協助開發者將應用程式移植為原生Arm版本，以展現更高的執行效能並提高筆記型電腦的電池續航力。
▲ Arm首席應用工程師余志誠在《Windows on Arm應用程式效能與可靠性的實務知識》主題演說中介紹原生Arm架構應用程式的優勢。
▲ Arm與Microsoft提供多種程式開發工具、工具鏈（Toolchain）、運算框架來簡化原生Arm架構應用程式的開發流程。
▲ 原生Arm架構應用程式（紅線）在處理器佔用率與記憶體使用量都低於x86模擬器（藍線），有助於帶來更流暢的使用體驗。
▲ 在同時使用視訊、視訊特效、螢幕分享、語音等繁重負載的情況下，x86模擬器（藍線）的耗電量大約為原生Arm架構應用程式（紅線）的1.95倍，可見原生Arm架構應用對於筆記型電腦的電池續航力有很大的幫助。
▲ Arm與Microsoft也提供豐富的線上學習資源，協助開發者能夠瞭解程式最佳化的概念與實作方式，進而達成將應用程式移植為原生Arm版本。
3種運算單元各展所長
Arm資深產品經理Vahan Ter- Grigotyan在《橫跨 CPU 與 GPU：打造無所不在的裝置端人工智慧》主題演說中說明不同運算單元的特性，分析CPU、GPU、NPU（神經處理器）所擅長的使用情境。
CPU具有最高的普及率，基本上所有裝置都有CPU，有利於將AI應用程式推廣給最多數的使用者。雖然它的架構並非最有利於AI運算常用的矩陣迭代運算，但是具有最佳軟體彈性，能夠在不需更新硬體的前提下相容最新的AI模型或是資料類型，而且在運作過程具有無需資料搬移、即時運算等優勢，延遲低於其他種類運算單元。
而GPU則有次高的普及率，大多數的智慧型手機、平板電腦都具有GPU，可程式化的特性讓它具備較好的軟體相容性，適合應用於高強度AI運算或與圖像相關的AI應用程式。
NPU的普及率比較低，部分中、低階智慧型手機、平板電腦可能不會搭載NPU，但是它具有為矩陣迭代運算需求特化的架構，具有相對出色的AI運算效能與電力效率，適合需要長時間或於背景執行的AI功能。
▲ Arm資深產品經理Vahan Ter- Grigotyan在《橫跨 CPU 與 GPU：打造無所不在的裝置端人工智慧》主題演說中說明CPU、GPU、NPU等運算單元的特性。
▲ CPU適合應用於小型、低延遲的AI運算負載，GPU適合與圖像相關應用，NPU則適合各類AI負載。
▲ CPU具有高度普及與高軟體相容性等優勢，能夠達到「Develop once deploy everywhere」（寫一次程式即可部署到任何裝置）的優勢。
▲ 大多數的智慧型手機、平板電腦都具有GPU，也很適合用於AI應用。
▲ Vahan Ter- Grigotyan補充相較於遊戲應用，透過GPU進行AI運算所消耗的記憶體電力大約相差5倍，因此改善記憶體的運作效率與功耗也相當重要。
▲ CPU、GPU、NPU等運算單元在代理式AI運算的不同階段能夠各展所長。
▲ 利如Google相簿中的橡皮擦功能也利用了CPU、GPU等運算單元。
▲ 總結來說，CPU適合對記憶體延遲敏感的負載，GPU適合與影像相關的應用，NPU適合高度量化與重複的推論工作。
Arm除了在消費性產品中提供完整的運算系統與解決方案，在資料中心、智慧車輛、物聯網等使用情境也都有推出對應的產品，滿足各種不同量體與使用情境的AI運算需求。