Arm 不斷思考著計算的未來。無論是最新架構的功能，還是用于芯片解決方案的新技術，Arm 所創(chuàng)造和設計的一切都以未來技術的使用和體驗為導向。
憑借在技術生態(tài)系統(tǒng)中所處的獨特地位，Arm 對全方位高度專業(yè)化、互聯(lián)的全球半導體供應鏈有著充分的了解，覆蓋數(shù)據(jù)中心、物聯(lián)網(wǎng)、汽車、智能終端等所有市場。因而，Arm 對未來技術的發(fā)展方向及未來幾年可能出現(xiàn)的主要趨勢有著廣泛而深刻的洞察。
基于此，Arm 對 2025 年及未來的技術發(fā)展做出了以下預測，范圍涵蓋技術的各個方面，從 AI 的未來發(fā)展到芯片設計，再到不同技術市場的主要趨勢。
重新思考芯片設計，芯粒將成為解決方案的重要組件
從成本和物理學角度來看，傳統(tǒng)芯片流片變得越來越困難。行業(yè)需要重新思考芯片的設計，突破以往傳統(tǒng)的方法。例如，人們逐漸意識到，并非所有功能都需要集成在單獨的單一芯片上，隨著代工廠和封裝公司探索新的途徑、在新維度下突破摩爾定律的極限，芯粒等新方法開始嶄露頭角。
實現(xiàn)芯粒的不同技術正備受關注，并對核心架構和微架構產(chǎn)生了深遠的影響。對于芯粒，架構師需要逐步了解不同實現(xiàn)技術的優(yōu)勢，包括制程工藝節(jié)點和封裝技術，從而利用相關特性提升性能和效率。
芯粒技術已經(jīng)能夠有效應對特定市場需求和挑戰(zhàn)，并預計在未來幾年持續(xù)發(fā)展。在汽車市場，芯�？蓭椭髽I(yè)在芯片開發(fā)過程中實現(xiàn)車規(guī)級認證，同時通過不同的計算組件，幫助擴大芯片解決方案的規(guī)模并實現(xiàn)差異化。例如，專注于計算的芯粒具有不同數(shù)量的內(nèi)核，而專注于內(nèi)存的芯粒則具有不同大小和類型的內(nèi)存。因此，系統(tǒng)集成商可對不同的芯粒進行組合和封裝以開發(fā)出大量高度差異化的產(chǎn)品。
“重新校準”摩爾定律
在過去的摩爾定律，單一芯片上的晶體管數(shù)量已達到數(shù)十億，其性能每年翻一番，功耗每年減少一半。然而，這種在單獨的單一芯片上持續(xù)追求更多晶體管、更高性能和更低功耗的做法已經(jīng)難以為繼。半導體業(yè)需要重新思考和校準摩爾定律及其對行業(yè)的意義。
其中之一便是，在芯片設計過程中，不再僅僅將性能作為關鍵指標，而是將每瓦性能、單位面積性能、單位功耗性能和總體擁有成本作為核心指標。此外，還應引入一些新指標，關注系統(tǒng)實現(xiàn)方面的挑戰(zhàn)（這也是開發(fā)團隊面臨的最大挑戰(zhàn)），確保將 IP 集成到系統(tǒng)級芯片 (SoC) 及整個系統(tǒng)后性能不會下降。因此，這將需要在芯片開發(fā)和部署過程中持續(xù)進行性能優(yōu)化。隨著科技行業(yè)大規(guī)模地朝著更高效的 AI 工作負載計算發(fā)展，這些指標將在相關領域變得更加重要。
芯片解決方案實現(xiàn)真正的商業(yè)差異化
為了借助芯片解決方案實現(xiàn)真正的商業(yè)差異化，企業(yè)不斷地追求更加專用化的芯片。這也反應在計算子系統(tǒng)的日益普及，這些核心計算組件使得不同規(guī)模的公司能夠?qū)ζ浣鉀Q方案進行差異化和個性化定制，每個解決方案都經(jīng)過配置，以執(zhí)行或支持特定的計算任務或?qū)I(yè)功能。
標準化的重要性與日俱增
標準化的平臺和框架對確保生態(tài)系統(tǒng)能夠提供具有差異化優(yōu)勢的產(chǎn)品和服務至關重要，它們不僅能夠增加真正的商業(yè)價值，還能節(jié)省時間和成本。隨著集成了不同計算組件的芯粒的出現(xiàn)，標準化變得空前重要，它將使來自不同供應商的不同硬件能夠無縫協(xié)同工作。Arm 迄今已攜手 50 多家技術合作伙伴一道開發(fā) Arm 芯粒系統(tǒng)架構 (CSA)，隨著更多合作伙伴的加入，Arm 與合作伙伴將共同推動芯粒市場的標準化進程。在汽車行業(yè)，這將與 SOAFEE 的成立初衷相符，SOAFEE 旨在將軟件定義汽車 (SDV) 中的硬件與軟件解耦，從而提高計算組件之間的靈活性和互操作性，加快開發(fā)周期。
生態(tài)系統(tǒng)將圍繞芯片和軟件開展前所未有的緊密合作
隨著芯片和軟件的復雜性不斷增加，沒有任何一家公司能獨自包攬芯片和軟件設計、開發(fā)與集成的所有環(huán)節(jié)。因此，生態(tài)系統(tǒng)內(nèi)的深度合作必不可少。此類合作能為各類規(guī)模的不同公司提供特有的機會，使各公司能夠根據(jù)自身的核心競爭力提供不同的計算組件和解決方案。這對汽車行業(yè)尤為重要，汽車行業(yè)需要將包含芯片供應商、一級供應商、整車廠和軟件供應商在內(nèi)的整個供應鏈匯集在一起，分享各自的專業(yè)知識、技術和產(chǎn)品，以定義 AI 驅(qū)動 SDV 的未來，讓最終用戶能夠享受到 AI 的真正潛力。
AI 增強型硬件設計的興起
半導體行業(yè)將更多地采用 AI 輔助的芯片設計工具，利用 AI 來優(yōu)化芯片布局、電源分配和時序收斂。這種方法不僅能優(yōu)化性能結果，還能加速優(yōu)化芯片解決方案的開發(fā)周期，使小型公司也能憑借專用化芯片進入市場。AI 不會取代人類工程師，但它將成為應對現(xiàn)代芯片設計日益復雜的重要工具，特別是在高能效 AI 加速器和邊緣側(cè)設備的設計中。
AI 推理持續(xù)發(fā)展
在未來一年里，AI 推理工作負載將繼續(xù)增加，這將有助于確保 AI 的廣泛和持久普及。這一趨勢的發(fā)展得益于具備 AI 功能的設備和服務數(shù)量的增加。事實上，大部分日常 AI 推理，如文本生成和摘要，都能在智能手機和筆記本電腦上完成，為用戶提供了更快速、更安全的 AI 體驗。為了支持這一增長，此類設備需要搭載能夠?qū)崿F(xiàn)更快的處理速度、更低的延遲和高效電源管理的技術。而 Armv9 架構的 SVE2 和 SME2 兩大關鍵特性，共同作用于 Arm CPU，使其能夠快速高效地執(zhí)行 AI 工作負載。
邊緣側(cè) AI 嶄露頭角
2024 年，許多 AI 工作負載已經(jīng)轉(zhuǎn)向在邊緣側(cè)（也就是端側(cè)）運行，而不是在大型數(shù)據(jù)中心進行處理。這種轉(zhuǎn)變不僅能為企業(yè)節(jié)省電力和成本，還能為消費者帶來隱私和安全方面的保障。
到了 2025 年，我們很可能會看到先進的混合 AI 架構，這些架構能夠?qū)?AI 任務在邊緣設備和云端之間進行有效分配。在這些系統(tǒng)中，邊緣設備上的 AI 算法會先識別出重要的事件，然后云端模型會介入，提供額外的信息支持。決定在本地還是云端執(zhí)行 AI 工作負載，將取決于可用能源、延遲需求、隱私顧慮以及計算復雜性等考慮因素。
邊緣側(cè) AI 工作負載代表著 AI 去中心化的趨勢，使設備能在數(shù)據(jù)源附近實現(xiàn)更智能、更快速且更安全的處理，這對于需要更高性能和本地化決策的市場，如工業(yè)物聯(lián)網(wǎng)和智慧城市，尤為關鍵。
小語言模型 (SLM) 加速演進
隨著技術的進步，規(guī)模更小、構造更緊湊、壓縮率更高、量化程度更高、參數(shù)更少的模型正在快速演進。典型的例子包括 Llama、Gemma 和 Phi3，這些模型不僅具備更高的成本效益和效率，也更容易在算力資源有限的設備上部署。Arm 預計，2025 年這類模型的數(shù)量將繼續(xù)增加。這類模型能夠直接在邊緣側(cè)設備上運行，不僅提升了性能，還增強了隱私保護。
Arm 預計，越來越多的 SLM 將用于端側(cè)的語言和設備交互任務，以及基于視覺的任務，如事件解讀和掃描。未來，SLM 將從大模型中提煉出更多經(jīng)驗和知識，以便開發(fā)本地專家系統(tǒng)。
能聽、能看、能理解更多內(nèi)容的多模態(tài) AI 模型涌現(xiàn)
當前，GPT-4 這樣的大語言模型 (LLM) 是基于人類文本進行訓練的。當這些模型被要求描述某個場景時，它們只會以文字形式回應。但現(xiàn)在，包含文本、圖像、音頻、傳感器數(shù)據(jù)等多種信息的多模態(tài) AI 模型開始出現(xiàn)。這些多模態(tài)模型將通過能夠聽到聲音的音頻模型、能夠看到的視覺模型、以及能夠理解人與人之間、人與物體之間關系的交互模型，來執(zhí)行更復雜的 AI 任務。這將賦予 AI 感知世界的能力，就像人類一樣，能聽、能看、能體驗。
智能體應用不斷拓展
如今，當用戶與 AI 交互時，通常是在與一個單一的 AI 進行交互，這個 AI 會盡力獨立完成用戶要求的任務。然后，通過智能體，在用戶指定需要完成的任務時，這個智能體會將任務委托給由眾多智能體或 AI 機器人組成的網(wǎng)絡，類似 AI 的零工經(jīng)濟。目前，客服支持和編程輔助等行業(yè)已開始使用智能體。隨著 AI 的互聯(lián)性和智能程度不斷提高，Arm 預計在未來一年，智能體將在更多行業(yè)取得顯著發(fā)展。這將為下一個階段的 AI 革命奠定基礎，使我們的生活和工作變得更加高效。
AI 實現(xiàn)超個性化，支持更強大、更直觀、更智能的應用
在 AI 的推動下，設備上將涌現(xiàn)更加強大和個性化的應用。例如更智能、更直觀的個人助理，甚至私人醫(yī)生。應用的功能將從簡單地響應用戶請求轉(zhuǎn)變?yōu)楦鶕?jù)用戶及其所處環(huán)境主動提供建議，實現(xiàn) AI 的超個性化。這將導致數(shù)據(jù)的使用、處理和存儲數(shù)量呈指數(shù)級增長，因此業(yè)界和政府需要采取更嚴格的安全措施并提供監(jiān)管指導。
醫(yī)療服務將成為關鍵的 AI 用例
醫(yī)療服務似乎已成為 AI 的主要用例之一，而這一趨勢將在 2025 年加速發(fā)展。AI 在醫(yī)療領域的用例包括：預測性醫(yī)療、數(shù)字記錄存儲、數(shù)字病理學、疫苗開發(fā)和基因療法等，以幫助治療疾病。2024 年，DeepMind 的創(chuàng)始人因與科學家合作，利用 AI 預測復雜的蛋白質(zhì)結構，且準確率高達 90%，被授予諾貝爾化學獎。同時，研究證明，使用 AI 可以將藥物研發(fā)周期縮短 50%。這些 AI 創(chuàng)新為社會帶來了顯著好處，加速了救命藥物的研發(fā)和生產(chǎn)。此外，通過將移動設備、傳感器和 AI 相結合，用戶將能夠獲得更優(yōu)質(zhì)的健康數(shù)據(jù)，從而對個人健康做出更明智的決策。
推動實現(xiàn)“綠色 AI”
AI 將加速融入可持續(xù)實踐。除了使用高能效技術，“綠色 AI”策略也將受到越來越多的關注。例如，為了應對日益增長的能源需求，AI 模型訓練可能會來越多地選擇在碳排放較低的地區(qū)和電網(wǎng)負荷較低的時間段進行，這可能會成為未來的標準操作。通過平衡電網(wǎng)上的能源負載，這種方法將幫助緩解峰值需求壓力，減少總體碳排放量。因此，Arm 預計會有更多云服務提供商推出針對能效優(yōu)化的模型訓練調(diào)度服務。
其他方法還包括：優(yōu)化現(xiàn)有 AI 模型以提高能效，重復使用或重新定位預訓練的 AI 模型，以及采用“綠色編碼”以盡可能減少能源消耗。在“綠色 AI”浪潮中，我們可能還會看到自發(fā)性標準的引入，隨后逐步形成正式標準，以促進 AI 的可持續(xù)發(fā)展。
可再生能源與 AI 的融合發(fā)展
可再生能源與 AI 的結合有望推動整個能源行業(yè)的創(chuàng)新。目前，可再生能源在可靠性和靈活性方面存在不足，難以平衡峰值負載，這限制了電網(wǎng)脫碳進程。Arm 預計，AI 將能夠更準確地預測能源需求，實時優(yōu)化電網(wǎng)運行，并提高可再生能源的效率，從而幫助解決這些問題。電能儲存解決方案也將受益于 AI，AI 能夠優(yōu)化電池性能和壽命，這對于平衡可再生能源的間歇性特性至關重要。
引入 AI 不僅有助于解決預測和平衡峰值需求的難題，還能預見性地識別維護需求，從而減少能源供應中斷。智能電網(wǎng)則可利用 AI 進行實時電能流動的實時管理，有效降低能源損耗。AI 與可再生能源的深度融合，預計將極大地提高能源系統(tǒng)的效率和可持續(xù)性。
異構計算滿足多樣化 AI 需求
在廣泛的 AI 應用中，尤其是在物聯(lián)網(wǎng)領域，不同的 AI 需求將需要多種計算引擎。為了最大化地部署 AI 工作負載，CPU 將繼續(xù)成為現(xiàn)有設備部署的關鍵。新的物聯(lián)網(wǎng)設備將搭載更大的內(nèi)存和更高性能的 Cortex-A CPU，以增強 AI 性能。而新推出的 Ethos-U NPU 等嵌入式加速器將被用于加速低功耗機器學習 (ML) 任務，并為工業(yè)機器視覺和消費類機器人等更廣泛的用例提供高能效邊緣推理能力。
從本質(zhì)上來看，在短期內(nèi)，我們將看到多個計算元件被用于滿足特定 AI 應用的需求。這種趨勢將繼續(xù)強調(diào)開發(fā)通用工具、軟件技術庫和框架的必要性，以便應用開發(fā)者能夠充分利用底層硬件的功能。邊緣 AI 工作負載不存在“萬能”的解決方案，因此，為生態(tài)系統(tǒng)提供靈活的計算平臺非常重要。
虛擬原型日益普及，為汽車行業(yè)芯片和軟件開發(fā)流程帶來革新
虛擬原型加速了芯片和軟件開發(fā)，使得公司能夠在物理芯片準備就緒之前就著手開發(fā)和測試軟件。這對汽車行業(yè)尤為重要。在汽車行業(yè)，虛擬平臺推出后，汽車開發(fā)周期可縮短多達兩年。
2025 年，在芯片和軟件開發(fā)流程持續(xù)轉(zhuǎn)型的浪潮中，Arm 預計將有更多公司推出自己的虛擬平臺。這些虛擬平臺將無縫運行，借助 Arm 架構提供的 ISA 對等特性，確保云端和邊緣側(cè)架構的一致性。通過 ISA 對等特性，生態(tài)系統(tǒng)可在云端構建自己的虛擬原型，然后在邊緣側(cè)進行無縫部署。
這將顯著節(jié)省時間和成本，同時讓開發(fā)者有更多的時間利用軟件解決方案來提升性能。2024 年 Arm 首次將 Armv9 架構引入汽車市場，Arm 預計后續(xù)將有更多開發(fā)者在汽車領域利用 ISA 對等特性，并借助虛擬原型技術來更快地構建和部署汽車解決方案。
端到端 AI 增強自動駕駛系統(tǒng)性能
生成式 AI 技術正被迅速應用于端到端模型中，有望解決傳統(tǒng)自動駕駛 (AD) 軟件架構面臨的可擴展性問題。得益于端到端自監(jiān)督學習，自動駕駛系統(tǒng)的泛化能力將得到提升，使之能夠應對之前從未遇到的場景。這種新方法將有效加速運行設計域 (ODD) 的擴展，從而以更快的速度和更低的成本將自動駕駛技術部署到高速公路和城市交通等不同環(huán)境中。
更多解放雙手的駕駛體驗，但對駕駛員的監(jiān)控也需增強
隨著 L2+ 駕駛員控制輔助系統(tǒng) (DCAS) 和 L3 級自動車道保持系統(tǒng) (ALKS) 的車輛法規(guī)在全球范圍內(nèi)的協(xié)調(diào)進展，DCAS 和 ALKS 這些高級功能將實現(xiàn)更快、更廣泛的部署。領先的汽車制造商正在投資配備必要的硬件，以便在車輛的整個使用周期內(nèi)通過訂閱服務推廣這些功能。
為了防止駕駛員濫用自動駕駛系統(tǒng)，相關法規(guī)和“新車評估計劃 (NCAP)”正日益關注更為精密的車內(nèi)監(jiān)控系統(tǒng)，如駕駛員監(jiān)控系統(tǒng) (DMS)。例如，在歐洲，EuroNCAP 2026 的新評級機制將鼓勵直接感知式（如基于攝像頭的）DMS 與先進駕駛輔助系統(tǒng) (ADAS) 和自動駕駛功能深度集成，以便針對不同程度的駕駛員雙手離開方向盤做出適當?shù)能囕v響應。
智能手機仍是未來數(shù)十年的主要消費電子設備
在可見的未來，智能手機仍將繼續(xù)扮演主要的消費電子設備。實際上，在未來的幾十年內(nèi)，它很有可能將持續(xù)作為消費者的首選設備，其他設備難以對它構成實質(zhì)性挑戰(zhàn)。隨著 Armv9 在主流智能手機中的廣泛應用，預計到 2025 年，新旗艦智能手機將擁有更強的算力和更好的應用體驗，這將進一步鞏固智能手機作為首選設備的地位。但很顯然，消費者會根據(jù)不同需求使用不同的設備，智能手機主要被用于應用程序、網(wǎng)頁瀏覽和通信，而筆記本電腦仍被視為生產(chǎn)力和工作任務的“首選”設備。
同樣值得關注的是，智能眼鏡等 AR 可穿戴設備正逐漸成為智能手機的理想搭檔。智能手機之所以能夠持續(xù)流行，關鍵在于其不斷進化的能力，從應用到攝像頭再到游戲，而現(xiàn)在，業(yè)界正見證 AR 的新應用場景正在涌現(xiàn)，而智能手機也開始支持可穿戴設備的 AR 體驗。
技術微型化的持續(xù)演進
在整個科技行業(yè)中，設備正變得愈發(fā)小巧時尚，例如 AR 智能眼鏡和越來越小的可穿戴設備。這一趨勢是多種因素共同作用的結果。首先，高能效技術的應用為設備提供了所需性能，以支持關鍵的設備功能和體驗。其次，輕量化技術的應用讓更小巧的設備成為可能，就 AR 智能眼鏡而言，它采用了超薄碳化硅技術，不僅可實現(xiàn)高清顯示，還能大幅減小設備的厚度和重量。此外，小巧的新語言模型正在提升這些小型設備的 AI 體驗，使設備的沉浸感更強，互動性更好。展望明年，高能效的輕量化硬件將與小型 AI 模型加速結合，推動更小巧、功能更強大的消費電子設備的發(fā)展。
Windows on Arm 持續(xù)升溫
2024 年，Windows on Arm (WoA) 生態(tài)系統(tǒng)取得了顯著進展，主流應用已紛紛推出 Arm 原生版本。事實上，普通的 Windows 用戶 90% 的使用時間都在使用 Arm 原生應用。最近的一個例子是 Google Drive，它于 2024 年底發(fā)布了 Arm 原生版本。Arm 預計這一勢頭將在 2025 年繼續(xù)保持下去，隨著包括 Google Chrome 在內(nèi)對用戶日常體驗至關重要的 Arm 原生應用實現(xiàn)了大幅的性能提升，WoA 將對開發(fā)者和消費者的吸引力不斷增強。
