早些年，业内分析师普遍认同，“2025年是边缘AI开始规模落地的元年”。现如今，这一预测也得到证实。

上述这一系列数据表明，边缘AI正处于产业爆发的前夜，将成为推动下一代智能计算平台的重要力量。在此背景下，Arm在近日举办了“Arm Unlocked 2025深圳站”，该活动聚焦“探索 AI 计算的未来”主题，全面展示了Arm正持续推进“平台优先”战略，在高性能、高能效及高可扩展性的底层计算架构基础上，携手产业各方共建从云到端的AI计算平台。

边缘AI是本次峰会探讨的一个重要领域，在当日的媒体交流会环节，Arm物联网事业部硬件产品管理高级总监Lionel Belnet对《国际电子商情》等媒体介绍，今年年初Arm推出的全球首个基于Armv9架构的边缘AI计算平台，以Arm Cortex-A320 CPU和Arm Ethos-U85 NPU为核心，专为物联网应用优化，支持运行超10亿参数的端侧AI模型。

据了解，该Armv9边缘AI计算平台也将纳入Arm 技术授权订阅模式中的Arm Flexible Access方案，助力初创企业与OEM厂商加速下一代智能边缘设备的研发进程。除了以上信息之外，他还透露了Arm推动AI技术在消费电子、智能汽车、工业自动化、基础设施等关键领域的落地情况。

“AI的终点不在边缘，而是始于边缘”

所谓边缘AI，是指在靠近数据源的设备端，如智能手机、摄像头、工业控制器等，部署AI模型，实现本地化的智能感知、分析与决策。随着AI技术的快速发展，传统依赖云端计算的AI架构正面临新的挑战。数据隐私、实时响应、能效优化以及成本控制等因素，促使AI计算逐步向“边缘”迁移。

对此，Lionel指出，边缘AI正在成为智能计算的新焦点，其快速发展背后，源于五大不可或缺的核心优势，这些优势不仅推动了边缘AI的广泛应用，也为其迈向通用人工智能奠定了坚实基础。

• 第一，低延迟响应。边缘AI通过本地化处理数据，显著降低了依赖云端传输所带来的延迟，尤其适用于自动驾驶、智能安防、语音交互等对实时性要求极高的场景。在人机交互（HMI）领域，低延迟是提升用户体验的关键，确保系统能够快速、准确地响应用户指令。

• 第二，隐私与数据安全。在边缘设备上直接处理数据，避免了将敏感信息上传至云端的风险，从而增强了数据隐私保护能力。这对于医疗、金融、工业控制等对数据安全要求极高的行业尤为重要。Arm通过引入如Secure EL2、PACBTI、MTE等安全机制，在不增加硬件成本的前提下，提升了边缘AI平台的安全性和可信度。

• 第三，能效优化。边缘设备通常面临功耗限制，AI模型需在极低功耗下运行。Arm的Cortex-M85与Ethos-U85组合展示了在几毫瓦功率下运行复杂语音识别模型的能力，体现了边缘AI在能效方面的巨大潜力。通过专用硬件加速器，边缘AI能够高效完成特定任务，实现性能与能耗的最佳平衡。

• 第四，成本控制。边缘AI减少了对云计算资源的依赖，降低了数据传输、存储与处理的成本。本地计算不仅节省了带宽和服务器资源，也简化了系统架构，适用于大规模部署的消费电子、工业设备和智能终端。

• 第五，系统韧性与可靠性。边缘设备具备本地推理与决策能力，即使在网络中断或离线状态下，仍能持续运行AI模型，保障服务的连续性与稳定性。例如，在工业自动化场景中，边缘AI可在断网情况下继续执行关键任务，确保生产安全与效率。

边缘AI的五大优势不仅解决了传统云端AI面临的瓶颈问题，也为构建更智能、更安全、更高效的计算体系提供了坚实支撑。正如Lionel所强调的：“AI的终点不在边缘，而是始于边缘，并从边缘侧推动着下一波智能计算的浪潮。”

Arm的边缘AI战略：平台优先与生态协同

作为全球领先的计算平台公司，Arm在边缘AI领域的布局可谓全面而深入。在2025年Arm Unlocked深圳站上，Arm提出“平台优先”战略，致力于构建从云到端的统一AI计算平台。

2025年，Arm推出了全球首个基于Armv9架构的边缘AI计算平台，以Cortex-A320 CPU与Ethos-U85 NPU为核心，专为物联网应用优化，支持运行超过10亿参数的边缘AI模型。该平台在性能、能效与可扩展性方面实现了显著提升。

Lionel透露说：“与前代产品相比，Cortex-A320充分发挥了Armv9架构的优势，如针对机器学习(ML)性能的第二代可伸缩矢量扩展(SVE2)，相较于前代产品Arm Cortex-A35，Cortex-A320 的ML性能提升了十倍，标量性能提升了30%。”

与此同时，Arm还将Armv9架构的边缘AI计算平台纳入了技术授权订阅模式——Arm Flexible Access，允许初创企业与OEM厂商能够在前期以低成本甚至免费方式获取Arm的IP、工具与资源，快速启动产品研发。“目前，中国有70余家合作伙伴通过Arm Flexible Access方案进行技术创新，包括帝奥微电子、摩芯半导体、杭州芯势力。”

Lionel表示，对于Arm的边缘AI计算平台，主要为客户提供对新一代框架的广泛支持。通过整合各类合作伙伴的资源，Arm在新兴的机器学习与人工智能框架下持续保持产品创新，并致力于提供完整的解决方案。在此基础上，合作伙伴可以根据其终端产品特性与市场策略，实现各自的产品差异化。

一个典型的例证是Arm与Meta的合作，双方共同推出了ExecuTorch 1.0正式版。该工具基于统一的PyTorch工作流，使开发者能够在可在广泛部署的Arm架构边缘设备上高效运行PyTorch模型，提升部署效率与开发体验，实现真正的“开箱即用”。这一方案不仅显著提升了开发效率，也简化了模型部署流程，为边缘AI应用带来了更流畅、更便捷的开发体验。

边缘AI的产业落地与中国市场展望

随着边缘AI技术的不断成熟，其应用正加速渗透至多个关键产业领域，成为推动智能化转型的重要引擎。前文介绍了Arm的“平台优先”战略，其实Arm也在联合生态伙伴在消费电子、智能汽车、工业自动化及基础设施等方向展开深度布局，推动AI从云端向边缘全面落地。

在消费电子领域，智能手机与可穿戴设备正逐步成为个人AI体验的核心载体。厂商如vivo 已在其计算加速平台 VCAP 中全面支持 SME2，支持 SME2 的新硬件与其他计算单元分工协作，能够实现更高效的端侧AI异构计算；传音控股则聚焦模型小型化、端云协同与多设备算力调度，助力端侧AI实现全面普及。

Arm Lumex CSS平台的推出，为移动终端注入了更强的AI性能，助力打造更智能、更个性化的用户体验。

汽车产业则迈入“AI定义”时代，智能驾驶与座舱体验同步进入深度智能化阶段。Arm推出的Zena CSS计算平台支持软件定义汽车的快速迭代，并通过与本地生态伙伴的协作，加速智能座舱与自动驾驶技术的商业化落地。

在工业自动化方面，边缘AI通过本地推理与决策能力，实现预测性维护、质量检测与自主控制，显著提升制造业的智能化水平。Arm基于Cortex-M85与Ethos-U系列的边缘AI方案已在智能家电与工业控制设备中广泛部署，展现出高能效与系统韧性优势。

基础设施领域也在向融合型AI数据中心演进。Arm Neoverse平台凭借其在性能、效率与灵活性上的优势，已在全球部署超过10亿颗CPU，成为新一代AI数据中心的核心计算架构，助力企业实现更高的性价比与可持续性。

而中国作为全球最大的人工智能应用市场之一，正在加速推动边缘AI的规模化落地。面对日益增长的算力需求与多样化的应用场景，Arm在中国积极推进本地化战略，联合百度、vivo、传音、华硕、联想等领先企业，构建从云到端的AI计算平台，推动边缘智能在多个关键领域实现深度融合与产业化突破。

结语：边缘AI是智能计算的起点

边缘AI不仅是技术演进的必然趋势，更是推动产业智能化升级的关键力量。Arm通过“平台优先”战略与生态协同，构建了从云到端的统一AI计算平台，为全球及中国市场的边缘AI落地提供了坚实支撑。随着大模型小型化、硬件性能提升与软件生态完善，边缘AI将不再是“边缘”，而是智能计算的主战场。