12月30日消息，半導(dǎo)體IP大廠Arm公司近日發(fā)布了 20 項(xiàng)技術(shù)預(yù)測，認(rèn)為未來計算將具備更高的模塊化特性和能源效率表現(xiàn)，實(shí)現(xiàn)云端、實(shí)體終端及邊緣人工智能（AI）環(huán)境的無縫互聯(lián)。

硅創(chuàng)新

1. 模塊化芯片重新定義了硅設(shè)計

隨著硅芯片行業(yè)不斷突破技術(shù)極限，從單片芯片到模塊化芯片設(shè)計的轉(zhuǎn)變將加速。通過將計算、存儲和I/O分離成可重用的構(gòu)建模塊，設(shè)計人員可以混合使用不同的工藝節(jié)點(diǎn)，降低成本，并更快地擴(kuò)展規(guī)模。對模塊化的日益重視將標(biāo)志著芯片設(shè)計從“更大的芯片”向“更智能的系統(tǒng)”轉(zhuǎn)變，使芯片團(tuán)隊(duì)能夠自由地混合使用不同的工藝節(jié)點(diǎn)，并快速定制片上系統(tǒng) (SoC) 以適應(yīng)各種工作負(fù)載。這將推動可定制芯片的持續(xù)發(fā)展——這些高度可配置的模塊將通用計算與特定領(lǐng)域的加速器、存儲單元或?qū)Ｓ萌斯ぶ悄芤嫦嘟Y(jié)合——使芯片團(tuán)隊(duì)無需從零開始即可構(gòu)建差異化產(chǎn)品，從而顯著縮短設(shè)計周期并降低創(chuàng)新門檻。此外，預(yù)計行業(yè)標(biāo)準(zhǔn)化也將不斷發(fā)展，新興的開放標(biāo)準(zhǔn)將使來自不同供應(yīng)商的芯片能夠可靠且安全地組合使用。這將降低集成風(fēng)險，擴(kuò)大供應(yīng)鏈，并開啟一個可互操作組件的市場，而不是緊密耦合的單一供應(yīng)商系統(tǒng)。

2. 通過先進(jìn)材料和3D集成實(shí)現(xiàn)更智能的規(guī)模化

2026 年的硅芯片創(chuàng)新很可能并非源于更小的晶體管，而是源于新材料和更智能的堆疊技術(shù)，例如 3D 堆疊、芯片集成和先進(jìn)封裝，從而實(shí)現(xiàn)高性能芯片更高的密度和效率。這種“超越摩爾定律”的演進(jìn)側(cè)重于垂直創(chuàng)新——功能分層、散熱優(yōu)化和每瓦計算能力提升——而非橫向擴(kuò)展。這種方法對于維持高性能、高能效計算的進(jìn)步至關(guān)重要，同時也將為更強(qiáng)大的 AI 系統(tǒng)、更密集的數(shù)據(jù)中心基礎(chǔ)設(shè)施以及日益智能化的邊緣設(shè)備奠定基礎(chǔ)。

3. 安全設(shè)計芯片成為不可妥協(xié)的要素

隨著人工智能系統(tǒng)變得更加自主，并深度嵌入關(guān)鍵基礎(chǔ)設(shè)施，安全芯片設(shè)計將從商業(yè)差異化因素轉(zhuǎn)變?yōu)槠毡橐蟆９粽咭呀?jīng)開始探測人工智能系統(tǒng)中的可利用模式，并直接攻擊硬件本身，這種日益嚴(yán)峻的威脅使得內(nèi)置的硬件級信任至關(guān)重要。諸如Arm內(nèi)存標(biāo)記擴(kuò)展（MTE）、硬件信任根和機(jī)密計算區(qū)域等技術(shù)將成為基本要求，而非可選附加功能。此外，隨著個人和企業(yè)越來越多地將最有價值的數(shù)字資產(chǎn)（從專有數(shù)據(jù)集和業(yè)務(wù)邏輯到用戶憑證、個人歷史記錄和財務(wù)信息）存儲在人工智能系統(tǒng)中，這將需要在芯片層面采取各種安全措施，包括加密隔離、內(nèi)存完整性和運(yùn)行時驗(yàn)證。

4. 專業(yè)加速和系統(tǒng)級協(xié)同設(shè)計將定義人工智能計算，并推動融合型人工智能數(shù)據(jù)中心的興起

領(lǐng)域特定加速技術(shù)的興起正在重新定義芯片性能，但這并非通過通用計算和加速器之間的割裂來實(shí)現(xiàn)。相反，業(yè)界正朝著專用芯片的方向發(fā)展，這些芯片在系統(tǒng)層面與軟件棧協(xié)同設(shè)計，并針對特定的AI框架、數(shù)據(jù)類型和工作負(fù)載進(jìn)行優(yōu)化。AWS（Graviton）、谷歌云（Axion）和微軟Azure（Cobalt）等主要云服務(wù)提供商正引領(lǐng)著這一轉(zhuǎn)變，這表明緊密集成的平臺——從底層開始將專用CPU、加速器、內(nèi)存和互連技術(shù)整合在一起——對于可擴(kuò)展、高效且易于開發(fā)者使用的AI至關(guān)重要。這些發(fā)展正在加速下一階段基礎(chǔ)設(shè)施——融合型AI數(shù)據(jù)中心——的建設(shè)，該數(shù)據(jù)中心旨在最大限度地提高單位面積的AI計算能力，從而降低AI運(yùn)行所需的電力和相關(guān)成本。

人工智能無處不在，從云端到物理層再到邊緣計算

5. 分布式人工智能計算將更多智能推向邊緣

盡管云計算對于大規(guī)模模型仍然至關(guān)重要，但人工智能推理處理將繼續(xù)從云端遷移到設(shè)備端，從而實(shí)現(xiàn)更快的響應(yīng)和決策。到2026年，邊緣人工智能將從基礎(chǔ)分析加速發(fā)展到在邊緣設(shè)備和系統(tǒng)上進(jìn)行實(shí)時推理和自適應(yīng)，并借助算法進(jìn)步、模型量化和專用芯片，集成更復(fù)雜的模型。這將使本地推理和本地學(xué)習(xí)成為標(biāo)準(zhǔn)配置，從而降低延遲、成本和對云的依賴，同時將這些邊緣設(shè)備和系統(tǒng)重新定義為自給自足的計算節(jié)點(diǎn)。

6. 云計算、邊緣計算和物理人工智能開始融合

到2026年，隨著人工智能系統(tǒng)日益以協(xié)同智能為核心，云端與邊緣之間的長期爭論將逐漸平息。企業(yè)不再將云端、邊緣和物理智能視為彼此獨(dú)立的領(lǐng)域，而是開始設(shè)計針對最適合的層級的人工智能任務(wù)和工作負(fù)載。例如，云端提供大規(guī)模訓(xùn)練和模型優(yōu)化，邊緣提供低延遲感知和靠近數(shù)據(jù)的短循環(huán)決策，而物理系統(tǒng)（機(jī)器人、車輛和機(jī)器）則在真實(shí)環(huán)境中執(zhí)行這些決策。這種新興的分布式人工智能模式將有助于大規(guī)模部署可靠、高效的物理人工智能系統(tǒng)。

7. 世界模型助力物理人工智能發(fā)展

世界模型將成為構(gòu)建和驗(yàn)證物理人工智能系統(tǒng)（從機(jī)器人和自主機(jī)器到分子發(fā)現(xiàn)引擎）的基礎(chǔ)工具。視頻生成、擴(kuò)散變換器混合模型和高保真仿真技術(shù)的進(jìn)步將使開發(fā)人員和工程師能夠構(gòu)建能夠精確反映真實(shí)世界物理特性的豐富虛擬環(huán)境。這些沙盒化的“人工智能測試平臺”將使團(tuán)隊(duì)能夠在部署前對物理人工智能系統(tǒng)進(jìn)行訓(xùn)練、壓力測試和迭代，從而降低風(fēng)險并加快開發(fā)周期。對于制造業(yè)、物流、自動駕駛和藥物研發(fā)等領(lǐng)域而言，世界模型驅(qū)動的仿真可能成為競爭的必要條件，并成為下一波物理人工智能突破的催化劑。

8. 物理環(huán)境和邊緣環(huán)境中智能體和自主人工智能的持續(xù)興起

人工智能將從助手發(fā)展為自主代理，這些系統(tǒng)能夠在有限的監(jiān)督下感知、推理和行動。多代理編排將在機(jī)器人、車輛和物流等領(lǐng)域得到更廣泛的應(yīng)用，而消費(fèi)設(shè)備也將原生集成代理型人工智能。在汽車供應(yīng)鏈中，將會出現(xiàn)不僅是工具，更是代理的系統(tǒng)，物流優(yōu)化系統(tǒng)將持續(xù)監(jiān)控供應(yīng)鏈，并主動重新訂購、重新規(guī)劃路線或提醒人工主管，而不是被動等待觸發(fā)事件。與此同時，工廠自動化可能會朝著“監(jiān)管型人工智能”的方向發(fā)展，這種人工智能能夠監(jiān)控生產(chǎn)過程、檢測異常情況、預(yù)測吞吐量問題，并自主啟動糾正措施。

9. 情境人工智能將驅(qū)動下一代用戶體驗(yàn)

盡管邊緣端的生成式人工智能在文本、圖像、視頻和音頻領(lǐng)域的應(yīng)用將持續(xù)擴(kuò)展，但設(shè)備端人工智能的真正突破將在于情境感知。這將使設(shè)備能夠理解和解讀環(huán)境、用戶意圖和本地數(shù)據(jù)，從而解鎖用戶體驗(yàn)的新層面，從增強(qiáng)顯示效果到主動安全防護(hù)，無所不包。此外，情境人工智能系統(tǒng)不再僅僅響應(yīng)提示，而是能夠預(yù)測用戶需求，以前所未有的精準(zhǔn)度和個性化程度定制體驗(yàn)。而且，由于人工智能在設(shè)備端運(yùn)行，因此也符合對更高隱私性、更低延遲和更高能效的需求。

10. 多種專用模型而非單一大型模型的興起

盡管大型語言模型 (LLM) 在云端訓(xùn)練和推理方面仍將發(fā)揮重要作用，但“一個巨型模型”的時代將逐漸被眾多小型、專業(yè)化的模型所取代。這些專用模型將針對特定領(lǐng)域進(jìn)行優(yōu)化，并在邊緣端運(yùn)行。這種趨勢已在多個垂直行業(yè)中初見端倪，例如制造業(yè)的缺陷檢測和質(zhì)量檢驗(yàn)，以及醫(yī)療保健領(lǐng)域的診斷輔助和患者監(jiān)護(hù)模型。對于小型企業(yè)而言，這帶來了新的機(jī)遇，因?yàn)樗鼈儫o需構(gòu)建定制的“大型 AI”堆棧，而是可以利用易于獲取的、特定領(lǐng)域的小型模型，并專注于如何在特定場景中部署這些模型。

11. 小型語言模型（SLM）的功能將越來越強(qiáng)大，也越來越容易被企業(yè)所接受。

壓縮、蒸餾和架構(gòu)設(shè)計方面的突破將使當(dāng)今復(fù)雜的推理模型在不犧牲計算能力的前提下，大幅縮小為小型語言模型 (SLM)。這些緊湊型模型能夠在參數(shù)數(shù)量顯著減少的情況下，實(shí)現(xiàn)接近前沿水平的推理性能，使其更易于在邊緣部署，微調(diào)成本更低，并且足以滿足電力受限環(huán)境的需求。超高效 AI 模型訓(xùn)練技術(shù)（例如模型蒸餾和量化）的日益普及將為此提供支持，這些技術(shù)正逐漸成為行業(yè)標(biāo)準(zhǔn)。事實(shí)上，預(yù)計訓(xùn)練效率將成為 AI 模型的核心基準(zhǔn)，諸如“每焦耳推理次數(shù)”之類的指標(biāo)已經(jīng)出現(xiàn)在產(chǎn)品文檔和研究論文中。

12. 物理人工智能可擴(kuò)展，從而在各行業(yè)提高生產(chǎn)力

下一個價值數(shù)萬億美元的人工智能平臺將是實(shí)體平臺，其智能將內(nèi)置于新一代自主機(jī)器和機(jī)器人中。在多模態(tài)模型和更高效的訓(xùn)練及推理流程的推動下，實(shí)體人工智能系統(tǒng)將開始規(guī)?；l(fā)展，催生出新型自主機(jī)器，這些機(jī)器將通過大幅提升生產(chǎn)力，重塑包括醫(yī)療保健、制造業(yè)、交通運(yùn)輸和采礦業(yè)在內(nèi)的各行各業(yè)，并使其能夠在對人類而言不安全或危險的環(huán)境中運(yùn)行。此外，預(yù)計未來將出現(xiàn)服務(wù)于車輛和機(jī)器人自動化的計算平臺，為汽車設(shè)計的芯片很可能被重新利用并改造用于人形機(jī)器人或工廠機(jī)器人。這將進(jìn)一步提升實(shí)體人工智能系統(tǒng)的規(guī)模經(jīng)濟(jì)效益，并加速其發(fā)展。

技術(shù)市場和設(shè)備

13. 混合云成熟度開啟了多云智能的下一階段

到 2026 年，企業(yè)不僅會采用多云架構(gòu)，還會邁入混合云計算更加成熟、智能驅(qū)動的階段。這一階段的特征包括：

工作負(fù)載放置方面具有更大的自主性，系統(tǒng)可以動態(tài)選擇最高效或最安全的執(zhí)行環(huán)境；
標(biāo)準(zhǔn)化的互操作性，使數(shù)據(jù)和人工智能模型能夠在平臺之間無縫移動；
節(jié)能型調(diào)度，其中每瓦性能成為部署決策的首要驅(qū)動因素；
分布式 AI 協(xié)調(diào)，使訓(xùn)練、微調(diào)和推理能夠在異構(gòu)基礎(chǔ)設(shè)施中任何最合適的位置進(jìn)行。
這需要采用協(xié)調(diào)一致的方法，并輔以開放標(biāo)準(zhǔn)和節(jié)能計算，使人工智能模型、數(shù)據(jù)管道和應(yīng)用程序能夠在多個云、數(shù)據(jù)中心和邊緣環(huán)境中流暢運(yùn)行。

14. 從芯片到工廠車間，人工智能正在改寫汽車行業(yè)的發(fā)展藍(lán)圖

隨著人工智能增強(qiáng)的汽車功能成為行業(yè)必備要素，人工智能將深度融入整個汽車供應(yīng)鏈，從車輛芯片到工廠的工業(yè)機(jī)器人，無一例外。在人工智能定義的汽車中，預(yù)計車載人工智能將應(yīng)用于感知、預(yù)測、駕駛輔助和更高程度的自主駕駛，尤其是在高級駕駛輔助系統(tǒng)（ADAS）和車載信息娛樂系統(tǒng)（IVI）方面，而芯片設(shè)計也將圍繞這些需求進(jìn)行重塑。與此同時，汽車制造行業(yè)也將發(fā)生變革，工廠將借助工業(yè)機(jī)器人、數(shù)字孿生和互聯(lián)系統(tǒng)變得更加智能和自動化。

15. 隨著設(shè)備端人工智能成為標(biāo)準(zhǔn)，智能手機(jī)將變得越來越智能

2026 年的智能手機(jī)將繼續(xù)高度依賴人工智能功能，包括攝像頭和圖像識別、實(shí)時翻譯和語音助手，這些功能都將在設(shè)備端完成處理。智能手機(jī)本質(zhì)上將成為集數(shù)字助理、相機(jī)和個人管家于一體的設(shè)備。Arm的神經(jīng)網(wǎng)絡(luò)技術(shù)——將專用神經(jīng)網(wǎng)絡(luò)加速器集成到 Arm 2026 年的 Mali GPU 中——標(biāo)志著移動設(shè)備端圖形處理和人工智能技術(shù)的重大飛躍。到 2026 年底，最新的旗艦智能手機(jī)將配備神經(jīng)網(wǎng)絡(luò) GPU 流水線，從而實(shí)現(xiàn)更高幀率的 4K 游戲、實(shí)時視覺計算以及更先進(jìn)的設(shè)備端人工智能助手等功能，所有這些都無需云端連接。

16. 跨所有邊緣設(shè)備的計算邊界開始消失

PC、移動設(shè)備、物聯(lián)網(wǎng)和邊緣人工智能之間長期存在的界限將逐漸消融，迎來一個與設(shè)備無關(guān)的統(tǒng)一設(shè)備端智能時代。用戶和開發(fā)者將不再以產(chǎn)品類別為導(dǎo)向，而是越來越多地與一個統(tǒng)一的計算架構(gòu)進(jìn)行交互，在這個架構(gòu)中，體驗(yàn)、性能和人工智能功能可以在不同的邊緣設(shè)備形態(tài)之間無縫流動。推動這一轉(zhuǎn)變的關(guān)鍵因素是新一輪的跨操作系統(tǒng)兼容性和應(yīng)用程序可移植性。隨著操作系統(tǒng)不斷發(fā)展，共享更多底層框架、運(yùn)行時和開發(fā)者工具，軟件將越來越多地實(shí)現(xiàn)一次構(gòu)建，即可部署到從PC和智能手機(jī)到邊緣人工智能和物聯(lián)網(wǎng)設(shè)備的各個平臺。

17. AI個人織物連接所有設(shè)備

人工智能體驗(yàn)將超越設(shè)備本身，形成一個連貫的“個人網(wǎng)絡(luò)”，其智能將與用戶的數(shù)字生活無縫銜接。所有邊緣設(shè)備——手機(jī)、可穿戴設(shè)備、個人電腦、汽車以及智能家居設(shè)備（如恒溫器、音箱和安防系統(tǒng)）——都將原生運(yùn)行人工智能工作負(fù)載，從而能夠?qū)崟r共享上下文信息和學(xué)習(xí)成果，預(yù)測用戶在每個屏幕和傳感器上的需求，并提供無縫銜接的個性化體驗(yàn)。隨著小型人工智能模型和異構(gòu)計算的不斷成熟，日常家用聯(lián)網(wǎng)設(shè)備也將為這一智能生態(tài)系統(tǒng)做出貢獻(xiàn)。本質(zhì)上，個人設(shè)備將演變?yōu)橐粋€集體化的自適應(yīng)框架的一部分，該框架能夠理解用戶，并持續(xù)從用戶在不同環(huán)境中的交互中學(xué)習(xí)。

18. AR 和 VR 可穿戴設(shè)備在企業(yè)環(huán)境中的增長

包括頭戴式設(shè)備和智能眼鏡在內(nèi)的增強(qiáng)現(xiàn)實(shí)（AR）和虛擬現(xiàn)實(shí)（VR）可穿戴設(shè)備將在更廣泛的工作環(huán)境中得到應(yīng)用，從物流和維護(hù)到醫(yī)療保健和零售業(yè)。這主要得益于輕量化設(shè)計和更長電池續(xù)航時間的進(jìn)步，使得免提計算在比以往任何時候都更加普及的場景中成為可能。這些企業(yè)部署將展現(xiàn)出精巧的、針對特定任務(wù)的可穿戴設(shè)備的價值，它們能夠根據(jù)情境提供信息，從而提高生產(chǎn)力和安全性。隨著設(shè)備尺寸的不斷縮小、人工智能功能的不斷增強(qiáng)以及連接性的日益無縫，AR和VR可穿戴計算將從新奇事物演變?yōu)楸匦杵罚@是邁向更加普及、更具輔助性的未來工作環(huán)境的悄然而重要的一步。

19. 意義構(gòu)建基礎(chǔ)設(shè)施重塑物聯(lián)網(wǎng)

物聯(lián)網(wǎng)將演變?yōu)椤爸悄芪锫?lián)網(wǎng)”。邊緣物聯(lián)網(wǎng)設(shè)備將超越數(shù)據(jù)收集和感知，邁向“意義構(gòu)建”——自主地解釋、預(yù)測和行動。這一轉(zhuǎn)變將物聯(lián)網(wǎng)重新定義為一種基于情境感知的決策基礎(chǔ)設(shè)施，其中本地化的低功耗計算能夠以最小的人工干預(yù)提供實(shí)時洞察，從而推動自主性和節(jié)能創(chuàng)新進(jìn)入新時代。

20. 醫(yī)療保健可穿戴設(shè)備走向臨床應(yīng)用

下一代健康可穿戴設(shè)備將從健身伴侶演變?yōu)獒t(yī)療級診斷工具。這些設(shè)備將搭載人工智能模型，能夠?qū)崟r分析本地生物特征數(shù)據(jù)，例如心率變異性和呼吸模式。遠(yuǎn)程患者監(jiān)護(hù) (RPM) 只是這一更廣泛變革的一個例證：一個由互聯(lián)的臨床級傳感器組成的日益壯大的生態(tài)系統(tǒng)，將實(shí)現(xiàn)持續(xù)護(hù)理、早期檢測和個性化治療方案。

最后

從云端、邊緣計算到物理人工智能，Arm 對 2026 年的所有預(yù)測都圍繞著一個共同的主題：在任何地方實(shí)現(xiàn)每瓦特的高級智能。隨著世界邁入計算新時代，Arm 作為驅(qū)動下一波高效、智能、可擴(kuò)展和安全創(chuàng)新浪潮的基礎(chǔ)計算平臺，其地位從未如此重要。我們迫不及待地想看看接下來會發(fā)生什么！