Arm 不断思考着计算的未来。无论是比较新架构的功能，还是用于芯片解决方案的新技术，Arm 所创造和设计的一切都以未来技术的使用和体验为导向。
凭借在技术生态系统中所处的独特地位，Arm 对全方位高度专业化、互联的全球半导体供应链有着充分的了解，覆盖数据中心、物联网、汽车、智能终端等所有市场。因而，Arm 对未来技术的发展方向及未来几年可能出现的主要趋势有着广泛而深刻的洞察。
基于此，Arm 对 2025 年及未来的技术发展做出了以下预测，范围涵盖技术的各个方面，从 AI 的未来发展到芯片设计，再到不同技术市场的主要趋势。
重新思考芯片设计，芯粒将成为解决方案的重要组件
从成本和物理学角度来看，传统芯片流片变得越来越困难。行业需要重新思考芯片的设计，突破以往传统的方法。例如，人们逐渐意识到，并非所有功能都需要集成在单独的单一芯片上，随着代工厂和封装公司探索新的途径、在新维度下突破摩尔定律的极限，芯粒等新方法开始崭露头角。
实现芯粒的不同技术正备受关注，并对核心架构和微架构产生了深远的影响。对于芯粒，架构师需要逐步了解不同实现技术的优势，包括制程工艺节点和封装技术，从而利用相关特性提升性能和效率。
芯粒技术已经能够有效应对特定市场需求和挑战，并预计在未来几年持续发展。在汽车市场，芯粒可帮助企业在芯片开发过程中实现车规级认证，同时通过不同的计算组件，帮助扩大芯片解决方案的规模并实现差异化。例如，专注于计算的芯粒具有不同数量的内核，而专注于内存的芯粒则具有不同大小和类型的内存。因此，系统集成商可对不同的芯粒进行组合和封装以开发出大量高度差异化的产品。
“重新校准”摩尔定律
在过去的摩尔定律，单一芯片上的晶体管数量已达到数十亿，其性能每年翻一番，功耗每年减少一半。然而，这种在单独的单一芯片上持续追求更多晶体管、更高性能和更低功耗的做法已经难以为继。半导体业需要重新思考和校准摩尔定律及其对行业的意义。
其中之一便是，在芯片设计过程中，不再仅仅将性能作为关键指标，而是将每瓦性能、单位面积性能、单位功耗性能和总体拥有成本作为核心指标。此外，还应引入一些新指标，关注系统实现方面的挑战（这也是开发团队面临的比较大挑战），确保将 IP 集成到系统级芯片 (SoC) 及整个系统后性能不会下降。因此，这将需要在芯片开发和部署过程中持续进行性能优化。随着科技行业大规模地朝着更有效的 AI 工作负载计算发展，这些指标将在相关领域变得更加重要。
芯片解决方案实现真正的商业差异化
为了借助芯片解决方案实现真正的商业差异化，企业不断地追求更加专用化的芯片。这也反应在计算子系统的日益普及，这些核心计算组件使得不同规模的公司能够对其解决方案进行差异化和个性化定制，每个解决方案都经过配置，以执行或支持特定的计算任务或专业功能。
标准化的重要性与日俱增
标准化的平台和框架对确保生态系统能够提供具有差异化优势的产品和服务至关重要，它们不仅能够增加真正的商业价值，还能节省时间和成本。随着集成了不同计算组件的芯粒的出现，标准化变得以前没有重要，它将使来自不同供应商的不同硬件能够无缝协同工作。Arm 迄今已携手 50 多家技术合作伙伴一道开发 Arm 芯粒系统架构 (CSA)，随着更多合作伙伴的加入，Arm 与合作伙伴将共同推动芯粒市场的标准化进程。在汽车行业，这将与 SOAFEE 的成立初衷相符，SOAFEE 旨在将软件定义汽车 (SDV) 中的硬件与软件解耦，从而提高计算组件之间的灵活性和互操作性，加快开发周期。
生态系统将围绕芯片和软件开展比较罕见的紧密合作
随着芯片和软件的复杂性不断增加，没有任何一家公司能独自包揽芯片和软件设计、开发与集成的所有环节。因此，生态系统内的深度合作必不可少。此类合作能为各类规模的不同公司提供特有的机会，使各公司能够根据自身的核心竞争力提供不同的计算组件和解决方案。这对汽车行业尤为重要，汽车行业需要将包含芯片供应商、一级供应商、整车厂和软件供应商在内的整个供应链汇集在一起，分享各自的专业知识、技术和产品，以定义 AI 驱动 SDV 的未来，让最终用户能够享受到 AI 的真正潜力。
AI 增强型硬件设计的兴起
半导体行业将更多地采用 AI 辅助的芯片设计工具，利用 AI 来优化芯片布局、电源分配和时序收敛。这种方法不仅能优化性能结果，还能加速优化芯片解决方案的开发周期，使小型公司也能凭借专用化芯片进入市场。AI 不会取代人类工程师，但它将成为应对现代芯片设计日益复杂的重要工具，特别是在高能效 AI 加速器和边缘侧设备的设计中。
AI 推理持续发展
在未来一年里，AI 推理工作负载将继续增加，这将有助于确保 AI 的广泛和持久普及。这一趋势的发展得益于具备 AI 功能的设备和服务数量的增加。事实上，大部分日常 AI 推理，如文本生成和摘要，都能在智能手机和笔记本电脑上完成，为用户提供了更快速、更安全的 AI 体验。为了支持这一增长，此类设备需要搭载能够实现更快的处理速度、更低的延迟和有效电源管理的技术。而 Armv9 架构的 SVE2 和 SME2 两大关键特性，共同作用于 Arm CPU，使其能够快速有效地执行 AI 工作负载。
边缘侧 AI 崭露头角
2024 年，许多 AI 工作负载已经转向在边缘侧（也就是端侧）运行，而不是在大型数据中心进行处理。这种转变不仅能为企业节省电力和成本，还能为消费者带来隐私和安全方面的保障。
到了 2025 年，我们很可能会看到先进的混合 AI 架构，这些架构能够将 AI 任务在边缘设备和云端之间进行有效分配。在这些系统中，边缘设备上的 AI 算法会先识别出重要的事件，然后云端模型会介入，提供额外的信息支持。决定在本地还是云端执行 AI 工作负载，将取决于可用能源、延迟需求、隐私顾虑以及计算复杂性等考虑因素。
边缘侧 AI 工作负载代表着 AI 去中心化的趋势，使设备能在数据源附近实现更智能、更快速且更安全的处理，这对于需要更高性能和本地化决策的市场，如工业物联网和智慧城市，尤为关键。
小语言模型 (SLM) 加速演进
随着技术的进步，规模更小、构造更紧凑、压缩率更高、量化程度更高、参数更少的模型正在快速演进。典型的例子包括 Llama、Gemma 和 Phi3，这些模型不仅具备更高的成本效益和效率，也更容易在算力资源有限的设备上部署。Arm 预计，2025 年这类模型的数量将继续增加。这类模型能够直接在边缘侧设备上运行，不仅提升了性能，还增强了隐私保护。
Arm 预计，越来越多的 SLM 将用于端侧的语言和设备交互任务，以及基于视觉的任务，如事件解读和扫描。未来，SLM 将从大模型中提炼出更多经验和知识，以便开发本地专家系统。
能听、能看、能理解更多内容的多模态 AI 模型涌现
当前，GPT-4 这样的大语言模型 (LLM) 是基于人类文本进行训练的。当这些模型被要求描述某个场景时，它们只会以文字形式回应。但现在，包含文本、图像、音频、传感器数据等多种信息的多模态 AI 模型开始出现。这些多模态模型将通过能够听到声音的音频模型、能够看到的视觉模型、以及能够理解人与人之间、人与物体之间关系的交互模型，来执行更复杂的 AI 任务。这将赋予 AI 感知世界的能力，就像人类一样，能听、能看、能体验。
智能体应用不断拓展
如今，当用户与 AI 交互时，通常是在与一个单一的 AI 进行交互，这个 AI 会尽力独立完成用户要求的任务。然后，通过智能体，在用户指定需要完成的任务时，这个智能体会将任务委托给由众多智能体或 AI 机器人组成的网络，类似 AI 的零工经济。目前，客服支持和编程辅助等行业已开始使用智能体。随着 AI 的互联性和智能程度不断提高，Arm 预计在未来一年，智能体将在更多行业取得显著发展。这将为下一个阶段的 AI 革命奠定基础，使我们的生活和工作变得更加有效。
AI 实现超个性化，支持更强大、更直观、更智能的应用
在 AI 的推动下，设备上将涌现更加强大和个性化的应用。例如更智能、更直观的个人助理，甚至私人医生。应用的功能将从简单地响应用户请求转变为根据用户及其所处环境主动提供建议，实现 AI 的超个性化。这将导致数据的使用、处理和存储数量呈指数级增长，因此业界和政府需要采取更严格的安全措施并提供监管指导。
医疗服务将成为关键的 AI 用例
医疗服务似乎已成为 AI 的主要用例之一，而这一趋势将在 2025 年加速发展。AI 在医疗领域的用例包括：预测性医疗、数字记录存储、数字病理学、疫苗开发和基因疗法等，以帮助治疗疾病。2024 年，DeepMind 的创始人因与科学家合作，利用 AI 预测复杂的蛋白质结构，且准确率高达 90%，被授予诺贝尔化学奖。同时，研究证明，使用 AI 可以将药物研发周期缩短 50%。这些 AI 创新为社会带来了显著好处，加速了救命药物的研发和生产。此外，通过将移动设备、传感器和 AI 相结合，用户将能够获得更优质的健康数据，从而对个人健康做出更明智的决策。
推动实现“绿色 AI”
AI 将加速融入可持续实践。除了使用高能效技术，“绿色 AI”策略也将受到越来越多的关注。例如，为了应对日益增长的能源需求，AI 模型训练可能会来越多地选择在碳排放较低的地区和电网负荷较低的时间段进行，这可能会成为未来的标准操作。通过平衡电网上的能源负载，这种方法将帮助缓解峰值需求压力，减少总体碳排放量。因此，Arm 预计会有更多云服务提供商推出针对能效优化的模型训练调度服务。
其他方法还包括：优化现有 AI 模型以提高能效，重复使用或重新定位预训练的 AI 模型，以及采用“绿色编码”以尽可能减少能源消耗。在“绿色 AI”浪潮中，我们可能还会看到自发性标准的引入，随后逐步形成正式标准，以促进 AI 的可持续发展。
可再生能源与 AI 的融合发展
可再生能源与 AI 的结合有望推动整个能源行业的创新。目前，可再生能源在可靠性和灵活性方面存在不足，难以平衡峰值负载，这限制了电网脱碳进程。Arm 预计，AI 将能够更准确地预测能源需求，实时优化电网运行，并提高可再生能源的效率，从而帮助解决这些问题。电能储存解决方案也将受益于 AI，AI 能够优化电池性能和寿命，这对于平衡可再生能源的间歇性特性至关重要。
引入 AI 不仅有助于解决预测和平衡峰值需求的难题，还能预见性地识别维护需求，从而减少能源供应中断。智能电网则可利用 AI 进行实时电能流动的实时管理，有效降低能源损耗。AI 与可再生能源的深度融合，预计将极大地提高能源系统的效率和可持续性。
异构计算满足多样化 AI 需求
在广泛的 AI 应用中，尤其是在物联网领域，不同的 AI 需求将需要多种计算引擎。为了比较大化地部署 AI 工作负载，CPU 将继续成为现有设备部署的关键。新的物联网设备将搭载更大的内存和更高性能的 Cortex-A CPU，以增强 AI 性能。而新推出的 Ethos-U NPU 等嵌入式加速器将被用于加速低功耗机器学习 (ML) 任务，并为工业机器视觉和消费类机器人等更广泛的用例提供高能效边缘推理能力。
从本质上来看，在短期内，我们将看到多个计算元件被用于满足特定 AI 应用的需求。这种趋势将继续强调开发通用工具、软件技术库和框架的必要性，以便应用开发者能够充分利用底层硬件的功能。边缘 AI 工作负载不存在“多功能”的解决方案，因此，为生态系统提供灵活的计算平台非常重要。
虚拟原型日益普及，为汽车行业芯片和软件开发流程带来革新
虚拟原型加速了芯片和软件开发，使得公司能够在物理芯片准备就绪之前就着手开发和测试软件。这对汽车行业尤为重要。在汽车行业，虚拟平台推出后，汽车开发周期可缩短多达两年。
2025 年，在芯片和软件开发流程持续转型的浪潮中，Arm 预计将有更多公司推出自己的虚拟平台。这些虚拟平台将无缝运行，借助 Arm 架构提供的 ISA 对等特性，确保云端和边缘侧架构的一致性。通过 ISA 对等特性，生态系统可在云端构建自己的虚拟原型，然后在边缘侧进行无缝部署。
这将显著节省时间和成本，同时让开发者有更多的时间利用软件解决方案来提升性能。2024 年 Arm 初次将 Armv9 架构引入汽车市场，Arm 预计后续将有更多开发者在汽车领域利用 ISA 对等特性，并借助虚拟原型技术来更快地构建和部署汽车解决方案。
端到端 AI 增强自动驾驶系统性能
生成式 AI 技术正被迅速应用于端到端模型中，有望解决传统自动驾驶 (AD) 软件架构面临的可扩展性问题。得益于端到端自监督学习，自动驾驶系统的泛化能力将得到提升，使之能够应对之前从未遇到的场景。这种新方法将有效加速运行设计域 (ODD) 的扩展，从而以更快的速度和更低的成本将自动驾驶技术部署到高速公路和城市交通等不同环境中。
更多解放双手的驾驶体验，但对驾驶员的监控也需增强
随着 L2+ 驾驶员控制辅助系统 (DCAS) 和 L3 级自动车道保持系统 (ALKS) 的车辆法规在全球范围内的协调进展，DCAS 和 ALKS 这些高档功能将实现更快、更广泛的部署。领先的汽车制造商正在投资配备必要的硬件，以便在车辆的整个使用周期内通过订阅服务推广这些功能。
为了防止驾驶员滥用自动驾驶系统，相关法规和“新车评估计划 (NCAP)”正日益关注更为精密的车内监控系统，如驾驶员监控系统 (DMS)。例如，在欧洲，EuroNCAP 2026 的新评级机制将鼓励直接感知式（如基于摄像头的）DMS 与先进驾驶辅助系统 (ADAS) 和自动驾驶功能深度集成，以便针对不同程度的驾驶员双手离开方向盘做出适当的车辆响应。
智能手机仍是未来数十年的主要消费电子设备
在可见的未来，智能手机仍将继续扮演主要的消费电子设备。实际上，在未来的几十年内，它很有可能将持续作为消费者的优选设备，其他设备难以对它构成实质性挑战。随着 Armv9 在主流智能手机中的广泛应用，预计到 2025 年，新旗舰智能手机将拥有更强的算力和更好的应用体验，这将进一步巩固智能手机作为优选设备的地位。但很显然，消费者会根据不同需求使用不同的设备，智能手机主要被用于应用程序、网页浏览和通信，而笔记本电脑仍被视为生产力和工作任务的“优选”设备。
同样值得关注的是，智能眼镜等 AR 可穿戴设备正逐渐成为智能手机的理想搭档。智能手机之所以能够持续流行，关键在于其不断进化的能力，从应用到摄像头再到游戏，而现在，业界正见证 AR 的新应用场景正在涌现，而智能手机也开始支持可穿戴设备的 AR 体验。
技术微型化的持续演进
在整个科技行业中，设备正变得愈发小巧时尚，例如 AR 智能眼镜和越来越小的可穿戴设备。这一趋势是多种因素共同作用的结果。首先，高能效技术的应用为设备提供了所需性能，以支持关键的设备功能和体验。其次，轻量化技术的应用让更小巧的设备成为可能，就 AR 智能眼镜而言，它采用了超薄碳化硅技术，不仅可实现高清显示，还能大幅减小设备的厚度和重量。此外，小巧的新语言模型正在提升这些小型设备的 AI 体验，使设备的沉浸感更强，互动性更好。展望明年，高能效的轻量化硬件将与小型 AI 模型加速结合，推动更小巧、功能更强大的消费电子设备的发展。
Windows on Arm 持续升温
2024 年，Windows on Arm (WoA) 生态系统取得了显著进展，主流应用已纷纷推出 Arm 原生版本。事实上，普通的 Windows 用户 90% 的使用时间都在使用 Arm 原生应用。最近的一个例子是 Google Drive，它于 2024 年底发布了 Arm 原生版本。Arm 预计这一势头将在 2025 年继续保持下去，随着包括 Google Chrome 在内对用户日常体验至关重要的 Arm 原生应用实现了大幅的性能提升，WoA 将对开发者和消费者的吸引力不断增强。
（推广）