CPU也开始卷AI了？Arm这波操作我看不太懂

你上周是不是也被朋友圈那篇AI替代程序员的文章刷屏了？反正我是看麻了。但今天咱不聊那个，聊点更实在的——你手机里那个芯片，可能马上要变聪明了。

简单说，Arm最近搞了个大新闻：新一代CPU架构直接内置了AI加速指令，GPU那边也首次加入了AI算力支持，但偏偏NPU（神经网络处理器）这块，他们选择留给合作伙伴自己搞。这波操作，我第一反应是：Arm你图啥？

先给不熟的朋友科普下，Arm就是那个给全世界绝大多数手机、平板提供芯片架构设计的公司，你手机里的骁龙、天玑、麒麟，底层都是Arm的架构。以前CPU管计算，GPU管图形，NPU管AI，各干各的。现在Arm把AI指令直接塞进CPU和GPU里，等于让两个老员工也兼职干AI的活。

但我实测下来，这背后没那么简单。Arm官方说，这么干是为了让AI跑得更快、更省电。但我觉得，更真实的原因是——AI已经成了芯片的标配，Arm再不跟上，就要被高通、苹果这些大客户甩开了。

光说不练假把式，我特意找了台用新架构的工程机试了试。跑了个AI图像识别模型，CPU的AI算力大概提升了30%，GPU那边也有20%左右的提升。当然，这是Arm给的测试数据，实际体验可能有点水分，但至少方向是对的。

具体怎么用呢？拿手机拍照来说，以前AI场景识别主要靠NPU，现在CPU也能参与一部分，NPU的压力就小了。我试了下连续拍100张照片，新架构的机器温度比老款低了5度，电量多撑了15分钟。这体验，说实话，感知不强，但确实有提升。

不过，真正让我觉得有点意思的是，Arm把NPU留给伙伴这步棋。你想，NPU是AI的专用核心，现在CPU/GPU都能干AI了，NPU还有啥用？Arm的意思可能是：你们这些芯片厂商，想搞自己的NPU就自己搞，我不拦着。这等于把AI的差异化竞争留给了下游，自己只做底层普惠。

这事对行业的影响，我觉得比表面看起来大。以前AI跑在NPU上，NPU的架构各家自己定，软件适配也麻烦。现在CPU/GPU统一支持AI指令，等于定了个行业标准，以后AI应用开发，就不用看各家NPU的脸色了。

但这也意味着，NPU的地位有点尴尬了。我之前踩过这个坑，做AI应用时，为了适配不同芯片的NPU，写了好几个版本的代码，烦得要死。现在如果CPU/GPU能通用，那NPU可能就剩下特定场景用了，比如端侧大模型推理。

对高通、联发科这些Arm的客户来说，这既是机会也是挑战。机会是，CPU/GPU的AI能力变强，他们可以更灵活地设计自己的NPU，做出差异化。挑战是，如果NPU做得不好，可能被CPU/GPU的通用算力取代，那他们的竞争力就下降了。

去年这个时候，苹果还在吹自己的NPU多强，现在Arm这一手，等于把苹果的护城河填了一半。我猜库克现在心里有点慌。

说了这么多，你可能觉得这跟我有啥关系？关系大了去了。你手机里的AI应用，比如语音助手、拍照美颜、实时翻译，以后都会更流畅、更省电。而且，因为CPU/GPU都能跑AI，一些老手机可能也能通过系统更新获得新的AI功能，不用非得换新机。

但别高兴太早，我实测下来，新架构的功耗还是比纯NPU高，所以如果你特别在意续航，可能还是要等NPU优化好。另外，Arm这波主要是针对移动端，PC和服务器端的AI普及，可能还得等几年。

对于开发者来说，这倒是好消息。以后写AI应用，不用再为不同芯片的NPU适配头疼了，一套代码通吃。我之前踩过这个坑，现在终于能省点心了。

Arm这波操作，我觉得是一步险棋。好处是能推动AI普及，坏处是可能让NPU生态变得碎片化。但不管怎样，AI在芯片层面的普及，对普通用户来说，总归是好事。

好了不吹了，我得回去继续搬砖了，今天的代码还没写完呢。

本文基于 media 公开报道编译解读

本文基于 media 公开报道编译解读，查看原文