Arm 探索 AI 计算新架构：Token 之后，算力组织方式面临重构

从 Token 到系统级算力组织

根据极客公园 2026 年 9 月 16 日发布的新闻，Arm 正在就“Token 之后，谁来组织 AI 计算”这一命题寻找下一代计算的答案。该报道将关注点指向一个正在浮现的产业议题：当 AI 工作负载从单纯的 Token 生成与处理，向更复杂的推理、多模态协同与端侧部署扩展时，计算架构的组织方式可能需要进行系统性调整。 所谓“Token 之后”，可以理解为 AI 计算的重心正在从大模型训练阶段的 token 吞吐，逐步向推理、智能体协作与异构计算调度迁移。这一变化对芯片 IP 厂商提出了新的要求：不仅需要提供更高能效的计算单元，还需要在内存层级、互联架构与软件栈层面给出可扩展的组织方案。Arm 作为全球重要的处理器 IP 供应商，其动向值得关注。

为什么 AI 计算组织方式成为焦点

当前 AI 算力供给面临两个结构性矛盾。其一是训练算力集中与推理算力分散之间的不匹配，云侧大规模集群与端侧低功耗设备对计算组织的要求差异显著。其二是通用处理器与专用加速器之间的协同效率问题，数据在 CPU、GPU、NPU 及内存之间的搬移开销，往往成为实际性能的瓶颈。 在这一背景下，“谁来组织 AI 计算”指向的是指令集、互联协议与软件调度的协同设计。Arm 在移动端与嵌入式市场的长期积累，使其在能效比方面具备一定优势。如果下一代 AI 计算更强调端云协同与异构调度，Arm 的 IP 授权模式可能面临新的机会，同时也需要应对来自 RISC-V 等开放指令集架构的竞争压力。

对半导体与 IP 产业的潜在影响

从产业影响看，Arm 若在 AI 计算组织层面提出新的架构思路，可能带动以下环节发生变化。首先是芯片设计环节，CPU 与 NPU 的耦合方式、缓存一致性协议以及片间互联标准可能被重新审视。其次是 IP 授权模式，若计算组织能力成为差异化卖点，IP 厂商的议价逻辑可能从单一核心授权向平台化方案延伸。再次是软件生态，编译器、运行时与算子库需要适配新的调度策略。 需要指出的是，本次新闻仅披露了 Arm 的关注方向，并未公布具体的技术参数、产品路线或商业合作细节。因此，上述影响属于基于产业逻辑的推演，具体落地节奏和市场反馈有待进一步确认。Arm 是否会将这一命题转化为可量产的 IP 方案，以及下游芯片厂商的采纳意愿，仍是观察重点。

数据参考

以下数据用于支撑行业背景分析，均非本次新闻发布的数据，特此区分。

• 据 IDC 2024 年数据，全球 AI 推理工作负载在 AI 总计算量中的占比持续上升，端侧 AI 芯片出货量保持增长趋势。
• 据 Gartner 2024 年估算，全球半导体市场规模约为数千亿美元级别，其中 AI 相关芯片是主要增长驱动力之一。
• 据 WSTS 2024 年统计，全球逻辑芯片与存储器市场呈现结构性分化，AI 需求对先进制程产能形成拉动。
• 据 SEMI 2024 年报告，全球晶圆厂设备支出在先进制程与成熟制程之间分布不均，AI 相关投资集中于少数领先厂商。
• 据 Arm 公司财报（2024 财年），其 IP 授权业务在移动与嵌入式市场保持较高份额，但 AI 与数据中心领域的收入贡献占比仍处于爬坡阶段。 上述数据为公开机构的历史统计或估算，不代表本次新闻事件的直接数据。关于 Arm 下一代计算的具体方案，暂缺可核验的官方技术细节与量化指标。 #Arm #AI芯片 #EDA与IP #算力架构