对话Arm邹挺：2026年物理AI加速，芯片将有这些新进展

21世纪经济报道01-27

21世纪经济报道记者骆轶琪　　在开源大模型持续丰富能力矩阵的行业背景下，AI产业链从底层基础设施到上层应用都正加速演进。　　2026年被业界定义为是AI应用大年，其中“物理AI”被多家头部厂商尤其看中，而底层基础设施在应用的差异化需求催动下，也面临新的发展走向。　　近日，Arm发布多项技术预测，指出2026年将迈入智能计算新纪元，届时，计算将具备更高的模块化特性和能效表现，实现云端、物理终端及...

网页链接

免责声明：本文观点仅代表作者个人观点，不构成本平台的投资建议，本平台不对文章信息准确性、完整性和及时性做出任何保证，亦不对因使用或信赖文章信息引发的任何损失承担责任。

精彩评论

我们需要你的真知灼见来填补这片空白

发表看法

{"i18n":{"language":"zh_CN"},"isChannel":false,"data":{"share":"https://www.laohu8.com/m/news/2606743152?lang=zh_CN&edition=full","thumbnail":"","is_english":false,"pubTime":"2026-01-27 11:53","share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","id":"2606743152","market":"us","top_or_hot":-1,"title":"对话Arm邹挺：2026年物理AI加速，芯片将有这些新进展","media":"21世纪经济报道","content":"<div>\n<p>21世纪经济报道记者骆轶琪 　　在开源大模型持续丰富能力矩阵的行业背景下，AI产业链从底层基础设施到上层应用都正加速演进。　　2026年被业界定义为是AI应用大年，其中“物理AI”被多家头部厂商尤其看中，而底层基础设施在应用的差异化需求催动下，也面临新的发展走向。　　近日，Arm发布多项技术预测，指出2026年将迈入智能计算新纪元，届时，计算将具备更高的模块化特性和能效表现，实现云端、物理终端及...</p>\n\n<a href=\"http://finance.eastmoney.com/a/202601273631965163.html\">网页链接</a>\n\n</div>\n","source":"stock_eastmoney","html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>对话Arm邹挺：2026年物理AI加速，芯片将有这些新进展</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n对话Arm邹挺：2026年物理AI加速，芯片将有这些新进展\n</h2>\n\n<h4 class=\"meta\">\n\n\n2026-01-27 11:53 北京时间&nbsp;&nbsp;&nbsp;<a href=http://finance.eastmoney.com/a/202601273631965163.html><strong>21世纪经济报道</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>21世纪经济报道记者骆轶琪 　　在开源大模型持续丰富能力矩阵的行业背景下，AI产业链从底层基础设施到上层应用都正加速演进。　　2026年被业界定义为是AI应用大年，其中“物理AI”被多家头部厂商尤其看中，而底层基础设施在应用的差异化需求催动下，也面临新的发展走向。　　近日，Arm发布多项技术预测，指出2026年将迈入智能计算新纪元，届时，计算将具备更高的模块化特性和能效表现，实现云端、物理终端及...</p>\n\n<a href=\"http://finance.eastmoney.com/a/202601273631965163.html\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"BK4585","symbol_name":"ETF&股票定投概念","start_time":0,"source_url":"http://finance.eastmoney.com/a/202601273631965163.html","article_id":"2606743152","we_media_id":null,"thumbnails":[],"rights":{"source":"stock_eastmoney","url":"http://finance.eastmoney.com/a/202601273631965163.html","rn_cache_url":null,"directOrigin":true},"url":"https://stock-news.laohu8.com/highlight/detail?id=2606743152","pubTimestamp":1769486011,"columns":[],"sourceInfo":{"source_id":"stock_eastmoney","name":"东方财富"},"weMediaInfo":null,"summary":"21世纪经济报道记者骆轶琪在开源大模型持续丰富能力矩阵的行业背景下，AI产业链从底层基础设施到上层应用都正加速演进。2026年被业界定义为是AI应用大年，其中“物理AI”被多家头部厂商尤其看中，而底层基础设施在应用的差异化需求催动下，也面临新的发展走向。","collect":0,"end_time":0,"defaultTopTitle":"eastmoney.com","property":[],"viewcount":null,"language":"zh","relate_stocks":{"BK4585":"ETF&股票定投概念","BK4535":"淡马锡持仓","ARM":"ARM Holdings","BK4588":"碎股"},"translate_title":"Dialogue with Arm Zou Ting: Physical AI will accelerate in 2026, and chips will have these new developments","themeId":null,"isJumpTheme":false,"ttsUrl":null,"symbols_score_info":{"ARM":1.97},"content_text":"21世纪经济报道记者骆轶琪 　　在开源大模型持续丰富能力矩阵的行业背景下，AI产业链从底层基础设施到上层应用都正加速演进。　　2026年被业界定义为是AI应用大年，其中“物理AI”被多家头部厂商尤其看中，而底层基础设施在应用的差异化需求催动下，也面临新的发展走向。　　近日，Arm发布多项技术预测，指出2026年将迈入智能计算新纪元，届时，计算将具备更高的模块化特性和能效表现，实现云端、物理终端及边缘人工智能 (AI) 环境的无缝互联。其中还提到，下一个价值数万亿美元的AI平台将属于物理智能领域，智能能力将被植入新一代自主设备与机器人。 　　Arm中国区业务全球副总裁邹挺接受21世纪经济报道记者采访时指出，对于“物理AI”的发展，“业界完全有能力打造出单台高性能的机器人或自动驾驶系统。但真正的挑战在于，如何实现数万甚至数百万台同类设备的可靠部署。”　　其背后直指原生AI硬件发展过程中面临的软硬件碎片化问题，由此，对于AI产业链来说，构建完善的软件生态能力，同时部署充分灵活的异构计算硬件基础设施，成为布局关键所在。　　物理AI疾驰　　谈及今年备受关注的应用场景，“物理AI”必占其一。在前不久举行的CES 2026上，多家芯片头部厂商高管都提到了今年对该领域的期待。　　目前业界公认的“物理AI”场景主要包括具身智能和自动驾驶，在方向确定的背景下，技术路线和商业化进展还存在一定分野，距离大规模落地尚需一定时间。　　根据Arm对2026年的趋势分析，在多模态模型、更高效训练与推理管线的技术突破推动下，物理AI系统将实现规模化部署，催生全新品类的自主设备。这将帮助医疗健康、制造、交通运输、采矿等多个行业重塑。　　此外，面向汽车与机器人自动化场景的通用计算平台将逐步涌现。车载芯片有望通过技术复用与适配，应用于人形机器人或工业机器人领域。这将进一步提升规模经济效益，加速物理AI系统的研发与落地进程。　　不过从技术路线看，物理AI目前仍面临世界模型和VLA（视觉-语言-动作）模型两条技术持续演进的命题。　　邹挺对记者分析，二者均为物理AI落地的核心技术路线，适配自动驾驶、工业自动化、精密医疗等多元应用场景。其中VLA模型聚焦解决“理解与执行”的核心需求，世界模型则专注攻克“预测与因果”的关键难题，均对算力提出高要求。　　“这两条路线各有侧重、优势互补，业界也在探索两种路线的融合：将VLA模型引入世界模型能力以提升环境预测精度，世界模型则融入语言交互接口以增强决策可解释性。”他续称。　　邹挺告诉记者，为应对物理AI的发展需求，在内部组织架构方面，2025年11月，Arm完成旗下汽车、机器人及各类自主运行设备相关业务的整合，成立“物理AI”事业部。　　“这些领域正朝同一个核心目标加速融合。即打造一套在算力、安全性与可靠性毫不妥协的前提下，实现‘感知-决策-执行’实时闭环的AI方案。”他续称，随着AI技术在各类物理系统中规模化部署，能效表现、完善且成熟的软件生态已成为决胜关键。　　“物理AI需要在严苛的功耗与热管理限制下持续运转，并且往往部署在安全关键型应用场景中。而规模化的关键，绝非单纯提升性能，更在于将统一的架构理念贯穿于云端训练、边缘推理及物理系统实时执行的全流程。这就需要一套能够支撑‘从传感器端到中央决策端’分布式智能的平台化方案。”邹挺指出。　　对此，Arm推出了一套分层式解决方案。硬件层面，Arm有汽车增强AE IP及Zena CSS产品组合；软件层面，Arm提供KleidiAI库和优化工具，帮助实现模型量化和调优；系统层面则推动云-边-端协同，将高功耗任务卸载到边缘或云端，同时支持低功耗通信协议，形成“架构+硬件+软件+生态”的整体能效优化路径。　　“我们深知，业界完全有能力打造出单台高性能的机器人或自动驾驶系统。但真正的挑战在于，如何实现数万甚至数百万台同类设备的可靠部署。过去，由于软硬件技术栈的碎片化问题，行业发展一度陷入停滞。Arm希望通过计算平台、配套工具链及庞大的生态体系，通过‘一次开发、多类物理系统部署’的模式破解这一痛点。”邹挺指出。　　AI手机再升级　　作为当前智能手机的核心供应商，Arm也是本轮AI手机热潮的核心“推手”之一。　　在2025年，AI手机一个核心特征是，仅在端侧、不联网条件下，高端手机已经具备运行30亿参数规模大模型能力。这背后不仅有赖于开源模型在小型化之后的能力跃升，也离不开芯片硬件层面的支持。　　Arm发布的技术趋势中谈到，得益于模型压缩、蒸馏及架构设计的技术突破，当下复杂的推理模型正在实现数量级的规模缩减，转化为小语言模型 (SLM)，同时不会牺牲计算能力。这些轻量化模型不仅更易于在边缘侧部署、微调成本更低，还能高效适配功率受限的应用环境。同时，模型蒸馏、量化等超高能效的AI模型训练技术的规模化应用，为这一变革提供了坚实支撑，正逐步成为行业标准。训练能效有望成为衡量AI模型的核心指标。　　据悉，搭载Arm Mali GPU中专用神经加速器的智能手机将在2026年推出，这项移动GPU专用的神经技术标志着移动端侧图形和AI能力的重大飞跃，不仅支持更高帧率的4K游戏、实时视觉计算及更智能的端侧AI助手等功能，且所有功能均无需依赖云端连接即可运行。　　在技术层面，邹挺对21世纪经济报道记者指出，小语言模型（SLM）对手机的性能、能效、安全性及软件适配能力提出了更高要求。　　这既需要CPU、GPU、NPU等异构算力芯片的无缝配合，实现动态负载均衡；也需要突破“性能-功耗-面积”三角，适配手机低功耗约束；同时，由于涉及越来越多的个人数据，需要更加强调安全性；软件生态适配也不能忽视，需兼容多框架与模型压缩技术，降低部署门槛，SLM快速迭代要求产品支持PyTorch、ExecuTorch等框架，同时适配4-bit量化等压缩方案。　　因此，在帮助手机承接大算力、多模态能力方面，Arm通过构建“Lumex CSS计算平台+ KleidiAI软件库+开放生态”作为应对。　　据介绍，借助Armv9.3 CPU集群，Arm Lumex实现了两位数的性能提升和硬件级安全性；而Lumex搭载的第二代可伸缩矩阵扩展 (SME2) 技术，有更强的AI性能、更低的内存占用，尤其对于音频生成、摄像头推理、计算机视觉或聊天交互等对实时性要求严苛的应用。　　KleidiAI目前已集成到多个主流AI框架，包括 Llama.cpp、ExecuTorch、MNN和LiteRT。以中国市场为例，Arm架构CPU在阿里通义千问、百度文心大模型及腾讯混元大模型开源首日便率先完成适配，且三大模型均深度集成Arm KleidiAI。　　XR眼镜加速落地　　除了AI手机，近些年被认同作为手机之外下一个端侧入口的XR眼镜也在如火如荼发展。虽然2025年中国市场经历了AI眼镜的“百镜大战”，但行业普遍认为，AR才是未来发展远景，这意味着行业仍在快速演化。　　展望2026年，Arm方面指出，头显和智能眼镜等增强现实 (AR) 与虚拟现实 (VR) 可穿戴设备，将在物流、运维、医疗和零售等更广泛的工作场景中落地应用。这一趋势主要得益于轻量化设计和电池续航能力的进步，让解放双手的计算模式在更多场景中具备实用性。　　随着外形尺寸不断缩小、AI能力不断增强、连接体验愈发流畅，AR与VR可穿戴计算设备将成为推动职场向更智能、更具辅助价值的未来演进的关键一步。　　不过，邹挺对记者指出，AR/VR这类可穿戴设备在企业应用中的日益普及，要求设备在设计时，需持续满足更严苛的形态规格与能耗限制要求。不同的行业场景对实时渲染、数据处理和交互响应速度的要求差异明显。例如，远程医疗手术对时延极为敏感，而工业培训可能更关注渲染质量和设备续航。　　XR可穿戴设备在实际落地过程中，仍面临多个方面挑战。邹挺分析道，其一是要平衡算力与能效。AR/VR穿戴设备存在电池容量有限、机身轻量化的设计约束，因此，在提供高性能计算以支撑复杂功能的同时保障长续航，是此类设备在企业级场景落地应用的关键前提。　　其二是多种实时交互（如视频、语音、手势识别）对系统时延提出极高要求，尤其在医疗、工业等关键场景。　　其三，由于设备需支持从轻量级到高性能的多样化应用，XR设备还要有多功能异构场景适配能力。　　对此，Arm认为需要从架构、计算能力、软硬协同等方面应对。Arm C1-Nano非常适合XR（包括VR、AR）、入门级或中端设备，甚至可用于数字电视等场景，同时，Arm不断优化CPU、GPU、NPU等异构计算单元，适配不同设备和应用场景。　　此外，邹挺指出，高算力、低延时任务优先采用终端侧与边缘侧处理，同时按需调用云端资源拓展算力上限，既能减轻设备运行负荷，又可保障关键场景下的实时性能。 同时也在推动生态系统合作，优化操作系统、中间件和应用算法，提升整体系统效率，降低时延。　　AI计算新走向　　作为AI产业发展的核心基座，AI芯片本身面对的市场需求也在持续演进。除了通用计算的核心芯片GPU和CPU之外，2025年以来，ASIC、NPU等不同类型芯片也备受关注。　　邹挺对记者分析，不同类型的AI加速器各具技术优势，需结合具体应用场景与工作负载特性进行选择。其中，NPU作为神经网络推理专用处理器，核心优势为AI架构适配、高能效比、轻量化部署、本地闭环处理及多处理器协同，适用于可穿戴设备、智能扬声器、软件定义智能摄像头以及智能家居设备等场景，满足低功耗、实时响应、数据隐私保护核心需求。　　据悉，在推动NPU能力提升方面，Arm核心聚焦两大方向：异构架构协同与全栈软件生态支撑。　　在坚持异构架构协同方面，Arm NPU与包括CPU、GPU在内的多元化处理器高效协同，针对不同场景提供更优的算力支撑。例如，Arm Cortex-A处理器作为一款面向多种应用的可编程处理器，集成了Neon/SVE2向量引擎，旨在加速神经网络和各种向量化代码，并原生支持多种数据类型。而对于AI工作负载明确的边缘场景，则可通过Arm Ethos-U85这类专用NPU承载神经网络处理任务，从而释放中央处理器（CPU）资源。　　生态支撑层面，Arm为Cortex-A、Cortex-M、Ethos-U等全系列AI硬件方案提供全面的开源运行时支持，并通过Arm KleidiAI为PyTorch、ExecuTorch、Llama.cpp、TensorFlow、LiteRT等主流ML框架提供硬件加速适配。　　从整体AI芯片趋势来说，Arm方面指出，特定领域加速技术的兴起，正在重新定义芯片性能，但这一变革并非通过简单区分通用计算与加速器来实现。相反，行业正朝着系统级协同设计的定制化芯片方向演进，这类芯片将从系统层面与软件栈协同设计，并针对特定AI框架、数据类型及工作负载完成深度优化。　　其中，亚马逊云科技 (Graviton)、Google Cloud (Axion) 和Microsoft Azure (Cobalt) 等头部云服务提供商正在引领这一转变，展示了紧密集成的平台，即从底层开始将专用CPU、加速器、内存和互连共同设计在一起，是实现可扩展、高效且开发者可访问的AI的核心。这一趋势将推动下一代基础设施——“融合型AI数据中心”加速落地，这类数据中心可最大化单位面积内的AI算力，从而降低AI运行所需的能耗总量及相关成本。　　2026年，原生AI应用与AI芯片的协同进化，正指向一个更深层次融合的智能世界。AI不再仅是云端的数据处理工具，而是嵌入设备、融入场景、贯穿系统的“自主神经”。一个由物理AI、边缘推理与云端协同共同编织的智能新纪元，正在芯片与算力的基石上加速展开。（文章来源：21世纪经济报道）","kind":"news","is_publish_news":true,"is_publish_highlight":false,"is_publish_live":false,"is_publish_wemedia":null,"editions":null,"column":"","sentiment":"0","news_tag":"","news_rank":0,"symbols":[],"gpt_button":0,"need_auth":false,"code":"91000000","status":"200"},"commentList":[],"isCommentEnd":true,"newsSizeData":{"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"likeStatus":false,"favoriteStatus":false},"APP":{"userAgent":"Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)","isDev":false,"isTTM":false,"tenantId":"TBCN","deviceId":"web-server-community-laohu8-v3","version":"4.36.2","shortVersion":"4.36.2","platform":"web","vendor":"web","appName":"laohu8","isIOS":false,"isAndroid":false,"isTiger":false,"isTHS":false,"isWeiXin":false,"isWeiXinMini":false,"isWeiBo":false,"isQQ":false,"isBaiduSwan":false,"isBaiduBox":false,"isDingTalk":false,"isToutiao":false,"isOnePlus":false,"isHuaWei":false,"isXiaomi":false,"isXiaomiWebView":false,"isOppo":false,"isVivo":false,"isSamsung":false,"isMobile":false},"href":"/m/news/2606743152","isCrawlerRequest":true}