《科创板报》920讯（记者 黄心怡）当，人工智能从云端向终端迁移，终端AI本化处理需求益增加，带动硬件加速适配升级。IDC预测，到2026年，中市场中近50%终端设备处理器将带有AI引擎技术。
正如Arm高级副总裁兼终端事业部总经理Chris Bergey近接受《科创板报》记者独家专访时所言，“们正迈Agent AI时代，这一系统能够在本自主感知环境、规划任务并实时响应，而不再依赖持续云端交互。”强调，这一转变不仅拓展了AI应用边界，也终端硬件效率与延迟提了更高要求。
应用方面，随着大模型发展，AI正在手机、PC、眼镜、机器人、网联车等端侧设备落，尤其是手机、PC等智能终端，发展速度尤为明显。Chris Bergey表示，“智能手机和PC正在演变为人们AI伴侣，深度融思考、工作与创作过程”。在谈到最近较为火热机器人应用时，指，机器人未必会走进每个家庭，却将在工业、制造等特定应用场景中发挥巨大作用。而在端侧AI落方面，认为最大挑战之一，是芯片开发成本显著升。
硬件方面，AI将在未来系统所有计算单元中扮演重要角色。无论是基于CPU还是基于GPUAI，或作为系统重要组件NPU，都具备独特优势和特性，也都将快速演进以适配AI发展需求。Chris Bergey透露，Arm在神经图形(Neural Graphics)技术领域已经耕耘了一段时间，相关成果将体现在2026年推移动设备中。
▍AI本化运行需求益强烈
Chris Bergey在采访中透露，业界AI本化运行需求益强烈，特别是随着某些新型应用场景趋精细化与成熟化，这种需求愈发凸显。
“背驱动因素有很多，涵盖延迟、隐私和成本等多方面，而这些因素，也可能是当终端计算最重要驱动力量。在此趋势，AI性能表现将变得至关重要，且相当大部分计算都需要直接在终端设备完成。”Chris Bergey说。
为此，Arm推Arm® Lumex™计算子系统（CSS）平台集成了搭载第二代可伸缩矩阵扩展（SME2）技术高性能CPU、GPU及系统IP，提升端侧AI性能。
《科创板报》记者获悉，在vivo即将发布旗舰手机将落该项SME2技术。vivo计算加速平台VCAP已全面支持SME2指令集，可使用视觉、语音、文本AI算法进行处理多项高负载任务，实现性能加速。例如，在全局离线翻译等真实场景中，通过开启SME2硬件，vivo手机可实现额外20%性能提升。
此外，支付宝也在vivo新一代旗舰智能手机完成了基于Arm SME2技术大语言模型推理验证。
从发展趋势来看，Chris Bergey判断，端侧算力与内存需求将持续提升，同时模型也将变得更智能。此外，模型正朝着更小型化、更便携化方向发展。从多方面来看，AI将充分利用所有计算资源，无论是来自云端还是边缘侧。目，行业正处在高度创新周期中，这一趋势无疑将在未来五年持续深化。
今年，小米推了基于Arm架构自研玄戒O1芯片，此Chris Bergey回应称，自研芯片是整个泛半导体行业所面临趋势。无论是苹果还是三星，都已不同程度朝着这个方向发展。而数据中心和汽车厂商（尤其是在汽车市场巨大中）也都寻求定制化芯片。
▍机器人将在工业、制造等场景中发挥巨大作用
大模型端侧落呈现形态多样化趋势，除了手机、PC外，还涵盖了眼镜等可穿戴设备、机器人、网联车等。
Chris Bergey认为，眼镜堪称最具挑战性设备形态。因其直接佩戴于面部，必须严格控制设备重量。
“可行方案是，智能眼镜集成传感器实现基础交互，其余大量计算任务借助手机等终端设备处理，最终再传至云端。因此，未来消费电子很可能会采取混合模式。Arm正通过CPU技术支持此类应用场景开发，但这极具挑战性。在严格限定功耗提，们需探索能实现最大算力。”
际机器人联合会数据显示，全球人形机器人市场规模正以每年超过20%速度增长，预计到2025年将达到数亿美元规模。
谈及机器人热潮，Chris Bergey认同其确实极具景，而续发展将建立在许多共通技术基础之。
回顾了电动汽车和自动驾驶汽车刚现时，被喻为“带轮子智能手机”，因为深度融合了电池管理、摄像传感与电子控制系统。同样，机器人正复用来自自动驾驶和消费电子领域关键技术。“这些技术正在融合，体现在许多早期原型中，影响着机器人设计与构建方式。未来，机器人有望成为这些市场自然延伸平台。而且，这一领域还将呈现高度多样性。”
于未来机器人是否会实现全民普及，Chris Bergey表示，这不仅取决于技术进步，还牵涉诸多社会层面和其复杂因素。接来将如何演变，值得持续关注与观察。
Chris Bergey以无人机案例作类比：“五到七年，人们曾设想每个人都会拥有一架随行无人机，但这一愿景并未实现。不过，无人机已在农业等多个行业产生了深远影响——它赋予了企业所未有能力，让过去难以想象应用场景成为现实。尽管未能全面普及，但其价值正体现在特定垂直领域。某种程度，认为机器人也将遵循相似发展路径：它未必会走进每个家庭，却会在工业、制造等特定应用场景中发挥巨大作用，事实，它们已经在工厂中广泛应用。”
当，AI在端侧落仍存在算力不足、内存有限等难点。而Chris Bergey认为最大挑战之一，是芯片开发成本显著升，其背原因是技术复杂度持续攀升。
另一大关键挑战，在于软件层面AI框架快速演进所带来适配压力。“们正在这两个领域投大量资源，因为们相信在这两个领域能为合作伙伴创造巨大价值。可以说，这两大方向也是思考最多、最为重视。”
