智能体AI革命来袭!Arm AI Portal引领全域智能计算新变革

当前，智能体 AI（Agentic AI）快速渗透云、边缘、物理全场景，传统以人为核心的 AI 开发模式已然迎来变革拐点。为适配智能体自主开发的全新行业趋势，Arm 近期密集落地多项 AI 技术布局，持续优化 Arm 平台 AI 开发链路、重塑云 AI 基础设施，全面发力全域智能计算赛道。

在刚刚收官的 Arm Create 盛会上，Arm 正式揭晓年度重磅产品 ——Arm AI Portal，打造首个同时服务开发者与 AI 智能体的统一入口。

据介绍，AI Portal 可让模型、性能数据和工作流能够被机器自动发现，直接融入开发者和智能体现有的开发环境，并帮助其更便捷地获取 Arm 最新 AI 技术。开发者既可采用预优化模型加速开发进程，也可导入并优化自有模型，从而实现 Arm 全计算平台 AI 软件发现、性能优化、场景部署一站式闭环，为智能体时代的 AI 开发生态奠定全新底座。

早在本次大会启幕前的 9 月初北京 Arm Tech Day 技术分享会上，就智能体发展趋势对 AI 产品开发带来的变革，EETOP 与 Arm 高管展开独家深度沟通。他明确表示，当下行业 AI 优化思维正在彻底革新，团队针对 CPU、GPU 等各类计算平台开展数据与模型优化时，核心决策主体不再只有人工开发者，AI 智能体的深度参与也将成为未来主流之一。

他进一步提出，下一代模型选择与优化基础设施，必须搭载 MCP Server 核心能力，真正支撑智能体自主完成模型筛选、适配与调用，而全新问世的 Arm AI Portal，正是 Arm 落地这一前瞻战略、适配智能体驱动开发的核心落地载体。

AI开发核心主体与基建逻辑全面革新

当前，计算工作负载的本质已经发生变化。对比两年前生成式人工智能以提示词为核心，大量计算交由加速器完成。而智能体工作流最大的不同在于，大量的计算任务已不再局限于简单地运行模型，而是发生在围绕模型运行的各个环节。

智能体需要调用工具、访问数据库、检索信息、调度其他智能体，处理日趋复杂的工作流。这些调度任务都由 CPU 完成。这也是 Arm 今年三月推出面向智能体场景的专用 Arm AGI CPU 的核心设计考量。不过，这个考量，重点是集中在数据中心层面。

然而，当下，受 Token 成本、数据隐私以及响应延迟等因素的驱动，智能体的运行场景正在跳出数据中心。

那么，是否每一次交互都必须回传至云端处理？

事实上，我们正在见证智能体计算走向分布式部署。云端仍会承载超大规模模型和智能体集群，但越来越多的智能体将迁移至边缘本地运行。当智能体能够感知物理世界并完成实体动作时，真正的变革才会到来。

Arm AI Portal核心能力与生态配置解析

当前智能体AI正从传统云AI，加速向边缘AI、物理AI场景延伸，开发者需跨模型、运行时、硬件多维度开展开发工作，技术复杂度持续攀升。针对这一行业痛点，Arm AI Portal全面覆盖云AI、边缘AI和物理AI领域的Arm计算平台，助力开发者快速精准定位适配各类目标场景的优化模型。无论是机器人视觉模型、智能手机端的生成式人工智能（GenAI），还是运行于云CPU的任务专属大语言模型（LLM），均可通过该平台快速获取对应资源。

同时，Arm AI Portal实现了硬件技术与软件生态的深度打通，将SVE、SME及神经网络加速能力等核心Arm硬件技术，与优化后的AI软件生态全面衔接。以第二代移动终端计算子系统（Arm CSS for Mobile 2）为例，其搭载的模型可依托SME2技术、集成神经加速器的GPU实现高效加速，且全程可通过Arm AI Portal获得配套技术支持。

Arm AI Portal 面向基于 Arm 架构的计算平台，支持语言、语音、视觉及神经图形等多类 AI 工作负载。首批预优化模型包括阿里巴巴通义千问、Google Gemma 及 Ultralytics YOLO，支持的 runtimes 涵盖 ExecuTorch、LiteRT 及 ONNX-RT。生态合作伙伴包括阿里巴巴、树莓派（Raspberry Pi）及 Ultralytics。

Arm AI Portal 适配开发者与智能体的现有开发环境，经 Arm 优化的模型可通过 Hugging Face 获取，Portal 相关资源则可通过模型上下文协议（MCP）供编程智能体访问。

据介绍，经 Arm 优化的模型已实现显著性能提升：

• 采用单线程执行与混合量化配置，搭载 Q8_0 talker 与 code predictor 组合方案，Qwen3-TTS 在 vivo X300 上通过第二代 Arm 可伸缩矩阵扩展（SME2）的加速，实现了超过 4 倍的速度提升。

• Ultralytics YOLO26 在 vivo X300 上依托 SME2 技术，单线程 FP16 相较 FP32 实现超 40% 性能提升；在树莓派 5 平台依托 NEON 技术，采用 FP16 与 INT8 混合量化方案，相比 FP32 同样实现超 40% 的性能提升。

在产品迭代方面，后续Arm AI Portal将上线更多配套开发工具，支持开发者导入专有模型等各类自有模型，并基于Arm平台完成全方位的性能分析与优化工作。目前，平台面向智能体AI的相关资源已开启预先体验通道，正式版本将择机推出。

结束语

数十年来，Arm始终深耕软件生态系统构建，而Arm AI Portal正是这一长期布局在AI时代的核心延伸，赋能千万级开发者及其智能体，高效落地适配目标硬件的优化AI软件。如今，AI Portal 将这一投入延伸至 AI 时代，帮助超过 2,200 万开发者及其智能体发现并使用针对目标硬件优化的软件。

开发者在云端构建应用程序，但这些应用最终需要部署运行在机器人或其他物理系统之上。如果开发者在云端开发阶段所使用的软件就已经针对 Arm 进行了优化，那么当应用部署到物理世界时，自然会更倾向于优先选择 Arm 计算平台。基于 Arm 进行开发的开发者越多，就越能带动 Arm 计算在各个场景中的落地，这正是 Arm 拥有一个横跨云、边缘与物理 AI 的统一计算平台所带来的真正价值。