DeepSeek的火爆给全球AI产业高质量发展带来的核心价值之一，就是极大加快了AI应用的普及，尤其在国内市场，几乎各种类型的产品都在增加与AI能力的融合。
这意味着AI大语言模型将不再只是在天上飞（局限于云端），更是可以真正落地在我们身边生活中的设备上，走向边缘和端侧，而IoT市场作为边缘智能的代表性领域，成为这波边缘AI的最大关注点之一。
今天，随着AI技术的加快速度进行发展，IoT等边缘AI领域也逐渐涉及更复杂的算法，且涌现出了更多的边缘AI推理需求。这样一来，应用对计算性能以及算效比的需求慢慢的升高，与此同时，数据安全问题也愈发凸显。
从智慧城市、智慧工业、智能家居、智能穿戴到新零售，AI技术的广泛应用带来了AI计算需求和安全性方面的新挑战。面对这些新的需求，行业正呼唤新的解法。
就在昨天，Arm发布了全球首个专为物联网优化，以全新的Cortex-A320 CPU和Arm Ethos-U85 NPU为核心的Armv9边缘AI计算平台。它不是CPU和AI加速器的简单堆叠，而是实现了CPU和NPU深层次地融合、相得益彰的解决方案。
这是Armv9架构诸多优势特性首次在IoT市场落地，其在效率、性能和安全方面的升级直指当下边缘AI新需求。与此同时，Arm还将软件层的KleidiAI拓展到了IoT领域，使边缘AI开发进一步简化。
Cortex-A320怎么样才能解决以IoT为代表的边缘AI领域行业需求痛点、Armv9带来了哪些关键技术升级？软件层面的新进展又如何加速IoT领域的技术创新、应用落地？我们将尝试找到答案。
近年来，随着AI技术的发展和大范围的应用、计算需求迅速增加，慢慢的变多AI工作负载从数据中心和云端转向边缘侧做处理，这给人们的生产和生活带来了切实的益处，但同时也带来计算性能瓶颈、安全挑战等问题。
比如在工业质检领域，AI视觉质检系统每带来1%的产线漏检率降低，可能意味着千万级的成本节约，但在复杂的工厂条件下实现这1% 的小目标，从技术上来讲绝非易事；汽车行业，无人驾驶与驾驶员的生命安全息息相关，它的成功应用需要激光雷达、摄像头等传感器的数据需要在100ms内融合并被模型处理。
智慧医疗领域，边缘AI系统通过实时分析监护仪数据，预警相关病症的早期症状，这一过程的高效与精准，高度依赖于底层芯片的性能表现，算力不足导致的预警延迟以及预测准确率下降，都会极大影响到病人的健康。
未来随着AI高清视频实时分析、AI工业设施故障检测等复杂任务需求慢慢的变多，边缘AI计算能力的重要性愈发凸显。IoT领域正呼唤从芯片架构到算法层的全面革新，进而真正释放AI带来的革命性潜力。
在计算性能、效率之外，边缘AI的发展同样带来了数据安全层面的风险。在边缘计算中，随着慢慢的变多的边缘AI设备接入网络，数据在边缘设备和云端或者其他边缘设备之间传输，容易受到网络攻击。
因此面对边缘AI迅猛发展，边缘设备一定要具有更强的推理能力、更安全的计算架构。
从行业视角来看，传统边缘侧设备所使用的芯片以不足以满足慢慢的变多的实时AI处理、计算密集型推理任务。
在昨日的Arm新品发布会上，Arm物联网事业部业务拓展副总裁马健提到，在她近期与许多合作伙伴针对边缘AI的交流中，大家一致的反馈是，AI将使他们重新定义产品设计——把具有Transformer这种加速功能的 AI 加速器加进去，或者采用可以更加好支持AI的CPU。
IoT产业对于在边缘侧也能拥有更高性能的Cortex-A级别的计算能力及升级至Armv9架构的需求十分突出，Arm的边缘AI平台新品，能够说是直指痛点。
二、10倍AI计算性能，异构计算扩展场景适应力，支持Armv9 四大安全特性
在AI计算性能和能效提升方面，Cortex-A320相比Cortex-A35最高有着10倍的AI计算性能提升，相比Cortex-A53也有6倍以上的提升，这对于增强边缘设备的推理能力十分关键。
以一个贴近日常的例子来说，相较于Cortex-M系列，Cortex-A320在内存寻址能力、整体性能以及安全防护上均实现了显著提升，这使得它能够游刃有余地支撑起多种人机交互场景，特别是对视频流等视觉交互应用有着出色的支持。
设想一下，在某个重要的展览会上，你偶遇了一位熟人，却一时想不起他的名字，这时，你的智能眼镜就能即刻为你识别并提供对方的信息，甚至还能贴心地在你的视线中嵌入演讲要点，助你实现“即兴”发言。
随着技术的慢慢的提升，智能眼镜这类边缘设备正逐步是我们生活中的得力助手，让我们得以释放双手，去专注于更多想要完成的事情。
Arm Cortex-A320带来的不仅是技术参数的变化，在部分领域还可以带来商业模式升级重构。边缘AI的算力跃迁，本质是在重构人、机器与物理世界的交互范式。
这次Arm的Cortex-A320与Ethos-U85 NPU一起组成了CPU+NPU协同计算架构，形成完整的异构计算平台。要知道，Ethos-U85是Arm Ethos-U产品线中的第三代NPU，也是迄今为止性能和能效最强的Ethos NPU，与上一代产品相比，其性能提升了4倍，能效提高了20%。
基于异构计算能力，任何开发者们不希望在Ethos-U85上运行的AI操作，都可以回退到Cortex-A320上，利用其Neon/SVE2引擎更灵活有效地在CPU上执行。
这样一来，智能物联网与消费类电子ECO能够在正确的时间、合适的地方运行最适合的工作负载。
CPU与NPU的深层次地融合之下，新的AI计算平台可以覆盖更多应用场景，实现包括视觉和自然语言在内的多模态的环境感知与理解，进而运行AI智能体、自主规划、执行复杂任务。
8倍的机器学习计算性能提升，令其可以赋能边缘AI设备本地运行超过10亿参数的大模型，让基于大模型的生成式AI更好地在物联网领域落地。
值得一提的是，在当下AI大模型需求较高的内存访问性能方面，Cortex-A320支持更大的可寻址内存空间，能更灵活地管理多层次内存访问延迟。同时Cortex-A320还能运行功能更丰富的操作系统，让设备管理更灵活。
最后在安全性方面，Armv9支持MTE（内存标记扩展）、PAC（指针认证）、BTI（分支目标识别）以及S-EL2虚拟化，可以给边缘设备提供端到端的安全防护。
整体来看，在硬件层面，Arm的Cortex-A320与Ethos-U85异构计算平台是实实在在地帮企业解决了性能、能效和安全方面的边缘AI新需求。Armv9架构层面的诸多优势特性，开始给IoT领域公司能够带来AI创新和应用落地的加速。
据悉，这次Arm发布的边缘AI计算平台已经获得亚马逊云科技、西门子、瑞萨电子、研华科技等厂商的支持。
当然，Arm的完整解决方案不止于此。硬件是基础，软件是加速器，软硬件组合拳才能更高效地解决边缘AI痛点，此次Arm还同步将KleidiAI引入IoT领域，加速AI应用在边缘落地。
纵观行业发展，完善的软件生态能够更好的降低开发者门槛，而软件也一直是Arm计算平台不可或缺的一部分。
正如前文所提到的，边缘设备种类非常之多，硬件性能和功能差异大，在这一场景中，出色软件技术能优化算法和模型，使AI模型能在各种边缘设备上高效运行。
对于边缘设备有限的计算资源，软件技术可通过模型压缩、量化、优化算法等手段，在保证AI性能的前提下，降低模型对计算资源的需求，进而提高计算效率。
KleidiAI是一套专为AI框架开发者设计的计算内核，让开发的人能无缝地在Arm CPU上获取最佳性能，适用于各类设备。
从去年初次面向终端市场亮相、随后扩展至基础设施领域，KleidiAI如今进一步覆盖IoT领域，给所有的领域的开发者提供所需的性能、工具和软件库支持。
简单来说，Arm Kleidi软件库最核心的作用就是帮助开发者让AI应用得到Arm CPU加速，因为目前全球大多数AI推理工作负载都在Arm CPU上运行。开发者不需要额外学习新工具和技能、无需复杂的集成工作，IoT应用开发门槛和成本大幅降低。
在出色的软件生态和丰富开发工具的支持下，Arm AI计算平台的灵活性得到了极大释放。
马健在发布会上特别提到，这一优势让Cortex-A320在多个市场领域、应用场景和操作系统之间都具有更加好的灵活性，对于合作伙伴来说，选择空间极大扩展，规划产品路线时也可以更好地适配不同场景需求。
此次Arm Kleidi扩展至物联网领域，逐步加强了Arm在IoT AI领域的技术优势，吸引更多开发者和企业基于Arm架构开发IoT应用，促进上下游产业的合作与创新。
展望未来，Arm的边缘AI计算平台必然将在IoT生态系统中扮演至关重要的角色，各个细分市场都将从Cortex-A320中受益，Arm无疑给IoT行业带来了更多可能性，为IoT市场的产品和应用创新打好了新的基础。
近年来，Arm持续进行平台化转型，此次Arm发布首个面向IoT的Armv9处理器Cortex-A320、以及以Cortex-A320和Ethos-U85为核心的边缘AI计算平台，并扩展KleidiAI到物联网领域，无疑是通过软硬件协同，为边缘AI的加速发展、应用落地增添助力，也是Arm近年积极扮演赋能AI在各领域落地的有力展现。
放眼未来，AI计算正加速从云端走向边缘，未来边缘AI计算需求必然将持续增长，就像会中马健说道的，“AI的未来在边缘，而边缘AI的未来属于Arm。”我们拭目以待。
