Arm推出Ethos-U85、Corstone-320，加速推动边缘AI系统落地

近年来，伴随着Transformer与大模型的发展，AI模型的普适性、多模态支持，以及模型微调效率都有了质的突破，加上低功耗的AI加速器和专用芯片被集成到终端设备中，边缘智能正变得越来越自主和强大。RHJesmc

边缘AI潜力巨大，有望助力多个领域的持续智能化演进与转型。Arm的客户与生态伙伴在智能家居、智能零售与智能制造等领域不断创新，进而实现感知、决策与行动的闭环，提高自动化水平。为了加速AI系统的快速落地，Arm近日推出了全新AI微加速器Arm Ethos-U85，以及全新的智能物联网参考设计平台Corstone-320。RHJesmc

Arm物联网事业部业务拓展副总裁马健(Chloe Ma)介绍道，Arm为了实现AI算子延展与部署简化，在过去十年中进行了大量投资并优化性能。RHJesmc

Arm在边缘AI领域的厚积薄发

RHJesmc

图1：Arm赋能边缘AI持续创新RHJesmc

起初，Arm聚焦在优化各类传感器必需的嵌入式处理器上，致力于实现超低成本、低功耗和小面积，并支持控制级代码的开发；随着万物互联的发展，连接使边缘算力和安全性变得越来越重要，该公司顺势推出了Armv8-M和Arm TrustZone等技术来增强算力与安全；当边缘与端侧AI推理需求增长， Arm在嵌入式领域引入了Armv8.1-M，Arm Helium技术使CPU能够执行更多计算密集型的AI推理算法；紧接着，Arm又推出了业界首款 AI 微加速器 Arm Ethos NPU，来满足更高性能和更复杂的AI工作负载。RHJesmc

马健评价说：“Arm在AI时代的演进中起到了至关重要的作用。诸多基于Arm架构的边缘AI解决方案的成功部署，让我们更加坚信AI需要硬件和软件之间的紧密结合。”当然，当系统变得愈加强大，其复杂度也随之提升。软硬件必须协同工作才能释放AI处理的最大潜能。因此，Arm不仅聚焦处理器IP，也在软件与工具链方面加强投资，确保满足高性能边缘AI系统的开发需求。RHJesmc

为了达成“软硬件紧密结合”的目标，Arm与生态合作伙伴正齐心协力合作。据马健介绍，目前在 Arm软硬件计算平台上涌现了大量创新，包括：恩智浦半导体(NXP)的i.M系列、瑞萨电子(Renesas)的RA8系列、英飞凌(Infineon)的PSoC Edge、Alif Semiconductor的Ensemble等边缘AI芯片方案。同时，Arm也在与一系列软件算法与工具伙伴合作，以确保为边缘AI系统开发者提供工具和技术支持。RHJesmc

为了进一步推动边缘 AI 的落地，Arm近日又更新了智能物联产品组合，此次的新产品组合包括——全新AI微加速器Arm Ethos-U85和全新智能物联网参考设计平台Corstone-320。RHJesmc

·全新AI微加速器Arm Ethos-U85

Arm Ethos-U NPU系列是业界首款AI微加速器，英飞凌、恩智浦半导体、奇景光电(Himax)、Alif Semiconductor和Synaptics等企业均已推出搭载Ethos-U的量产芯片。全新的Arm Ethos-U85属于Arm Ethos-U NPU系列，它为高性能边缘AI应用带来了四倍的性能提升，20%的能效提升，并保持了一致工具链，可实现无缝的开发者体验。Arm Ethos-U85支持从128到2048个MAC单元的配置，在最高性能配置下提供4TOPs的AI算力。据介绍，Ethos-U85的目标应用场景是智能家居、零售、工业等新兴边缘AI应用场景。RHJesmc

RHJesmc

图2：Arm Ethos-U85提供卓越的神经网络加速功能RHJesmc

此外，Ethos-U85增加了Transformer架构网络的支持，这是优化大模型边缘落地微调时间、提升模型泛化的一个关键特性。具体来看，Ethos-U85不仅提供卷积神经网络(CNN)所需的权重矩阵乘的运算，还支持矩阵相乘——这是Transformer架构网络的一个基本组成部分。基于Transformer的模型具有优异的泛化功能，它将更快地驱动新AI应用的发展。RHJesmc

Transformer在视觉和生成式AI用例中，比如视频理解、图文结合、图像增强与生成、图像分类和目标检测等方面都极有价值。Transformer架构网络的注意力机制容易利用并行计算来实现，提高硬件使用效率，这些模型能够部署在计算资源有限的边缘设备上。开发者可通过选用针对Transformer架构网络优化的设计，使边缘AI应用享有更快的推理、更优化的模型性能和可扩展性。RHJesmc

Ethos-U85不仅支持低功耗MCU系统中的AI加速，还支持在高性能边缘计算系统中的应用处理器、标准操作系统和高级开发语言的部署，这种模式更有利于云原生开发和云边端负载调度。而Arm Ethos-U85和Armv9 Cortex-A CPU的组合，可为基于应用处理器的智能物联网平台上运行的AI任务实现加速，给工业机器视觉、边缘网关、可穿戴设备和消费类机器人等应用带来高效能的边缘推理。RHJesmc

·全新智能物联网参考设计平台Arm Corstone-320

Arm为了帮助合作伙伴简化系统开发进而加快上市时间，还推出了最新的具备Ethos-U85的边缘AI参考设计平台——Arm Corstone-320。RHJesmc

Corstone-320包含了嵌入式处理器Cortex-M85，以及全新的Ethos-U85 NPU AI加速器。由于视觉在多模态感知中起到了关键作用，许多边缘MCU和传感器系统越来越依赖于视觉和图像感知，Corstone-320还包含了Arm Mali-C55 ISP，以实现为视觉应用优化的低功耗系统。据悉，该参考设计针对实际工作负载开发，其参考用例包括部署在智能家居中的电池供电摄像系统，以及在工业和零售系统中的低帧率网络摄像头。RHJesmc

另外，Corstone-320参考设计还提供有安全保证的软硬件组合，使得在此参考设计基础上开发的合作伙伴，可顺利地通过PSA Certified Level 2认证，实现对区域和全球安全标准的合规。马健强调说：“通过Corstone-320预先集成、预先验证的参考设计模版，Arm能帮助合作伙伴节省边缘智能芯片的开发成本和时间。”RHJesmc

值得注意的是，Corstone-320不仅提供芯片计算子系统IP组合，还附带了软件、AI模型库和开发工具，以实现软件的复用。它附带了仿真Corstone-320完整系统的Arm虚拟硬件，以及单独的CPU和NPU的固定虚拟平台(FVP)模型，以简化开发并加速产品设计，支持软硬件并行协同开发。马健评价道，这种提供边缘AI和智能物联网计算子系统全套软硬件和工具链的方法，使得其合作伙伴能够在一系列性能点上，快速开发并聚焦于打造差异化价值。RHJesmc

助力生态伙伴加速边缘AI设备部署

RHJesmc

图3：Arm助力加速边缘AI设备部署进程RHJesmc

简单易用才更适于普及推广，随着边缘AI的持续扩展，物联网生态链上下游的芯片与系统供应商、算法软件开发者与集成商们越来越汇聚在Arm计算平台。RHJesmc

马健认为，是因为Arm计算平台能提供AI从云到端、现代敏捷开发和部署流程中所需的特性和功能，实现基于量产验证的一致架构，并采用统一工具链的AI转型。包括开发者、数据科学家、学术界在内的AI研究开发社区，不仅持续受益于Arm生态系统与合作伙伴提供的丰富信息与知识，也围绕Arm计算平台构建日益增长的软件和工具生态系统，以及开源软件库和AI框架。又得益于Arm特有的IP授权许可模式和开放生态，OEM和ODM可以有多种基于Arm架构和计算平台的芯片与模组选择，更灵活地开发适于最终应用的系统方案。RHJesmc

当下市场上边缘用例繁多，传统物联网市场存在碎片化，为了更好地统一多样化的应用要求，达到规模化效益，软件定义和适于软件移植的标准必不可少。全新的Ethos-U85和Corstone-320参考设计平台，满足了边缘AI用例对更高性能计算的需求，为最新的AI模型、框架提供了原生支持，并沿用Arm软件与AI开发者已经熟知的工具链，具有投资复用、上手容易等优势。这些最新的产品与参考设计加入了Arm丰富的IP产品和技术组合中，使Arm技术能够覆盖更广泛、多样化的智能物联网应用，并满足最新边缘AI市场的性能、成本和能效需求。RHJesmc

边缘AI还将随着大模型和生成式AI崛起，用户体验的持续提升、数据量激增，以及企业对数据价值的认可，将使行业经历巨大变化，例如在设备上实现实时语言翻译等。随着大模型持续通过量化、剪枝和聚类技术来缩减优化模型，使大模型适于在边缘和超级终端设备部署，大小模型云边端结合成为未来AI产品的重要发展趋势，也是AI应用赋能行业发展的重要方向。RHJesmc

马健最后指出，边缘部署大模型和生成式AI用例指日可待，而Arm已经为此做好准备，来挑战物联网与大模型、多模态AI结合的性能与效率极限。RHJesmc