Arm计算子系统平台推动定制AI芯片普及

随着人工智能(AI) 工作负载在复杂性和规模方面的计及激增，传统的算系系统级芯片 (SoC) 模式正面临三重挑战——能效低下、性能瓶颈和产品上市时间延长。统平台推头部云服务提供商曾主导的动定单芯片设计领域已无法满足现代 AI 基础设施的发展需求。

在即将于下周拉开帷幕的片普 2025 年 OCP 全球峰会上，Arm将重点聚焦一大转变：由Arm 计算子系统 (ComputeSubsystems,计及 CSS)和芯粒系统架构 (Chiplet System Architecture, CSA)所赋能的芯粒创新，正为芯片提供商创造新的算系机遇，这些企业无需具备头部云服务提供商的统平台推规模，也可构建 AI 优化的动定设计。

从单芯片到模块化 AI 芯片

多年来，片普全定制 SoC 主导着高端 AI 基础设施。计及计算单元、算系内存控制器、统平台推互连系统和加速器等都集成在一个单晶粒 (die) 上。动定虽然这种设计可确保严格的片普控制，并带来性能优势，但也存在显著的利弊权衡，包括：

随着工艺节点不断突破极限，功耗和散热成本持续上升；

大型异构模块的验证和确认相对复杂；

设计、工具开发和制造的交付时间长。

而采用芯粒技术的计算，则通过将系统分解为更小的专用晶粒（包括计算、内存、I/O、加速器），让 SoC 架构师和设计人员能够灵活搭配组件，并按需扩展，以实现产品的快速迭代。目前，这种模块化仍有其局限性，例如设计的碎片化、标准化互连的缺乏、IP 复用的挑战，以及较大的前期风险和成本。

解题关键：Arm CSS 和 CSA 模式

Arm 正通过两个基本框架弥合差距：

CSS：这是一套整合了经过预先验证的高性能 IP 构建模块的计算子系统，涵盖计算核心、AI 加速器、内存子系统等，其设计、验证和性能特性已在真实或仿真芯片中得到验证。通过使用 CSS，设计人员无需从头开始打造每个模块，也无需再次验证其可行性；而能直接利用成熟且经优化的组件。

CSA：这是一个开放且以标准为导向的架构，用于实现芯粒在不同供应商间的互连、通信与集成。CSA 定义了电气、物理和协议层的兼容性，以便不同来源的 IP（例如，来自合作伙伴 A 的加速器和来自代工厂 B 的内存晶粒）可以在共享平台上可靠地进行互操作。

CSS 和 CSA 让 Socionext、Rebellions 等芯片提供商实现定制的 AI 优化芯片，其性能可媲美头部云服务提供商的设计方案，与此同时所承担的风险更低、开发周期更短，且灵活性更高。芯片提供商可根据其具体的工作负载需求（如视觉模型、推理引擎和多租户实例）灵活选择计算模块、加速器、内存类型及集成路径，而非受制于单片设计的权衡取舍中。

OCP 助力加速行业发展

开放计算项目 (Open Compute Project, OCP) 长期以来是开放硬件协作、模块化和高效率的核心阵地，这些原则与芯粒技术的革新密切相关。在 2025 年 OCP 全球峰会上，Arm 不仅将展示其技术理论架构，还会通过实际案例，生动呈现云服务提供商、OEM 厂商和芯片提供商如何结合使用 CSS 和 CSA，打造面向未来需求的 AI 基础设施。

OCP 合作伙伴所获得的主要优势包括：

灵活性：针对特定区域的功耗、散热或可靠性限制，灵活定制芯片；

更低的总体拥有成本 (TCO)：通过供应链可选性降低 TCO，即能够从多家代工厂采购芯粒或晶粒，并随着产量的扩大灵活组合晶粒，而非受制于单一供应商；

更快的上市时间：经过验证的 CSS 模块和标准化的互连使得大部分设计工作得以“预先完成”，从而实现更快速的原型设计、测试和部署。

业务影响及未来展望

对于 AI 基础设施建设者来说，无论是云服务提供商、OEM 厂商还是刚刚涉足 AI 领域的芯片公司，CSS 和 CSA 方法都能帮助他们实现以下的成果：

每瓦性能的提升：计算和内存被置于最高效的位置，避免资源浪费。

设计风险的降低：复用经过验证的 IP，以及利用标准互连技术。

供应链弹性的提高：模块化设计使更换供应商、扩展晶粒产量或首选代工厂工艺节点变得更为可行。

设计周期的加速：设计周期的缩短能实现 AI 模型、特性集和部署的快速迭代。

这不仅仅是芯片架构，它更是 AI 时代企业实现业务敏捷性的关键杠杆。

了解更多信息

在 2025 年 OCP 全球峰会上，Arm 将举办系列会议和技术简报会，现场展示 CSS 和 CSA 的实际应用。无论你是探索 AI 硬件未来的芯片设计人员、基础设施架构师还是云服务提供商，这都为你突破现有局限、见证无限可能提供了绝佳契机。

数据中心的未来仰赖于各种规模的创新，Arm 始终致力于让所有企业（不仅是头部云服务提供商）都有打造定制 AI 芯片的能力！

(责任编辑：知识)