概述

适用於人工智慧工作负载的异质化运算

人工智慧工作负载需要異質化運算架构,在不同處理單元之"間動態分配任務,包括用於控制邏輯及通用任務的 CPU、用於高吞吐量並行運算的 GPU,以及用於專屬神經網路加速的 NPU。這有助於最佳化效能及效率,範圍涵蓋邊緣裝置、嵌入式系統、自主平台及雲端規模基础设施等各種部署目標。

為未来人工智慧重新构想运算

真正緊密無縫的嵌入式人工智慧體驗,需要嶄新的運算典範。請參閱這份 MIT Technology Review 研究报告以深入瞭解,其中包含 AWS、Meta、三星及 Arm 等產業領導廠商的洞見。

通往人工智慧运算的道路

人工智慧的興起正重新塑造運算領域,並對晶片架构帶來前所未有的需求。複雜的人工智慧工作负载具有高運算需求,並且需要專用硬體以高效運作。

产物及解決方案

从边缘到云端的关键人工智慧解决方案

Arm 運算平台為人工智慧的演進發展提供符合未來需求、值得信賴且安全的基礎。我們的解決方案專為無所不在的人工智慧所設計,在廣大的生態系中,提供獨特的效能、效率及協作結合。

CPU

弹性节能的处理器成為人工智慧运算核心。

绘图处理器

適合做為搭配 CPU 的專屬人工智慧加速器。

NPU

輕鬆搭配 CPU 在邊緣加速人工智慧。

资源

最新消息及资源

  • 最新消息及部落格
  • 白皮书
  • 电子书
  • 报告
软体人工智慧加速

為何软体是人工智慧发挥完整潜能的关键所在

如何选择适当的开放原始码解决方案,协助加速生成式人工智慧及减少人工智慧模型的占用面积。

生成式人工智慧

以兼具弹性及速度的方式扩展生成式人工智慧

擴展新型生成式人工智慧功能的競賽,為创新創造契機,同時帶來挑戰。瞭解如何克服這些挑戰,在任何地方成功部署人工智慧。

生成式人工智慧

生成式人工智慧在业务转型所发挥的作用

探索如何運用生成式人工智慧發揮完整潛能,以及 Arm 在推動這項轉型的作用。

人工智慧工作负载

瞭解 CPU 上的人工智慧推論指南

在 CPU 執行人工智慧工作负载的需求持續成長。我們的實用指南探討 CPU 推論在各種領域的效益及考量因素。

適用於企業的人工智慧报告

Arm AI 就緒指數

目前有 82% 的人工智慧採用者,但僅有 5% 至 10% 的技術預算分配給人工智慧,我們完整詳盡的报告涵蓋人工智慧成功的技術需求、契機及策略。

保持联繫

订阅最新动态即可掌握最新消息、个案研究与洞见。

电子报订阅