为何工业OEM厂商正在向Arm架构迁移

作者：Arm 边缘 AI 事业部市场营销总监 Pablo Fraile

工业自动化正在经历一场根本性的变革。从工业 PC 到边缘网关和智能传感器，边缘侧的计算需求正在快速变化。人工智能 (AI) 正在从云端走向更多现实环境。过去围绕可预测、单一用途工作负载设计的系统，如今必须在动态、高度混合的设置中运行可更新且具备安全防护的智能应用。

传统的计算架构向来针对大批量、低差异化的任务进行优化，难以适应如今新的需求。随着工业 OEM 厂商不断追求更高的灵活性、可扩展性和 AI 能力，以 AI 加速、高能效、实时性能和软件可移植性为核心的 Arm 架构正日益受到青睐。

边缘 AI 重新定义工业计算

第四次工业革命已不再是纸上谈兵。AI 和机器学习 (ML) 正日益融入面向工业应用的边缘计算环节，应用于机器人引导、预测性维护管理、能源使用优化等方面。但这种转变也提出了多项新的要求：

在边缘侧（靠近传感器和执行器）进行 AI 推理；

实时响应，满足控制和安全方面的需求；

在散热受限的环境中，保持低功耗运行；

安全且由软件定义的平台，确保易于更新和部署。

对于许多 OEM 厂商而言，这些挑战并非未来之忧，而是眼前必须克服的阻碍。当今高度混合的制造环境正将传统计算架构推向极限，三大关键难题阻碍了边缘侧的创新：

能效低下，限制了设备外形和散热设计方面的创新；

面对各类工作负载，AI 加速的可扩展性存在局限；

软硬件集成缺乏灵活性，拖慢了边缘侧的创新步伐。

为此，计算平台必须更具适应性、功耗更低且更易扩展，而这些正是 Arm 架构系统的典型特质。

为何工业 OEM 厂商正在向 Arm 架构迁移

面向工业应用的边缘计算环境正在向基于 Arm 架构的计算平台迁移，而且迁移步伐正因以下关键因素而不断加快：

内置 AI 加速功能，支持在边缘侧运行 AI 模型，从而在对延迟敏感的环境中实现实时决策；

优异的每瓦性能，支持计算密集型任务，而不会超出功耗预算，从而实现更紧凑、散热效率更高的设计；

平台可扩展性强，从微控制器到服务器级处理器，采用通用架构，从而简化跨产品线的开发，缩短产品上市时间；

边缘到云的软件可移植性，使开发者能够在云端进行训练并在边缘侧无缝部署，最大限度地减少代码重写并加快部署周期；

多元化的芯片生态系统，加速创新迭代，为自动化机器人和工业控制系统提供量身定制的设计方案；

软硬件长期发展路线图保持一致，使 OEM 厂商对全生命周期支持充满信心，并能够采用面向未来的架构实现标准化。

最新的 Armv9 架构整合了上述各项能力，涵盖从面向边缘 AI 应用的较小的 Arm Cortex-A320 CPU 核心，到最新的 Arm Neoverse 核心，已被领先的工业芯片厂商广泛采用，并内置 AI 加速指令。这种架构层面的一致性简化了开发流程，降低了维护复杂度，并加速了创新进程，特别是在 AI 模型逐步实现通过软件进行更新升级的情况下，尤为关键。

Arm 的平台产品战略，将灵活的计算 IP、可靠的软件工具与充满活力的生态系统相结合，正助力 OEM 厂商降低开发阻力，同时在边缘侧实现更高的集成度、智能化水平与控制能力。包括西门子在内的工业 OEM 厂商已经开始采用这种转变。

西门子集成电路与电子研发及预开发部门主管 Herbert Taucher 表示：“西门子致力于赋能边缘侧应用的 AI 潜力。而基于 Armv9 的边缘 AI 平台将助力西门子进一步扩展高度安全、高性能且高能效的 AI 创新产品组合。”  

围绕边缘 AI 开展设计

对于开发者和产品负责人来说，转向 Arm 架构不仅仅意味着能享有更多 Arm 架构的优势，更能通过以下方式开辟了全新的设计路径：

涵盖 CPU、GPU 和 NPU 的异构计算架构，可更高效地支持嵌入式 AI；

可通过软件进行更新的智能技术，使 AI 模型在无需重新设计硬件的情况下，也可不断演进；

散热和能效提升，使得无风扇、坚固耐用或精巧型等全新设备形态成为可能。

现代化的 DevOps 工作流，由容器化和云原生 ML 工具提供支持。

凭借从边缘到云端的统一架构基础，开发者能够实现更灵活的开发、更迅速的迭代，并在产品生命周期内有效降低开发阻力。施耐德电气基于 Arm SystemReady 构建的概念验证就是一个很好的例子，展示了标准化的 Arm 平台如何简化部署并加速工业创新。

未来属于边缘原生技术

随着越来越多的智能技术转移到数据中心之外，计算架构也必须随之演进。新一代工业系统将不再受制于传统限制，而是以满足具体的应用需求为导向，包括边缘侧的 AI 能力、灵活性和实时性能。

总体趋势已跃然眼前：工业计算正逐步迈向边缘原生，并以 Arm 架构为原生平台。