Arm计算子系统平台推动定制AI芯片普及-电子发烧友网

随着人工智能 (AI) 工作负载在复杂性和规模方面的激增，传统的系统级芯片 (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。头部云服务提供商曾主导的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 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 (Compute Subsystems, 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机遇，这些企业无需具备头部云服务提供商的规模，也可构建 AI 优化的设计。

从单芯片到模块化 AI 芯片

多年来，全定制 SoC 主导着高端 AI 基础设施。计算单元、内存控制器、互连系统和加速器等都集成在一个单晶粒 (die) 上。虽然这种设计可确保严格的控制，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