从AI可穿戴设备到自动驾驶汽车，2026年10月的一系列动态展现了Arm生态将更多智能引入设备、基础设施和物理世界的实力。
2026年10月，Arm生态系统的多项进展表明，统一的计算基础正帮助合作伙伴部署更强的智能、扩展高负载应用，并将AI与物理世界连接起来。
Tensor将分布式Arm智能引入自动出行
自动驾驶汽车汇集了物理AI中最苛刻的部分要求，复杂推理需要与实时传感、控制和安全系统协同工作。Tensor RoboCar在整车集成433个基于Arm的核心，采用包括Arm Neoverse AE和Cortex处理器在内的技术，支持集中式AI、车内智能体体验、分布式传感和车辆控制。
这款RoboCar由433个基于Arm的核心驱动，展示了面向L4级自动驾驶的可扩展且高能效AI。
一段新视频更详细地介绍了Arm技术如何分布在这款RoboCar中。从处理道路信息、规划车辆动作，到协调转向、制动和响应系统，该车辆体现了将AI决策带入物理世界所需的Arm计算能力广度。
PSYONIC连接人类灵巧性与机器人学习
教导机器人处理日常物品，需要来自真实世界的触觉、力量和运动数据。据海外媒体报道，在Arm剑桥总部拍摄的一档节目中，主持人Paul Carter与PSYONIC创始人兼首席执行官Aadeel Akhtar博士，以及Arm物理AI执行副总裁Drew Henry，共同探讨Ability Hand。这是一款具备触觉感知的假肢，由12个基于Arm的微控制器协调传感、电机控制和反馈。
Arm计算支持PSYONIC Ability Hand，并推动机器人技术发展。
同一只机械手也可用于机器人平台，为利用人类产生的抓取和接触数据训练机器实现更精细操作创造机会。通过将假肢技术与机器人研究连接起来，PSYONIC正在展示当前支持人类的技术如何助力更强大的物理AI系统发展。
Arm正在驱动更智能的消费设备
AI正从智能手机扩展到面向更自然、更具情境感交互的个人消费设备。阿里巴巴的Qwen Glasses N1系列结合摄像头采集、语音助手和联网服务，而Himax基于Arm Cortex-M55和Ethos-U55的WiseEye处理器可实现低功耗、常开视觉传感。该架构通过本地检测相关事件、仅在需要时唤醒主系统，有助于缓解智能眼镜的电池限制。
Arm表示，阿里巴巴集团推出基于Arm打造的全新Qwen Glasses N1系列。该眼镜配备5000万像素摄像头、支持4K视频录制、AI助手和免手持支付，将AI体验带入日常眼镜。
与此同时，亚马逊全新的Alexa Tablet系列将Alexa+引入更多日常计算场景。旗舰型号Alexa Tablet 12 Pro采用联发科天玑8400处理器，内置Arm Cortex-A725 CPU和Arm Mali-G720 GPU，在便携设备中支持多任务、娱乐和个性化助手。
Arm表示，亚马逊推出首个Alexa平板系列。旗舰型号12 Pro基于Arm打造，搭载联发科天玑8400，配备Arm Cortex-A725 CPU和Mali-G720图形，为日常体验提供性能和能效。
随着触控、语音和AI重塑人们工作、创作和沟通的方式，PC也在超越传统键鼠交互。Arm边缘AI执行副总裁Christopher Bergey在一篇文章中探讨了智能体AI如何使PC更直观，并能够代表用户行动。随着Arm计算平台覆盖智能手机、PC和云基础设施，生态拥有了提供响应迅速、高效且日益互联AI体验的共同基础。
AI PC正在让日常计算更直观、更个性化，并更及时响应用户需求。
这一趋势意味着个人电脑将更自然地适应用户，而不是要求用户适应技术。
共享框架、通用计算平台与推理模型推动物理AI
随着机器人能力不断增强，开发者需要更好的方式来描述其能力、协调其行动并可靠部署。Robotics Capability Framework正在帮助建立定义机器人能力和系统需求的通用语言。这有助于行业比较系统、减少碎片化，并协调开发工作。
Arm称，不同公司、不同术语，机器人生态日益复杂。Robotics Capability Framework可建立共享语言，帮助减少碎片化、简化集成并加速应用。Anaxi Labs、麦肯锡和联想分享了其中原因。
在智能层，谷歌的Gemini Robotics Embodied Reasoning 2已在Gemini平台开放公开预览，将先进空间推理、多步规划和多机器人协同引入企业开发流程。Arm正与谷歌合作，探索这些新兴推理能力如何塑造未来机器人计算平台，将AI模型进展与部署物理AI所需的更广泛系统连接起来。
在硬件方面，Agile Robots推出的新款Agile ONE SN将英伟达Isaac GR00T和Jetson Thor计算引入紧凑型人形机器人研究平台，该平台基于Arm Neoverse V3AE CPU。它连接数据采集、仿真、训练和测试，旨在减少拖慢机器人研究的集成工作，并为开发者提供更清晰的现实验证路径。
Arm表示，Agile Robots SE发布了Agile ONE SN，这一全新人形机器人参考平台旨在帮助研究人员和开发者创建、训练并验证机器人能力。该平台由英伟达Jetson Thor驱动，基于Arm Neoverse V3AE CPU，为设备端计算提供支持。
Liquid AI拓展端侧智能可能性
随着开发者提升推理效率、不再完全依赖云基础设施，更强AI模型正在较小设备上变得实用。Liquid AI的新LFM3系列带来面向文本、视觉、音频和决策的紧凑开放权重模型，Arm从一开始即支持高效推理。
在Arm CPU上对量化后的LFM3-1.7B模型进行的早期初步基准测试显示，启用Arm可扩展矩阵扩展2（SME2）后，仅使用两个CPU线程，预填充速度提升3.1倍，解码速度提升1.5倍。这些进展为本地运行响应迅速的专业AI应用创造了更多机会。
Arm表示，祝贺Liquid AI发布LFM3。这一新的紧凑开放权重模型家族覆盖文本、视觉、音频和决策。Arm称，很自豪从第一天起支持LFM3，并基于双方合作推进高效端侧AI。
Liquid AI也是Arm Total Design for Physical AI的合作伙伴之一。该计划连接模型、软件和计算专业知识，以支持智能物理系统开发。相关视频探讨了各方如何围绕将这些系统引入实际部署所需的技术基础展开合作。
Liquid AI首席运营官Jeffery Li介绍了与Arm在模型、软件和硬件方面的合作如何加速高效、可部署的物理AI。
Arm AI Model Optimizer简化跨硬件部署
选择模型只是构建AI应用的一部分：开发者还需要了解精度、内存使用和模型结构变化如何影响真实设备上的性能。Arm嵌入式工具高级技术经理Will Lord，以及Nota AI首席技术官Tae-ho Kim，介绍了基于Nota AI NetsPresso构建的Arm AI Model Optimizer，如何通过Arm AI Portal帮助团队优化、评估和比较模型。
该图比较了在树莓派5上使用Arm AI Model Optimizer优化前后的模型精度、推理延迟和内存使用。
在树莓派5上的早期测试显示，一个图像分类模型的推理速度最高提升至5.9倍，内存使用降低74%，而精度变化很小。该工具通过早期访问计划提供，为开发者提供了更系统的方法，以判断模型是否适用于特定基于Arm的目标设备。
与谷歌共同提升端侧AI性能与开发
在移动设备上高效运行AI，既需要优化软件，也需要帮助开发者了解模型在硬件上表现的工具。Arm软件平台合作高级总监Bala Gattu介绍了Arm与谷歌如何合作优化谷歌ML Drift框架，以适配Arm Mali GPU，并通过计算内核、内存和工作组调优提升GPU推理性能。
阅读全文，请访问：https://newsroom.arm.com/blog/top-arm-based-innovations-in-october-2026
来源: 海外媒体
登录后即可参与技术讨论与同行交流
免费注册