作者:Arm 服务器生态系统开发总监 Bhumik Patel 生成式人工智能让模型成为基础设施领域讨论的焦点。智能体 AI 则改变了这一局面:当智能体检索数据、调用工具、执行代码并协调多步骤工作流时,围绕模型运行的软件变得与推理本身同等重要。 为满足不断演进的基础设施需求,Arm 推出了基于 Arm Neoverse 平台的 Arm AGI CPU,其专为智能体 AI 的计算需求而打造。Arm
ROSCon China 2026在上海美的全球创新园区进入第二天。与非网全程参与当天展会与论坛。首日聚焦行业创新方向,第二天则回答一个更具体的问题:当大模型、VLA、世界模型能力不断刷新纪录,机器人距离真正走进工厂、家庭和农田,还差哪几步? 从上午到傍晚,主会场十余场演讲覆盖通用操作机器人基座、多模态空间感知、VLA与世界模型、Agent原生开发工具、毫米波雷达ROS导航、脑机接口运动解码等方向
随着智能体 AI(Agentic AI)正从云 AI 向边缘 AI 与物理 AI 延伸,开发者需要跨模型、运行时与硬件目标进行开发,其复杂度持续攀升。Arm 计算平台覆盖这一 AI 计算连续体,并依托超过 2,200 万开发者构成的广泛生态,为开发者提供优化的 AI 软件支持。 开发 AI 应用,无需以数周的模型搜索、基准测试与优化工作为起点。开发者需要快速定位适合的模型并了解其性能表现,智能体同
随着 AI 从单一功能逐步演进为持续运行的智能体 AI 体验,AI 正驱动着移动设备的工作负载发生深刻的变化。智能体不仅需要执行推理任务,还需要保持上下文状态、运行应用程序、协调不同模型与服务,并在用户授权下自主完成任务,而这一切都必须在智能手机的功耗和散热约束下实现。与此同时,AI 原生图形技术也为移动体验带来了巨大创新空间,有望突破用户对移动设备图形能力的既有认知。面对这一全新时代,移动设备需
随着 AI 从响应提示词迈向完成任务,基础设施的优化重点也从模型本身扩展到整个工作流,涵盖规划、工具调用、结果验证与任务执行。 上午 8:42,一名开发者打开笔记本电脑,映入眼帘的是环境构建失败、测试报错,还有一条等待发布的代码分支。过去,她可能需要花费大量时间逐一排查日志、比对代码提交记录、追溯仓库历史;而如今,她只需向 AI 编码智能体下达一句简单指令: "修复失败的测试。找出 bug、提交补