Arm CEO Rene Haas：CPU 不会消失，它是计算的心脏

▍嘉宾：雷内·哈斯（Rene Haas）

雷内·哈斯是 Arm 的 CEO，同时兼任软银集团国际（SoftBank Group International）CEO。

• 芯片老兵：职业生涯绝大部分在半导体行业，曾长期任职英伟达（NVIDIA），2013 年加入 Arm，2022 年起出任 CEO；领导团队高管多来自博通、高通、英伟达。
• 双重角色：除执掌 Arm 外，还负责软银集团国际的投资版图（Ampere、Graphcore、Stack AV 等），身处孙正义（Masa）核心战略圈，参与机器人、OpenAI、基础设施与 Arm 四大方向的落地。

▍关于 Arm

Arm 是全球最大的芯片 IP 授权公司（NASDAQ: ARM），总部位于英国，软银集团为绝对控股股东。

• 商业模式：不造芯片（Fabless），向三星、台积电流片客户及各大系统厂商授权 CPU/GPU/系统 IP，毛利率约 98.5%——无库存、无退货、无报废；智能手机芯片几乎 100% 基于 Arm，数据中心（NVIDIA Vera、亚马逊 Graviton）、汽车、机器人芯片亦以 Arm 为底座。
• 战略转向：2025 年起从“计算子系统”走向实体芯片，2026 年 3 月发布首款自有产品 Arm AGI CPU（首个客户 Meta），正式从 IP 授权商变为产品公司。

Arm 掌门人的双重身份

Sarah： 各位听众好，欢迎回到 No Priors。今天我和 Elad 一起请到的是雷内·哈斯（Rene Haas），Arm 的 CEO，同时兼任软银集团国际（SoftBank Group International）CEO。我们聊 Arm 在芯片产业中的位置、芯片创新热度的回归、供应链的挑战、机器人的未来、能源，以及他在软银集团中的角色和他对未来工作负载变化的判断。Rene，非常感谢你来做这期节目。

Rene： 我的荣幸。

Arm 在芯片供应链中的位置

Sarah： 先祝贺你们在 Hot Chips 上的发布，以及 Arm 近来取得的所有进展。最近科技行业和软件行业对“搞懂芯片供应链”的兴趣可以说空前高涨。对不太熟悉的听众，能不能先解释一下 Arm 在供应链里的位置？然后我们再聊更近的话题。

Rene： 我们在芯片供应链里有两重身份。

主业是 IP 授权：CPU 内核 IP，最终进入智能手机、数据中心、汽车，你能想到的一切。我们的客户有两类：一类像三星那样自己有晶圆厂、自己造芯片；绝大多数则是拿着芯片设计去找台积电（TSMC）流片的公司。在这个世界里，Arm 有个很妙的位置：因为我们服务的市场足够广，我们几乎什么都看得见——汽车、数据中心、智能手机，供应链的全貌我们都有体感。

另外，去年 3 月我们发布了第一款自有产品——就是你在 Hot Chips 上看到的 Arm AGI CPU。这意味着我们自己也跳进了这锅汤里：基板要买、晶圆要买、内存要买……可以说，供应链的浑水，我们现在是齐腰深。

从 IP 授权到自研芯片

Elad： 为什么是现在做这一步？Arm 成立几十年，主业一直是 IP——本质上是设计“芯片各部件如何组合”的图纸，授权给别人去制造、集成。为什么决定开始自研 CPU？

Rene： 这是一个渐进演化的结果。早年我们只供应单一部件：CPU IP、GPU IP、系统 IP。几年前我们开始看到一个趋势：产品周期并没有变慢，而芯片制造的时间在拉长，“更快地把方案交付出去”变得越来越重要。于是我们从单一部件走向“计算子系统”（Compute Subsystems）。

我前几年路演时爱用乐高（Lego）打比方：我们提供的是“怎么把积木拼起来”的图纸。这个需求大到疯狂——起初很多人质疑：子系统是芯片设计师的本职工作，你们越俎代庖谁会买？但它实实在在地缩短了上市时间、降低了成本。而实体芯片，就是这条路上的下一跳。

客户也分两类：一类客户拿到 IP，自己就有全世界最强的造芯能力；但还有很多公司想要“基于 Arm 的产品”，而我们既有客户并不能覆盖那些市场。Meta 就是第一个例子：他们想要一款通用的 CPU，市面上没人能给，于是来找我们——“要不我们一起做？”我们就是这样下水的。

至于这件事在其他客户那里引起的反应——我们当时非常谨慎，核心是要确保生态系统认可：CPU IP 这门生意的价值，完全取决于生态——芯片生态、软件生态、以及围绕它建设的人们。我们几乎问遍了所有客户：“你们怎么看我们走这条路？”

出乎意料的是，反对声比我预想的小得多。原因是：市面上流通的软件越多——无论专有还是开源——对整个生态和客户都越有利。所以无论是英伟达（NVIDIA）、亚马逊、微软还是 Google，这些自研 Arm 服务器芯片的公司，全都投了赞成票。最有说服力的证明是去年 3 月产品发布那天：Jensen（黄仁勋）、Ronnie、Amin、James Hamilton——这些客户阵营里的标志性人物，都公开送上祝贺。所以，这一关算过得不错。

生态系统这关怎么过

Sarah： 作为一家现在开始卖实体芯片的公司，你们在学习曲线上爬到哪了？这感觉需要一大堆新能力。

Rene： 没错。先说明：我们是一家无晶圆厂（Fabless）半导体公司——没有 fab，也无意建 fab，我们嵌在那个生态里。但要交付实体产品，就意味着你需要供应链运营团队，需要跟台积电、三星打交道，需要跟三星、美光（Micron）、SK 海力士抢内存配额。

工程侧需要的能力也多得多：后端、版图、实现、点亮实验室（Bring-up Lab）……全是实体世界的活儿。而这些恰恰是我们原来那门生意“最美妙”的地方——全都没有。

Sarah： 我还记得当初发现 Arm 毛利率高达 98.5% 时的震撼。

Rene： 是很美。我想不出第二家。我来 Arm 之前在英伟达工作，职业生涯大部分在芯片行业。2013 年刚到 Arm 时我的第一反应是：没有库存、没有 RMA 退货、没有报废——这生意还有什么可挑剔的？

所以现在我们要把这些能力一块块补回来。好在领导团队里有太多干过的人：高管来自博通（Broadcom）、高通（Qualcomm）、英伟达——我本人也是英伟达出身。这批人在别的公司把这套流程都趟过一遍，所以我们把这块肌肉练起来的速度相当快。

Arm 的 AI 采纳：精灵已经出瓶

Sarah： 你们是怎么推进 AI 采纳的？今天刚有新闻说某家用 AI 工具大幅缩短了芯片设计周期、号称上市速度惊人；亚马逊那边也在训练芯片上引入形式化验证（Formal Verification）。芯片行业显然正在拥抱 AI，你们在内部是怎么用的？

Rene： 个人层面，我是“AI 即公用事业”（AI as a Utility）的坚定信徒——它会提升每一个行业的生产力，是让新公司以极快速度完成冷启动的“伟大均衡器”。医疗、基础设施、机器人，每个行业都会把 AI 当水电一样使用。既然我如此坚信，Arm 内部自然用得极重：非工程侧无处不在；工程侧的收益更是巨大。

就说你提到的验证：一颗芯片的设计周期是 24 到 36 个月，取决于复杂度。而其中架构设计、RTL 生成——也就是把架构映射出来的部分——并不是耗时大头；大头在验证（Verification）、调试、文档。而 AI 恰恰极其擅长这些。

今天 Arm 内部大约 80% 到 90% 的工程师每天都在用 AI。如果我们把它关掉——我给人打过一个比方：就像回到 90 年代，你家里有互联网，却告诉你“每天只准两点到四点上网，其他时间请去走廊尽头的图书馆查书”——员工会造反的。精灵已经出瓶了（The genie's out of the bottle），收不回去。

当然，有些环节工具还不够成熟：一个是 RTL 生成，另一个是物理设计与实现要做到业界顶尖水准。原因很简单：模型是在公开数据上训练的，而这个行业里最关键的知识都高度专有。但反过来说，生态与生态之间、整个行业上下游之间，有巨大的空间把这件事一起做好。只会越来越好。

Sarah： 那你们有没有针对这个专有数据的缺口，去跟模型厂商合作微调模型？

Rene： 当然有，而且我认为这是一个巨大的机会。说到这个我要为 Arm 自豪一句：依托我们的核心 IP 业务，我们大概拥有全行业最丰富的 IP 资产库——关键不只在 IP 本身，而在那些“杀手级”的配套：文档、测试台（Test Bench）、以及“这个 IP 是怎么造出来的”的完整知识。

我在别的芯片公司也经历过那种场面：有人说“我们手里这个 IP 很值钱，拿去授权吧”，结果一翻——没有文档、没有使用说明。没人会用，没法测试。而如果它没法用、没法测，那它也就没法被训练——对 AI 同样无用。所以依托我们的商业模式，我们在“让 AI 工具越来越好用”这件事上有天然优势。

芯片设计周期会被 AI 压多短

Elad： 非常让人兴奋。外推一下——这个问题有点难答：如果两三年、或者更久以后，AI 工具成熟了，能针对你说的设计环节微调模型了，你觉得 24-36 个月的周期会缩到一年甚至六个月吗？还是会大致维持？这对整个行业的时钟频率（Clock Speed）影响太巨大了，我很想听你的判断。

Rene： 说实话，我不知道。两三年内我不敢说；但五年以上呢？从“想法”直接到 GDS2 文件——就是你发给晶圆厂拿去制造的那份文件——对某些设计来说，完全可能。等于把“设计”这一大段从流程里整个拿掉，当然验证环节还在。所以对那些相对规整的设计，我认为完全可能。

当然，如果你走进工具说“给我设计一个比 Vera Rubin 快 10%、便宜 20%、能效高 30% 的芯片”，它不会立刻给你按出来。但五年到十年内，这个行业在芯片设计方式上会出现惊人的变化。

Sarah： 这会怎么改变你看这门生意的方式？现在大大小小、新老玩家都想自研芯片——NVIDIA 的 Vera、亚马逊的 Graviton，底层都是 Arm。对你们来说，这既是跃升，也是客户结构的多元化，对吧？

Rene： 这绝对是好事。但回到我们前面聊的供应链：真正会变得越来越重要的，是“搞懂供应链的每一环怎么落地到最终产品”这块肌肉。

换个角度说：今天有很多优秀的年轻 AI 芯片公司，名气大、融资多、设计新，但它们要进入的是一个资本门槛高得吓人的行业——和内存厂商的关系极其关键，和基板厂商的关系极其关键——还有拿到 3 纳米、6 纳米产线、先进封装产线的准入。全部都要。

而且这种紧缺不会在 12 个月、24 个月内缓解——我认为这个约束环境至少持续三到五年。只要 Transformer 仍是 AI 训练与推理的基本形态，它对算力和内存的饥渴就是设计出来的、结构性的。这会持续放大“供应链能力”的价值。反过来说，那些只有好设计的公司，光有设计远远不够——你还得搞定资本、晶圆、以及刚才说的这一切。

下一个瓶颈：数据中心建设本身

Elad： AI 行业的算力瓶颈一直在接力迁移：两年前是封装，后来大家谈内存。你觉得下一个瓶颈是什么？

Rene： 我认为是数据中心的建设本身。你看今天所有的数据中心项目，几乎没有一个是“提前完工、用工比预期少”的——建设本身就慢。再叠加上美国各地此起彼伏的舆论与政策：要求放缓数据中心开发、施加各种限制——基础设施扩张可能会成为一股逆风。

不过往深了想，这也许未必是坏事：如果基建不卡住，那晶圆产能、内存产能马上就会成为下一个卡点。所以你看到的是一系列“节流阀”在轮流给这场扩张限速。

顺着多说一句：我参加了很多论坛，被问得最多的就是“AI 泡沫什么时候破？”。我的看法是——先把“估值泡沫”放一边，那是股市指数的事；如果问的是“供给会不会超过需求”这种产业泡沫：离得还远着呢。因为这些模型对算力的需求是贪得无厌的，而基建、晶圆、内存，每一环都在约束供给。

软银杠杆与资本策略

Sarah： 你刚才也提到了资本。今天很多公司都在学一课：在一个要么狂烧算力、要么猛砸资本开支、要么啃硬技术（比如自研 CPU IP）的时代，如何战略性地运用股权结构和资本通道。你同时掌管软银集团国际，背后有一个绝对控股的大股东；而 Arm 本身从外部看又是一台漂亮的现金流机器。你肯定经常思考“软银这个杠杆该怎么用”。对身处资本密集型行业的创业者，你有什么建议？

Rene： Arm 的好处是：我们是上市公司，但有一个非常大的单一股东。我经常和我的“首席股东”开非正式的投资人会议。这给了我们一个独特优势：软银作为大股东，能在很多方向上与 Arm 形成共生，帮 Arm 推进自己的战略——我们一直在非常有创造性地使用这层关系。

对年轻公司，我的建议是：尽早建立战略伙伴关系——和供应链里的人、和私募股权、和银行。今天的游戏规则不一样了。半导体正在“回潮”：很长时间里这个行业几乎没有新创公司，现在一下子冒出一波半导体初创。但资本通道会成为它们的生死闸门。所以，更有创造性地与整个生态共舞，会极其关键。

软银自己也是这么实践的：我们一直在寻找能纳入组合、能帮到它们的公司——提供背书，或者其他形式的支持。比如软银刚宣布的 SoftBank Neo——我们要打造的新型云（Neo Cloud）——它就可以成为这些拥有芯片技术的年轻公司的“家”：放在过去，它们得自己一家家去磕微软、Google 的设计赢单（Design Win）；在我们这里，路径会多得多。

软银组合版图

Elad： 能多讲讲你在软银管辖的组合版图吗？我们知道有 Arm，还有一整摊其他业务。很想听听你还负责哪些——我们针对其中一些还有具体问题。

Rene： 可以这么理解：软银集团总部在日本，是 Masa（孙正义）掌舵，下面有一系列运营公司。最大的之一是 SoftBank KK，基本就是软银移动。在美国，软银集团国际开展大量投资活动，还有愿景基金（Vision Fund）。

而且越来越明显，软银的战略重心，是围绕 Masa 在日本股东大会上公开讲过的那几块：机器人、OpenAI、基础设施，以及 Arm。所以坦白说，我的眼球盯的东西非常多——核心就是帮 Masa 把那个愿景执行落地。业务线上，我直接领导 Ampere、Graphcore，还有一家做自动驾驶的公司 Stack AV。但也许更准确的理解是，Elad——我身处 Masa 许多重大讨论的房间里，帮他形成战略。

Sarah： 更重要的，是帮他执行。那身处软银集团、与这么多公司共事——甚至包括 SB Energy 和整个大生态——这些经历改变了你对“Arm 能做什么”的想象吗？

Rene： 当然。首先它给了我们一个巨大的鸟瞰视角：基础设施往哪走、资本往哪走、能源往哪走，尽收眼底。而且你可以想象，它还可以成为我们产品的“家”——不一定是唯一的家，但完全可以是一个家，这是非常大的助力。

你看软银深耕的垂直领域：机器人、能源、数据中心基础设施；再看 Arm 的产品线——目前官宣的只有 Arm AGI CPU 这一款——把点连起来，你能看到一些非常有趣的可能性。当然，这并不意味着 Arm 要去做大路的通用芯片生意——我们也可能只是为软银体系做产品。

机器人：Arm 的下一个无处不在

Elad： 聊聊机器人。通用机器人真正投入严肃努力也就几年——对比 LLM 的十年——目前各家公司的演示已经展现出任务与环境的泛化、鲁棒性，甚至一点上下文学习，但离大规模部署还有距离。你同意这个判断吗？你对机器人市场有什么预测？Arm 的机会在哪？

Rene： 大方向上我极度乐观。无论是人形机器人，还是可重新训练的专用机器，市场都会是天文数字。

机器人 1.0 是“专用设备”时代：一套机械加一个为特定任务优化的软件，一旦车型换代、产线变更，机器人不适配，就把整条产线拆了重装——门槛高得吓人。而当我们走向“机器人可以靠训练、靠观察自己学习”的世界，再叠加“机械上足够通用、能被反复重编程”的本体，再加上成本持续下降——你就会忍不住问：还有什么是它不能做的？简直像《杰森一家》（The Jetsons）里的未来：建筑、基础设施、服务、安保，大量工作终将由机器人承担。

当然，现在 TikTok 上那些机器人赛跑、机器人运动会，我不认为真有人会去看“机器人体育联赛”——发烧友也许有，但真正的广阔用途，是替代那些人类劳动任务。这一点毋庸置疑。

Sarah： 关于机器人的形态，市面上大致有两三种假说：一派认为会是人形或接近人体尺寸，因为物理世界和工具本来就是照着人设计的，机器人可以直接“插槽”进去；另一派认为会是更专用的任务形态。你站哪边？

Rene： 我认为两者都会有。大量工作和任务确实是围绕“六英尺高、手臂这么长的人”来优化的，但专用形态同样会大量存在。而它们能学、会进化——回到你前面的问题——Arm 会无处不在。

我们在实时感知类微处理器上有深厚积累：机器人“手指尖”上做感知和传感的芯片，今天基本都是 Arm 的；再看人形机器人的“大脑”——无论英伟达还是高通的方案——跑的都是 Arm。所以，机器人产业的未来将由 Arm 驱动。

Sarah： 有没有早期信号？你的位置太独特了——Arm 无处不在，你能比别人更早看到采纳在哪里发生、技术往哪迁移。哪些垂直场景会最早拥抱机器人？

Rene： 说实话还有点早。商业模式还没被真正验证：机器人太贵了——贵到“客户直接买机器人”这个模型本身就很难成立，“它到底能不能替代掉那份人力成本”这笔账还算不过来。所以成本得先降下来，商业模式得先跑通。

Sarah： 这也是我好奇的原因——今天真正成规模的机器人销售，基本集中在汽车产线、特定手术机器人、仓储物流中心这几个高度定制的场景里。

Rene： 物流中心肯定是第一波，它最终会走向完全自动化，甚至一路延伸到末端配送。而且广义地说，一辆自动驾驶卡车本身就是一种机器人。所以工厂自动化、配送与仓储，会是最先被自动化的领域。

制造回流与技术主权

Elad： 没错。接下来是个政策浓度很高的问题：供应链管控、使用管控，围绕机器人、芯片、数据中心，还有出口管制——四类管制，全都跟你们相关。而你们的身份又很特殊：既是终端客户的供应商，又刚刚成为“自有产品+自有供应链”的新玩家。我的问题是：虽然 Arm 不是美国公司，但你们在美国生意巨大——你认为美国和西方在芯片制造、数据中心、机器人这些领域，应该保护到什么程度？

Rene： 让我先戴上“美国公民”的帽子回答。Arm 总部在英国，但员工遍布全球：英国大约 40%，美国约 30%，亚洲约 30%——我们是一家全球公司，但有巨大的美国存在。

作为美国公民、一个在半导体行业长大的人，我记得 80 年代的事：美国原本是半导体霸主，然后“日本株式会社”在内存上以极凶悍的定价抢走大量份额。美国当年为此成立了 SEMATECH（半导体制造技术联盟），重振本土半导体——我至今认为那是正确的一步。后来互联网来了、SaaS 公司成了宠儿，大家渐渐忘了半导体是战略性资产。

我的立场很清晰：对美国而言，把尽可能多的关键技术留在本土至关重要；换作英国我也会这么说，只是英国体量不同。看看美国市场的规模、看看半导体对美国一切活动的关键性——无论 Intel 还是 Micron——美国需要更多本土晶圆厂。这关乎国家安全，也关乎供应链多元化。在这个战略上，我是坚定的支持者。

至于“用出口管制拦住中国、赢下竞赛”这套逻辑，我的个人看法是：这是一场无限游戏（Infinite Game）。首先，我不认为会存在“谁赢下比赛、比赛就此结束”这回事；但你完全可能落到另一种局面——大量关键技术不再由美国掌握，而那绝不是好事。有人会说“可这样东西更便宜啊”——但我的信念是：无论为了国家安全还是经济，你都必须站在技术最前沿，因为它既驱动创新，也驱动生态。

想想 1950 年代战后底特律：它是宇宙中心，带动了威斯康星、俄亥俄、伊利诺伊的一整个供应链生态。数据中心其实是同一回事——有人看着一个巨大的仓库说“里面就两辆车、全是自动化，没有就业”。我不同意：能源、液冷、让数据中心变得更好的一切周边，都是可以在本土创造的工作。所以作为国策：第一，投资美国；第二，确保美国保持领先。这至关重要。

反数据中心浪潮的真相

Elad： 说到数据中心，最近反对新建数据中心的声音，看起来组织性不弱——名义上是草根，但背后似乎有协调。你怎么看这股突如其来的反数据中心浪潮？

Rene： 我认为根源是恐惧：AI 意味着失业，失业意味着一连串社会后果。

Sarah： 那你觉得这种恐惧有依据吗？因为看起来它分明在创造就业。

Rene： 我认为没有依据。电工工会最近专门表态：请不要禁数据中心，我们需要这些工作。

Sarah： 完全同意。电工这个例子太好了：它可能不像“高学历工作”那样光鲜，但它是需要大量训练和认证的高技能工种，而且数据中心需要海量这样的工人。

Rene： 所以回答你的问题：反弹很大程度上来自恐惧——“我的工作会不会消失”。AI 繁荣惠及了很多人，但也有很多人没有从中受益。美国还有大量人房贷吃紧、工资多年不涨，现在又来了个 AI，看起来只会让日子更难。于是数据中心不幸成了所有“AI 之恶”的靶心。

Sarah： 还有人举着做旧的“污染水”照片，声称数据中心毁了水源——很多指控根本是编造出来的，纯粹为了制造恐惧。

Rene： 没错，数据中心已经成了各种情绪的“妖怪”。

Elad： 比较清楚的是，这些议题背后也有有组织的媒体影响力。但三点可以同时成立：你们的观点也对——一个高速成长的新产业确实能创造新技术、新就业、为周边社区带来财富；只是，行业自己有责任去把这件事讲清楚。

Rene： 完全同意。而且从第一性原理看：智能手机、互联网、个人电脑——你随便点一项技术——做领导者从来没有坏处。这是最重要的一点。

Sarah： 做领导者从来没有坏处。

Rene： 是的。当然会有你不喜欢的二阶、三阶效应；但做落后者的代价是：整个剧本都由别人来写——连同剧本附带的一切。看看世界上那些在这轮技术里掉队的地区，经济上、社会上都落在后面，政府还要背上沉重的负担。

所以，当你站在一波技术创新的浪头上——而我甚至可以说，AI 某种程度上是“智能”这片最后的边疆——你当然要在领先的位置上，当然要亲手去驱动它，因为它给社会带来的收益将是巨大的。

身处一切的中心

Sarah： 未来一两年，你最期待 Arm 的什么？

Rene： 身处这一切的中心，真的。我每天都感到幸运：我们就在所有事情的正中央——我们是这个生态的参与者，能推动创新，能和最头部的公司一起开发最头部的产品。

因为一切 AI 都需要算力——那是 Arm 做的事；而算力必须能效优异——那是我们最强的事。所有的路都通向我们。

我在这行干了一辈子，过去很多时候要想的是：“下一个产品是什么？世界真的需要又一款 8.9 英寸还是 9.2 英寸的平板吗？”而现在，AI 带来的机会与创新如此丰盛，我每天都心怀感恩，能带领一家正处中心的公司。

CPU 不会消失

Sarah： 芯片需求的爆发来自工作负载的剧变，而工作负载一直在剧变——对做芯片设计的人来说，没有比这更好的时代了。我理解这个时代的 CPU 机会大致有几块：机架里的 CPU——NVIDIA Vera、亚马逊 Graviton 那一侧；还有智能体（Agent）这一侧——沙箱、让智能体调用现有软件、API、工具。这两块都在涨，你觉得机会的量级怎么看？还有什么我没看到的？

Rene： 从 CPU 的角度说——容我先往回倒一句：ChatGPT 爆发那阵子，一切注意力都在加速器上，仿佛“无论问题是什么，答案都是加速器”。但自打有计算问题以来，就没有哪个计算问题离得开微处理器——它是一切的心脏。所有的路都从它身上、从它旁边、从它周围经过。系统的基本设计决定了：你必须有 CPU，它不会消失——只是在加速器的光环下一度被淡忘了。

而真正让局面再次清晰的，是工作负载的迁移：从训练——训练当然重要，关乎递归学习、强化学习——转向推理，转向 token 的使用、信息的使用。在系统层面，总得有人来做编排、调度、仲裁——决定 token 往哪儿走。token 工厂日夜不停地生产 token，可“把 token 运给用户的卡车”在哪儿？那就是 CPU 干的活。

所以，除非有人发明出一种“不再需要 CPU”的新机制——目前既没定义、也没影子——CPU 会过得很好，而且需求巨大，和那些生产 token 的加速器一起涨。而系统视角看：冯·诺依曼架构的骨架从没变过——CPU、加速器（浮点、GPU）、内存。焦点在漂移，骨架没变。

而且这个逻辑放之四海皆准：数据中心如此，汽车、机器人、手机、可穿戴也如此。越往小尺寸、低功耗的边缘走，越是 Arm 的甜区——CPU 本来就是入场券，边缘设备样样离不开它；而我们的指令集架构让我们有机会在本地完成 AI 处理——毕竟你没法在脑袋上挂一块 50 瓦的 GPU。这是绝好的位置。

Sarah： 欢迎在 Twitter 上关注我们 @NoPriorsPod；订阅我们的 YouTube 频道，就能看到我们的对话画面；也可以在 Apple Podcasts、Spotify 或任何你常用的播客平台关注本节目，这样每周都能第一时间收听新剧集。你还可以订阅我们的邮件通讯，或在 no-priors.com 获取每期播客的完整文字转录。再见。