Arm預測2025年及未來技術趨勢

Posted By MakerPRO編輯部 on 1 月 3, 2025 in Arm, Edge AI, 新聞稿, 產業趨勢, 觀點 | 0 comments

文章導覽

在技術生態系中有獨特地位的Arm，以該公司對全球半導體供應鏈，以及物聯網、資料中心等所有市場的深刻了解為基礎，對2025年及未來的技術發展做出預測，涵蓋 AI、晶片設計與不同技術市場的主要趨勢。

晶片

重新思考晶片設計，小晶片將成為解決方案的重要部分

從成本和物理學角度來看，傳統的晶片設計定案（tape-out）變得越來越困難。產業需要突破以往傳統的方法重新思考晶片設計，。例如，人們逐漸意識到，並非所有功能都需要整合在單獨的單一晶片上，隨著晶圓製造廠和封裝業者探索新的途徑以突破摩爾定律的極限，小晶片 (Chiplet)等新方法便開始嶄露頭角。

實作小晶片的不同技術正倍受關注，並對核心架構和微架構產生了深遠的影響。對於小晶片，架構師需逐步瞭解不同實作技術的優勢，包括製程節點和封裝技術，進而運用相關特性來提升效能和效率。

小晶片技術已能有效因應特定市場需求和挑戰，並預計在未來幾年持續發展。在車用市場，小晶片可幫助企業在晶片開發過程中實現車規級認證，同時運用不同的運算元件，擴大晶片解決方案的規模並實現差異化。例如，專注於運算的小晶片具有不同數量的核心，而專注於記憶體的小晶片則有不同大小和類型的記憶體。因此，透過系統整合商，可對這些不同的小晶片進行組合和封裝，企業得以開發出更多高度差異化的產品。

「重新校準」摩爾定律

在過去的摩爾定律，單一晶片上的電晶體數量已達到數十億，其效能每年翻倍，功耗每年減少一半。然而，在單一晶片上持續追求更多電晶體、更高效能和低功耗的做法已經難以為繼。半導體產業需要重新思考和校準摩爾定律及其對產業的意義。

其中之一，就是在晶片設計過程中，不再只將效能作為關鍵指標，而是將每瓦效能、單位面積、單位功耗效能和總擁有成本做為核心指標。此外，還應導入一些新指標，關注系統實作方面的挑戰（這也是開發團隊面臨的最大挑戰），確保將 IP 整合到系統單晶片（SoC）及整個系統之後，效能不會下降。這需要在晶片開發和部署過程中持續地進行效能優化。隨著科技產業大規模地朝著更高效率的 AI 工作負載運算發展，這些指標將在相關領域變得更為重要。

晶片解決方案實現真正的商業差異化

為了借助晶片解決方案實現真正的商業差異化，企業不斷地追求特定應用的晶片。這也反應在運算子系統的日益普及，這些核心運算元件使得不同規模的公司，能夠對其解決方案進行差異化和個別化的訂製，每個解決方案都經過配置，以執行或支援特定的運算任務或專業功能。

標準化的重要性與日俱增

標準化的平台和框架，對於確保生態系能否提供具有差異化優勢的產品和服務相當重要，不僅能夠增加真正的商業價值，還能節省時間和成本。隨著整合了不同運算元件的小晶片的出現，標準化變得空前重要，將使來自不同供應商的硬體能夠無縫地協同工作。Arm 到目前為止已攜手 50 多家技術合作夥伴一起開發 Arm 小晶片系統架構（Chiplet System Architecture, CSA），隨著更多合作夥伴的加入，將共同推動小晶片市場的標準化進程。在汽車產業，這將與 SOAFEE 的成立初衷相符，SOAFEE 的宗旨在於將軟體定義車輛（SDV）中的軟硬體分開，進而提高運算元件間的靈活和互通性，以加速開發週期。

生態系將針對晶片和軟體開展前所未有的緊密合作

隨著晶片和軟體的複雜性不斷增加，沒有任何一家公司能獨自承攬晶片和軟體設計、開發與整合等所有工作。因此，生態系內的深度合作相當必要。此類合作能為各類規模不同的公司提供特有機會，使各公司能根據自身核心競爭力提供不同的運算元件和解決方案。這對汽車產業尤其重要，汽車產業需要匯集包含晶片供應商、一級供應商、整車廠商和軟體供應商等在內的整個供應鏈，分享各自的專業知識、技術和產品，以定義 AI 驅動 SDV 的未來，讓最終使用者能夠享受到 AI 的真正潛力。

AI 強化型硬體設計的興起

半導體產業將逐漸採用 AI 輔助的晶片設計工具，運用 AI 來優化晶片佈局、電源分配和時序收斂。這種方法不僅能最佳化效能結果，還能加速最佳化晶片解決方案的開發週期，使小型公司也能憑藉專用化晶片進入市場。AI 不會取代人類工程師，但它將成為因應現代日益複雜的晶片設計的重要工具，特別是在高效率 AI 加速器和邊緣端裝置的設計當中。

AI

AI 推論持續發展

在未來一年裡，AI 推論工作負載將繼續增加，將有助於確保 AI 的廣泛應用和持久普及。這個趨勢發展受惠於具備 AI 功能的裝置和服務數量增加。事實上，大部分日常 AI 推論，如文字生成和摘要，都能在智慧手機和筆電上完成，為使用者提供了更快速、更安全的 AI 體驗。為了支援這項成長，此類裝置需要搭載能實現更快的處理速度、更低的延遲和高效率電源管理的技術。而 Armv9 架構的 SVE2 和 SME2 兩大關鍵特性會一起在 Arm CPU上運作，使其能夠快速而高效率地執行 AI 工作負載。

邊緣 AI 嶄露頭角

2024 年，我們看到越來越多 AI 工作負載在邊緣（裝置端）運作，而不是在大型資料中心進行處理。這種轉變不僅能為企業節省電力和成本，還能為消費者帶來隱私和資安方面的保障。

到了2025 年，我們很可能會看到先進的混合 AI 架構，這些架構能夠將 AI 任務在邊緣裝置和雲端之間進行有效分配。在這些系統中，邊緣裝置上的 AI 演算法會先識別出重要的事件，然後雲端模型會介入，提供額外的資訊支援。決定在本地還是雲端執行 AI 工作負載，將取決於可用電源、對延遲的要求、隱私顧慮以及運算複雜性等考慮因素。

邊緣 AI 工作負載代表著 AI 去中心化的趨勢，使裝置能在資料來源附近實現更智慧、更快速且更安全的處理，這對於需要更高效能和因應在地決策的應用市場，如工業物聯網和智慧城市，尤其關鍵。

小語言模型（SLM）加速演進

隨著技術的進步，規模更小、結構更精簡、壓縮率更高、量化程度更高、參數更少的模型正在快速演進。典型的例子包括 Llama、Gemma 和 Phi3，這些模型不僅具備更高的成本效益和效率，也更容易在算力資源有限的裝置上部署。我們預計，2025 年這類模型的數量還將繼續增加。這類模型能夠直接在邊緣裝置上運作，不僅提升了效能，還能強化隱私保護。

我們預計，越來越多的 SLM 將用於裝置端的語言和裝置互動任務，以及基於視覺的任務，例如對於事件的解讀和掃描。未來，SLM 將從大模型中萃取出更多經驗和知識，以便開發本地專家系統。

能聽、能看、能理解更多內容的多模態 AI 模型湧現

目前，GPT-4 這樣的大語言模型（LLM）是基於人類文本進行訓練的。當這些模型被要求描述某個場景時，只會以文字形式回應。但也開始看到包含文字、影像、音訊、感測器資料等多種訊息的多模態 AI 模型出現。這些多模態模型將透過能夠聽到聲音的音訊模型、能夠看到的視訊模型、以及能夠理解人與人、物體之間關係的互動模型，來執行更複雜的 AI 任務。這將賦予 AI 感知世界的能力，就像人類一樣，能聽、能看、能體驗。

AI 代理（AI agent）應用不斷拓展

如今，當使用者與 AI 互動時，通常是在與一個單一的 AI 進行互動，這個 AI 會盡可能獨立完成使用者要求的任務。然後，透過 AI 代理，在使用者指定需要完成的任務時，這個 AI 代理會將任務委託給由眾多 AI 代理或 AI 機器人組成的網路，類似 AI 的零工經濟。目前，客服支援和程式設計輔助等產業已開始使用 AI 代理。隨著 AI 的互聯性和智慧程度不斷提高，預計在未來一年，AI 代理將在更多產業快速發展。這將為下一個階段的 AI 革命奠定基礎，使生活和工作變得更有效率。

AI 支援更強大、更直觀、更智慧的應用

在 AI 的推動下，裝置上將湧現更強大且個別化的應用。如更智慧、更直觀的個人助理，甚至私人醫生。應用的功能將從簡單地回應使用者請求，轉變為根據使用者及其所處環境主動提供建議，實現 AI 的個人化。這將導致資料的使用、處理和儲存數量呈現指數級成長，因此業界和政府需要採取更嚴格的安全措施並提供監管指導。

醫療服務將成為關鍵的 AI 應用場景

醫療服務似乎已成為 AI 的主要應用場景之一，而這一趨勢將在 2025 年加速發展。AI 在醫療領域的應用場景包括：預測性醫療、數位記錄儲存、數位病理學、疫苗開發和基因療法等，以幫助治療疾病。2024 年，DeepMind 的創辦人因與科學家合作，利用 AI 預測複雜的蛋白質結構，且準確率高達 90%，被授予諾貝爾化學獎。同時，研究證明，使用 AI 可以將藥物研發週期縮短 50%。這些 AI 創新為社會帶來顯而易見的益處，加速救命藥物的研發和生產。此外，透過將行動裝置、感測器和 AI 相結合，使用者將能獲得更優質的健康相關資料，進而對個人健康做出更明智的決策。

推動實現「綠色 AI」

AI 將加速融入永續發展的實踐。除了使用高效率的技術，「綠色 AI」策略也將受到越來越多的重視。例如，為了因應日益成長的能源需求，AI 模型訓練可能會選擇在碳排放較低的地區和電網負荷較低的時間段進行，並可能成為未來的標準做法。透過平衡電網上的能源負載，這種方法將能緩解峰值需求壓力，減少總體碳排放量。因此，我們預計會有更多雲端服務提供者，推出針對效率優化的模型訓練的調度服務。

其他方法還包括：優化現有 AI 模型以提高執行效率，重複使用或重新定位預訓練的 AI 模型，以及採用「綠色編碼」，盡可能地減少能源消耗。在「綠色 AI」浪潮中，我們可能還會看到自發性標準的導入，隨後逐步形成正式標準，以促進 AI 的永續發展。

可再生能源與 AI 的融合發展

可再生能源與 AI 的結合，有望推動整個能源產業的創新。目前，可再生能源在可靠性和靈活性方面不足，難以平衡峰值負載，這對電網脫碳進程造成阻礙。我們預計，AI 將能夠更準確地預測能源需求，即時優化電網運行，並提高可再生能源的效率，進而幫助解決這些問題。電能儲存解決方案也將受惠於 AI，AI 能夠優化電池效能和壽命，這對於平衡可再生能源的間歇性特性至關重要。

導入 AI 不僅有助於解決預測和平衡峰值需求的難題，還能預測與識別維護需求，進而減少能源供應中斷。智慧電網則可利用 AI 進行即時電能流動的即時管理，有效降低能源損耗。AI 與可再生能源的深度融合，預計將可大幅度地提高能源系統的效率和永續性。

異質運算滿足多樣化 AI 需求

在廣泛的 AI 應用中，尤其是在物聯網領域，不同的 AI 需求將需要多種運算引擎。為了最大化部署 AI 工作負載，CPU 將繼續成為現有裝置部署的關鍵。新的物聯網裝置將搭載更大的記憶體和更高效能的 Cortex-A CPU，以強化其 AI 效能。而新推出的 Ethos-U NPU 等嵌入式加速器，將被應用於加速低功耗機器學習（ML）任務，並為工業機器視覺和消費性機器人等更廣泛的應用場景提供高效率的邊緣推論能力。

從本質上來看，在短期內，我們將看到多個運算元件被應用於滿足特定 AI 應用的需求。這種趨勢將持續彰顯開發通用工具、軟體技術庫和框架的必要性，以便應用開發人員能夠充分利用底層硬體的功能。邊緣 AI 工作負載並不存在「萬能」的解決方案，因此，為生態系提供靈活的運算平台非常重要。

市場

虛擬原型日益普及，為車用晶片產業和軟體發展流程帶來革新

虛擬原型加速了晶片和軟體發展，使得公司能夠在物理晶片準備就緒之前就著手開發和測試軟體。這對車用晶片產業尤為重要。在車用產業，虛擬平台推出後，汽車開發週期縮短了多達兩年。

2025 年，在晶片和軟體發展流程持續轉型的浪潮中，預計將有更多公司推出自己的虛擬平台。這些虛擬平台將無縫地運行，借助 Arm 架構提供的指令集架構同位（ISA Parity）特性，確保雲端和邊緣端架構的一致性。透過指令集架構同位特性，生態系可在雲端構建自己的虛擬原型，然後在邊緣端進行無縫部署。

這將顯著的節省時間和成本，同時讓開發人員有更多的時間利用軟體解決方案來提升效能。2024 年首次 Armv9 架構首度被導入車用市場，預計後續將有更多開發人員在車用領域運用指令集架構同位特性，並借助虛擬原型技術來更快地構建和部署車用解決方案。

端到端 AI 強化自動駕駛系統效能

生成式 AI 技術正被迅速應用於端對端模型中，可望解決傳統自動駕駛（AD）軟體架構面臨的可擴展性問題。受惠於端對端自監督學習，自動駕駛系統的泛化能力將獲得提升，使其得以應對之前從未遇到的場景。這種新方可望有效加速營運設計領域的擴展，進而以更快的速度和更低的成本，將自動駕駛技術部署到高速公路和城市等不同環境中。

解放雙手的駕駛體驗，外加對駕駛的強化監控

隨著 L2+ 免持方向盤的駕駛控制輔助系統（DCAS）和 L3 自動車道維持系統（ALKS）等車輛法規在全球得到協調與共識，DCAS 和 ALKS 這些進階功能將能更快、更廣泛的部署。領先的汽車製造商正在投資與配備必要的硬體，以便在車輛的整個使用週期內、透過訂閱服務來推行這些功能。

為了防止駕駛濫用自動駕駛系統，相關法規和「新車評估計畫」越來越關注更為精密的車內監控系統，如駕駛監控系統（DMS）。例如，在歐洲，EuroNCAP 2026 的新評級機制，將鼓勵直接感知式（如基於攝影鏡頭的）DMS，與先進駕駛輔助系統（ADAS）和自動駕駛功能深度整合，以便針對不同程度的駕駛雙手離開方向盤這類行為讓車輛做出適當的回應。

智慧型手機仍是未來數十年的主要消費性電子裝置

在可見的未來，智慧型手機仍繼續扮演主要的消費性電子裝置。實際上，在未來的幾十年內，很有可能將繼續成為消費者的首選裝置，其他裝置仍難以實質地挑戰它。隨著 Armv9 在主流智慧手機中的廣泛應用，預計到 2025 年，新旗艦智慧手機將擁有更強的算力和更好的應用體驗，將進一步鞏固智慧手機做為首選裝置的地位。但很顯然，消費者會根據不同需求使用不同的裝置，智慧手機主要被用在使用應用程式、網頁瀏覽和通訊，而筆記型電腦仍被視為生產力和工作任務的「首選」裝置。

同樣值得注意的是，智慧眼鏡等 AR 可穿戴裝置正逐漸成為智慧手機的理想搭檔。智慧手機之所以能夠持續流行，關鍵在於其不斷進化的能力，從應用程式到相機再到遊戲，而現在，業界正在見證 AR 新應用場景的湧現，而智慧手機也開始支援可穿戴裝置的 AR 體驗。

技術微型化的持續演進

在整個科技產業中，裝置將變得更加小巧時尚，如 AR 智慧眼鏡和越來越小的可穿戴裝置。這一趨勢是多種因素相互影響的結果。首先，高效率技術的應用為裝置提供了所需效能，以支援關鍵的裝置功能和體驗。其次，輕量化技術的應用讓更小巧的裝置成為可能，以 AR 智慧眼鏡而言，採用了超薄碳化矽技術，不僅可實現高解析度的顯示，還能大幅減小裝置的厚度和重量。此外，小巧的新語言模型正在提升這些小型裝置的 AI 體驗，使裝置的沉浸感更強，互動性更好。展望明年，高效率的輕量化硬體將與小型 AI 模型加速結合，推動體積更小巧、功能更強大的消費性電子裝置的發展。

Windows on Arm 持續升溫

2024 年，Windows on Arm（WoA）生態系獲得了顯著進展，主流應用程式已紛紛推出 Arm 原生版本。事實上，一般 Windows 使用者 90% 的使用時間都在使用 Arm 原生應用程式。最近的一個例子是 Google Drive，在 2024 年底發表了 Arm 原生版本。預計這個趨勢將在 2025 年繼續保持下去。隨著包括 Google Chrome 在內、對使用者日常體驗極為重要的 Arm 原生應用展現大幅度的效能提升，WoA 對開發人員和消費者的吸引力也將不斷增加。