Arm CEO权威解读：AI工作负载迁移至本地的数据中心新方向

当地时间周三，Arm首席执行官雷内・哈斯在与CNBC的对话中，对AI的能源未来提出了一个关键论断：将部分人工智能计算从云端迁移至终端设备，是应对指数级增长能耗挑战的核心路径。

他明确指出，长期依赖千兆瓦级别的超大规模数据中心，在能源和运营层面都不可持续。

解决方案是什么？哈斯阐述了两个并行方向。“其一，云端基础设施必须追求极致的能效优化，这是Arm持续深耕的领域；但更具潜力的策略，是将AI推理这类持续性工作负载，大规模部署到边缘和终端设备上。”他进一步解释道。

具体而言，AI模型的训练阶段仍需云端算力集群，但训练完成后的推理任务——例如图像识别、实时翻译或内容生成——完全可以由本地硬件处理。现代智能手机、个人电脑乃至可穿戴设备中的处理器，已具备足够的计算效能。哈斯援引计算架构的演进规律指出，混合计算范式始终是技术发展的最终形态。

他认为，这种云端与终端协同的混合AI架构，其动态演进将重塑行业格局，从而显著降低全球范围内与AI相关的巨额电力消耗。

哈斯的观点基于深刻的行业背景。作为核心芯片架构提供商，Arm的技术是微软、亚马逊等科技巨头设备的基础。半导体领导者英伟达不仅是Arm的重要投资者，更曾于2020年尝试收购该公司。就在采访当日，Arm与Meta宣布扩大战略合作，目标是在“从AI软件栈到数据中心硬件的每一层提升计算效率”。这一消息直接推动Arm股价当日上涨1.49%。

哈斯透露，与Meta的合作“重点在于数据中心能效，同时也全面覆盖软件栈优化”。他特别提及了Arm技术在Meta新款雷朋旅行者智能眼镜中的应用：该产品的AI功能正是云端与本地混合计算的实际例证。

“以语音唤醒为例，”哈斯说明道，“当用户说出‘嘿，Meta’指令时，初始的语音检测与处理并非上传至云端，而是在用户佩戴的眼镜上即时完成——驱动这一本地化处理的，正是Arm的高能效计算架构。”