开发者通常会从自己正在构建的内容出发,例如移动端应用、云工作负载、游戏或人工智能 (AI) 功能。因此,最先关注的往往是所使用的框架、引擎、模型或服务。
但当软件真正触及用户后,另一个因素开始变得重要,那就是软件运行所依赖的计算架构。它会影响应用的响应速度、云工作负载的运行效率、游戏的流畅度,以及端侧 AI 功能的实际表现。
如今,99% 的智能手机运行在 Arm 架构之上,Arm 架构占据近半数出货到头部云服务提供商的算力,Arm 架构芯片累计出货量已逾 3,500 亿颗。Arm 架构已成为开发者日常面向平台的重要基础。

无论你是在开发云服务、游戏,还是端侧 AI 应用,你的软件很可能已经运行在 Arm 计算平台之上,即使你尚未专门针对 Arm 进行优化。那么,你的下一步则是识别工作负载运行所在的 Arm 架构设备或云实例,并在对应环境中验证兼容性和性能表现。
架构如何影响工作负载
Arm 的广泛应用体现在开发者每天都在使用的生态系统中,例如来自亚马逊云科技 (AWS)、Google Cloud、Microsoft Azure 和 Oracle Cloud Infrastructure 的基于 Arm 架构的云基础设施;LiteRT、llama.cpp、MediaPipe 和 ONNX Runtime 等 AI 框架与运行时;以及基于虚幻引擎 (Unreal Engine) 和 Epic Games 的游戏开发流程。
因此,当软件部署到实际设备和基础设施之后,底层架构将直接影响一系列关键开发指标,包括软件能否顺利构建和运行、性能表现是否高效、云端运营成本是否合理,以及设备能否在不过度发热、耗电或占用内存的情况下持续保持性能稳定。
这种规律基本适用于各种类型的工作负载:
应用开发需要原生支持、经优化的库、性能分析工具,以及在代表性设备上的测试。
云工作负载需要开展基准测试、依赖项检查、容器适配验证以及配置分析。
游戏开发需要进行帧率分析、GPU 工作负载监测、内存带宽检查,以及持续性能测试。
云与 AI 工作负载
对于云服务、AI 工作负载、数据管线以及对性能敏感的应用而言,底层计算架构将影响工作负载在基础设施中的整体运行表现。如今,Arm 正通过更广泛的计算平台赋能云基础设施领域,包括合作伙伴基于 Arm IP 和 Arm 计算子系统 (Compute Subsystems, CSS) 打造的处理器,以及Arm 推出的量产级芯片产品 Arm AGI CPU。
这些不同路径为云服务提供商和系统构建商提供了更多部署 Arm 计算资源的选择。同时,开发者依然可以基于现有工作流中的操作系统、容器、软件库和云服务开展开发。
目前,AWS、Google Cloud、Microsoft Azure 和 Oracle Cloud Infrastructure 均已提供基于 Arm 架构的云实例,为开发者在主流云平台上部署 Arm 工作负载提供了现实路径。如果你正在启动新服务或迁移现有工作负载,建议重点关注以下几个方面:评估软件依赖项与容器兼容性、构建多架构开发与测试环境,以及在目标部署基础设施上验证实际性能表现。
迁移工具能够帮助开发者识别兼容性问题,并为 CI/CD 工作流做好准备。完成部署之后,诸如Arm Performix 等基准测试工具,则能够帮助开发者发现性能热点、分析内存使用情况以及 CPU 效率,从而进一步指导优化工作。
游戏与图形
对于游戏和实时 3D 应用而言,大量玩家实际上已经在使用基于 Arm 架构的智能手机、平板电脑以及游戏平台。在这些终端设备上,游戏体验不仅取决于帧率,也受到响应速度、画面质量、设备温度、电池续航以及长时间运行稳定性的共同影响。
因此,手游性能优化和分析已经成为开发流程中的核心环节。帧步调 (Frame Pacing)、热管理表现、内存带宽利用率、GPU 工作负载情况,以及长时间游戏过程中的持续性能表现等指标能够帮助开发者将游戏引擎内部的运行状态与玩家的实际体验联系起来。
开发者可以通过开源的 Arm 神经图形开发套件 (Arm Neural Graphics Development Kit) 了解相关开发流程。套件包含虚幻引擎插件、Vulkan ML 工具、模型、代码示例、性能分析工具,以及技术指南
Arm 神经图形开发套件:https://developer.arm.com/mobile-graphics-and-gaming/neural-technology#StartBuilding
神经图形技术能够在减少每帧渲染负载的同时,提高画面质量和帧率表现。神经优化升级、降噪、帧生成等技术能够在移动设备有限的功耗和散热条件下,实现更丰富的游戏场景和更流畅的体验。
Arm 神经技术将这些能力引入移动端图形开发流程。由Arm 与 Sumo Digital 采用虚幻引擎联合打造的《光影新生》游戏,展示了这些技术在游戏中的实际应用成果,包括 MegaLights、光线追踪效果,以及高质量帧输出能力。
应用与端侧 AI
对于应用而言,架构的影响最容易体现在用户的日常使用体验中。它会影响应用启动速度、交互响应、设备续航能力,以及 AI 功能返回结果的速度。随着越来越多应用开始集成语言、视觉、语音和图像等端侧 AI 功能,如何高效利用 CPU 运行 AI 工作负载,正逐渐成为影响用户体验的重要因素。
开发者可以直接利用现有模型、框架和运行时来提升 AI 功能的响应速度和执行效率。在支持 Armv9 的设备上,第二代 Arm 可伸缩矩阵扩展技术 (Arm Scalable Matrix Extension 2, Arm SME2) 能够直接在 CPU 上加速语言、视觉、语音和图像处理等工作负载背后的矩阵密集型运算,从而进一步降低延迟并减少功耗。
通过 Arm KleidiAI 与 XNNPACK、LiteRT、llama.cpp、MediaPipe、MNN、ONNX Runtime 的集成,支持的工作负载可直接通过熟悉的软件栈实现 SME2 加速。
从你的目标平台开始
无论你正在构建云服务与 AI 工作负载,游戏与图形应用,还是端侧 AI 应用。Arm 开发者资源都汇集了相关工具、Learning Path、技术指南以及软件库,帮助开发者从理解底层架构出发,逐步将 Arm 技术融入到实际开发流程中。
Arm 开发者项目 (Arm Developer Program) 还为开发者提供了一个更广泛的入口,帮助其获取开发资源、技术指导以及 Arm 开发者社区支持。Arm 开发者项目:https://developer.arm.com/arm-developer-program
如果你的用户正在使用智能手机、云服务、游戏、笔记本电脑、互联设备或各类 AI 平台,那么 Arm 很可能已经成为你软件生态中的重要组成部分。当你了解这种关联之后,便能够更轻松、更高效地完成软件构建、优化与规模化部署。
本文转载自 Arm 社区公众号





