Arm預測2025年及未來技術　一文看懂3大發展趨勢

【記者蕭文康／台北報導】IP大廠Arm（安謀）今針對 2025 年及未來的技術發展做出預測，範圍涵蓋技術的各個方面，包括從 AI 的未來發展到晶片設計，再到不同技術市場的主要趨勢。其中，重新思考晶片設計，小晶片將成為解決方案的重要部分以及「重新校準」摩爾定律最受關注，而在未來1年裡，AI 推論工作負載將繼續增加，這將有助於確保 AI 的廣泛應用和持久普及，這個趨勢的發展受惠於具備 AI 功能的裝置和服務數量的增加。至於市場方面則以車用晶片、智慧型手機等應用為主。

重新思考晶片設計、小晶片將成重要解決方案

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。產業需要重新思考晶片的設計，突破以往傳統的方法。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公司探索新的途徑以突破摩爾定律的極限，小晶片等新方法便開始嶄露頭角。

小晶片技術已能有效應對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，同時透過運用不同的運算元件，展現擴大晶片解決方案的規模並實現差異化。

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，例如 AR 智慧眼鏡和越來越小的可穿戴裝置。至於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，它在 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。

「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，這種在單獨的單一晶片上持續追求更多電晶體、更高效能和更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，不再僅僅將效能作為關鍵指標，而是將每瓦效能、單位面積效能、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。因此，這需要在晶片開發和部署過程中持續地進行效能優化。

另外還有包括晶片解決方案實現真正的商業差異化、標準化的重要性與日俱增、生態系將針對晶片和軟體開展前所未有的緊密合作以及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，還能加速優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 推論持續發展

在未來一年裡，AI 推論工作負載將繼續增加，這將有助於確保 AI 的廣泛應用和持久普及。這個趨勢的發展受惠於具備 AI 功能的裝置和服務數量的增加。事實上，大部分日常 AI 推論，如文本生成和摘要，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夠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，一起運行於 Arm CPU，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，我們看到越來越多的 AI 工作負載在邊緣（也就是裝置端）運行，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，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。

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。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行，不僅提升了效能，還能強化隱私保護。

Arm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。

此外，能聽、能看、能理解更多內容的多模態 AI 模型湧現、AI 代理（AI agent）應用不斷拓展、AI 支援更強大、更直觀、更智慧的應用、醫療服務將成為關鍵的 AI 應用場景、推動實現「綠色 AI」、可再生能源與 AI 的融合發展、異質運算滿足多樣化 AI 需求等，也是AI未來發展的方向。

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，Arm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 年首次將 Armv9 架構導入車用市場，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。

未來將會發展端到端 AI 強化自動駕駛系統效能、解放雙手的駕駛體驗，外加對駕駛的強化監控，而智慧手機仍是未來數十年的主要消費性電子裝置，實際上，在未來的幾十年內，它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。

⭐️ 即刻下載《知新聞》App！免費！