Arm targets the agentic AI era with new edge, cloud and robotics platforms
Arm is expanding its computing platform for an era in which artificial intelligence does more than respond to individual prompts. The company expects AI agents to operate continuously across phones, data centers, vehicles, robots and other physical systems—perceiving their surroundings, reasoning about objectives and taking actions on a user’s behalf.
Arm은 인공지능(AI)이 단순한 개별 프롬프트 응답을 넘어선 역할을 수행하는 시대를 대비해 컴퓨팅 플랫폼을 확장하고 있습니다. Arm은 AI 에이전트가 주변 환경을 인식하고, 목표를 추론하며, 사용자를 대신해 행동을 취하면서 스마트폰, 데이터 센터, 자동차, 로봇 및 기타 물리적 시스템 전반에 걸쳐 지속적으로 작동할 것으로 전망합니다.
Three announcements underpin that strategy: the Arm CSS for Mobile 2 platform for edge devices, Neoverse CSS N4 for cloud infrastructure, and an Arm Total Design initiative for physical AI. Together, they aim to provide a common architecture and software foundation across a highly fragmented computing landscape.
이러한 전략을 뒷받침하는 세 가지 발표가 있습니다. 바로 엣지 기기를 위한 Arm CSS for Mobile 2 플랫폼, 클라우드 인프라를 위한 Neoverse CSS N4, 그리고 물리적 AI를 위한 Arm Total Design 이니셔티브입니다. 이들은 고도로 세분화된 컴퓨팅 환경 전반에 걸쳐 공통된 아키텍처와 소프트웨어 기반을 제공하는 것을 목표로 합니다.
At the edge, Arm is introducing a platform combining its C2-Ultra CPU cluster with the Mali G2-Ultra NX GPU. The C2-Ultra incorporates SME2, the second generation of Arm’s Scalable Matrix Extension. SME2 accelerates the matrix operations used heavily by machine-learning models while retaining the flexibility of a general-purpose CPU.
엣지 분야에서 Arm은 C2-Ultra CPU 클러스터와 Mali G2-Ultra NX GPU를 결합한 플랫폼을 선보입니다. C2-Ultra는 Arm의 확장형 매트릭스 확장(Scalable Matrix Extension) 제2세대인 SME2를 통합하고 있습니다. SME2는 범용 CPU의 유연성을 유지하면서도 머신러닝 모델이 광범위하게 사용하는 매트릭스 연산을 가속화합니다.
Arm claims that two SME2-enabled C2-Ultra cores deliver 1.7 times the AI performance of its previous design across recent models. In a representative flagship configuration, the company also reports 15% higher single-thread performance, 15% faster web browsing, 12% faster application launches and 12% greater multithread performance.
Arm은 SME2가 탑재된 두 개의 C2-Ultra 코어가 최근 모델들을 기준으로 이전 설계 대비 1.7배의 AI 성능을 제공한다고 주장합니다. 대표적인 플래그십 구성에서 회사는 또한 15% 향상된 싱글 스레드 성능, 15% 더 빠른 웹 브라우징, 12% 더 빠른 애플리케이션 실행, 그리고 12% 더 뛰어난 멀티스레드 성능을 보고하고 있습니다.
That CPU improvement matters because an AI agent is not simply a neural-network inference workload. A useful agent must retrieve context, run applications, call tools, access databases, communicate over a network and verify its results. Much of that work depends on CPUs and operating-system services. Faster local execution can reduce the delay between a request and an agent’s action while keeping sensitive personal context on the device.
이러한 CPU의 개선이 중요한 이유는 AI 에이전트가 단순한 신경망 추론 워크로드가 아니기 때문입니다. 유용한 에이전트는 컨텍스트를 검색하고, 애플리케이션을 실행하며, 툴을 호출하고, 데이터베이스에 접근하며, 네트워크를 통해 통신하고 결과를 검증해야 합니다. 그 작업의 상당 부분은 CPU와 운영체제 서비스에 의존합니다. 더 빠른 로컬 실행은 민감한 개인 정보를 기기 내에 유지하면서 요청과 에이전트의 행동 사이의 지연 시간을 줄일 수 있습니다.
The Mali G2-Ultra NX addresses a different bottleneck: the escalating cost of high-quality graphics. Its neural accelerators are integrated directly into the GPU’s shader cores and support Neural Super Sampling, Neural Frame Rate Upscaling, and combined super-sampling and denoising. These techniques render less information conventionally and use learned models to reconstruct higher-resolution images or additional frames.
Mali G2-Ultra NX는 고품질 그래픽의 급증하는 비용이라는 또 다른 병목 현상을 해결합니다. 이 뉴럴 가속기는 GPU의 셰이더 코어에 직접 통합되어 있으며, 뉴럴 슈퍼 샘플링(Neural Super Sampling), 뉴럴 프레임 레이트 업스케일링(Neural Frame Rate Upscaling), 그리고 슈퍼 샘플링과 디노이징의 결합 기술을 지원합니다. 이러한 기술들은 기존 방식보다 적은 정보를 렌더링하고 학습된 모델을 사용하여 더 높은 해상도의 이미지나 추가 프레임을 재구성합니다.
Arm says its neural upscaling can convert 540p output to 1080p, while frame-rate upscaling can turn 30 frames per second into 60. The company claims up to a fourfold increase in frame rate and efficiency, alongside a 70% reduction in DRAM traffic. A redesigned execution engine and third-generation ray-tracing unit target more conventional rendering, including Unreal Engine 5’s Nanite and Lumen technologies. Arm reports a 24% benchmark uplift, a 14% gain in non-AI gaming and a 70% reduction in ray-tracing workload.
Arm은 자사의 뉴럴 업스케일링이 540p 출력을 1080p로 변환할 수 있으며, 프레임 레이트 업스케일링은 초당 30프레임을 60프레임으로 전환할 수 있다고 밝혔습니다. 회사는 DRAM 트래픽을 70% 줄이는 동시에 프레임 레이트와 효율성이 최대 4배까지 증가한다고 주장합니다. 재설계된 실행 엔진과 3세대 레이 트레이싱 유닛은 언리얼 엔진 5(Unreal Engine 5)의 나나이트(Nanite) 및 루멘(Lumen) 기술을 포함한 보다 전통적인 렌더링을 겨냥합니다. Arm은 24%의 벤치마크 향상, 14%의 비(非)AI 게이밍 성능 향상, 그리고 70%의 레이 트레이싱 워크로드 감소를 보고하고 있습니다.
In data centers, Neoverse CSS N4 packages CPU cores, cache, memory management, interconnect and system IP into a configurable compute subsystem. Customers can adjust core count, cache capacity, I/O and connectivity while avoiding much of the integration work required to assemble custom silicon. Configurations scale to 128 cores per die. Compared with Neoverse CSS N3, Arm claims twice the socket performance, 1.25 times the performance per watt and 1.75 times the memory bandwidth under its stated reference conditions.
데이터 센터 부문에서 Neoverse CSS N4는 CPU 코어, 캐시, 메모리 관리, 상호 연결(interconnect), 시스템 IP를 설정 가능한(configurable) 연산 서브시스템으로 패키징합니다. 고객은 커스텀 실리콘을 조립하는 데 필요한 많은 통합 작업을 피하면서 코어 수, 캐시 용량, I/O 및 연결성을 조정할 수 있습니다. 구성은 다이당 최대 128개 코어까지 확장됩니다. Neoverse CSS N3와 비교하여, Arm은 명시된 기준 조건 하에서 2배의 소켓 성능, 와트당 1.25배의 성능, 그리고 1.75배의 메모리 대역폭을 제공한다고 주장합니다.
The technical significance is configurability. Agentic workloads mix model inference with CPU-intensive orchestration, sandbox execution, storage, networking and databases. Cloud providers therefore need both dense, efficient infrastructure and higher-performance processors. CSS N4 is intended to shorten the path to chips optimized for those differing requirements.
기술적 중요성은 바로 '구성 가능성'에 있습니다. 에이전틱(Agentic) 워크로드는 모델 추론과 CPU 집약적인 오케스트레이션, 샌드박스 실행, 스토리지, 네트워킹 및 데이터베이스를 혼합합니다. 따라서 클라우드 제공업체에는 조밀하고 효율적인 인프라와 고성능 프로세서가 모두 필요합니다. CSS N4는 이러한 서로 다른 요구사항에 최적화된 칩으로 가는 경로를 단축하기 위한 것입니다.
Arm’s physical-AI initiative extends the platform into robotics, industrial machinery and vehicles, where “photon-to-torque” latency—the time between sensing the environment and producing physical movement—is critical. Arm Total Design for Physical AI will bring silicon vendors, model developers, sensor suppliers, manufacturers and safety specialists together. A proposed Robotics Capability Framework would give those participants a common way to describe reusable capabilities.
Arm의 물리적 AI 이니셔티브는 이 플랫폼을 로보틱스, 산업용 기계, 그리고 차량으로 확장하며, 여기서는 환경 감지와 물리적 움직임 발생 사이의 시간인 '광자-토크(photon-to-torque)' 지연 시간이 매우 중요합니다. 물리적 AI를 위한 Arm 토탈 디자인(Arm Total Design)은 실리콘 공급업체, 모델 개발자, 센서 공급업체, 제조업체, 그리고 안전 전문가들을 한데 모을 것입니다. 제안된 로보틱스 역량 프레임워크(Robotics Capability Framework)는 이러한 참여자들이 재사용 가능한 역량을 공통된 방식으로 서술할 수 있도록 지원할 것입니다.
Bottom line: Arm is positioning itself as connective tissue for distributed AI. Its advantage is not one accelerator or model, but an architecture already spanning billions of devices and supported by more than 22 million developers. If Arm can make software and AI capabilities portable from cloud systems to phones and machines, developers could build agents once and deploy each component where latency, privacy, power consumption and performance make the most sense.
요약하자면: Arm은 분산형 AI를 위한 연결 조직(connective tissue)으로 자리매김하고 있습니다. 회사의 강점은 단 하나의 가속기나 모델에 있는 것이 아니라, 이미 수십억 대의 기기에 걸쳐 있고 2,200만 명 이상의 개발자들의 지원을 받는 아키텍처에 있습니다. Arm이 클라우드 시스템에서 스마트폰과 기기에 이르기까지 소프트웨어와 AI 기능을 이식 가능하게 만들 수 있다면, 개발자들은 에이전트를 한 번만 구축하고 지연 시간, 프라이버시, 전력 소모, 성능 측면에서 가장 적합한 곳에 각 컴포넌트를 배포할 수 있게 될 것입니다.
