CPU 没有被加速器取代：Arm CEO Rene Haas 谈芯片、供应链与机器人

章节时间轴

• 1:35 Arm 在供应链里的两个位置 — 主业是 CPU IP 授权，客户要么自有晶圆厂要么去 TSMC 流片；去年三月起 Arm 自己也要买基板、晶圆和内存。
• 2:20 为什么现在开始做芯片 — 从单个 IP 到 compute subsystem（乐高图纸）再到物理产品，驱动力是产品周期不减速而制造周期在拉长。
• 3:55 Meta 是第一个客户 — 客户要一颗通用 agentic CPU，市面上没人能给；Arm 事先逐一征询生态意见，推回的声音比预想少。
• 5:27 从 IP 公司变成 fabless 公司 — 需要供应链运营、内存配额谈判、后端布局与 bring up 实验室；领导层从 Broadcom、Qualcomm、Nvidia 招人补齐。
• 7:01 AI 在芯片设计中的真实渗透 — 验证/调试/文档是最大耗时项也是 AI 最擅长的部分；RTL 生成和物理实现仍不成熟，因为训练数据大多是专有的。
• 9:20 Arm 的数据优势 — 富有文档和测试台的 IP 组合是可训练的；很多公司的 IP「没文档、不可用、不可测试，因而不可训练」。
• 10:07 设计周期会缩到多短 — 两三年内难说，但五到十年内「从想法直接到 GDS2」对较直接的设计是可能的；要求「比 Vera Rubin 快 10%」这种目标仍无法一键完成。
• 11:38 客户多元化与供应链肌肉 — 大量拿到融资的 AI 芯片新公司，真正的门槛是资本、内存和基板关系，以及先进制程与封装产能的准入。
• 13:09 下一个瓶颈是数据中心 — 从封装到内存，瓶颈一路级联；现在轮到数据中心建设进度和地方限制成为「调速器」。
• 14:41 AI 泡沫怎么看 — 估值泡沫和供需泡沫必须分开；从供需角度「差得远」。
• 15:28 SoftBank 这张牌怎么打 — 单一大股东带来非正式但高频的沟通；对年轻公司的建议是极早期就建立战略合作，包括供应链、PE 与银行。
• 17:45 SoftBank Neo 与投资组合 — Rene 同时管着 Ampere、Graphcore 和 Stack AV，并参与 Masa 围绕机器人、OpenAI、基础设施与 Arm 的战略执行。
• 20:03 机器人：人形还是专用 — Rene 认为两者都会有；关键是机械上足够通用、可被重编程，加上成本下降。
• 22:21 Arm 在机器人里的位置 — 指尖端的实时感知微处理器是 Arm，人形机器人的「大脑」今天也几乎都跑在 Arm 上。
• 23:53 商业模式还没跑通 — 机器人成本太高，当前真正在卖的是汽车产线、手术机器人、配送中心这类定制场景；工厂自动化和配送会最先落地。
• 24:41 出口管制与本土制造 — Rene 以美国公民身份表态：这是无限游戏，比赛不会有赢家，但关键技术不在美国本土是坏事；美国需要更多晶圆厂。
• 28:36 数据中心为什么成了靶子 — 背后是「AI 抢工作」的恐惧；电工工会公开反对禁建数据中心，因为那正是他们要的高技能岗位。
• 31:39 领先者没有坏处 — 二阶三阶效应可以不喜欢，但当落后者意味着整个剧本由别人写。
• 33:11 CPU 的机会有多大 — 加速器造 token，CPU 负责编排与调度；边缘设备上「不可能在头上放一颗 50 瓦 GPU」，本地 AI 处理是 Arm 的甜蜜区。

详细内容

一、从卖图纸到卖芯片：Arm 的路线转折

Rene 先把 Arm 在供应链中的位置讲清楚：主业是授权 CPU 核心 IP，这些核心最终进入智能手机、数据中心、汽车等等；客户里少数像三星有自己的晶圆厂，绝大多数拿着设计去 TSMC 流片。因为覆盖面极广，Arm「基本什么都看得见」——汽车、数据中心、手机的景气度它都有一手体感 1:35。

去年三月，Arm 发布了自己的第一颗产品 Arm AGI CPU，也就是这次在 Hot Chips 上讲的那颗。Rene 半开玩笑说，现在 Arm「自己也泡在这锅汤里」了：要去买基板、买晶圆、买内存 2:20。

为什么是现在？他给的因果链很直接：几年前 Arm 观察到两个趋势在对撞——产品周期没有变慢，但芯片制造周期在拉长，于是「更快拿出方案」的价值越来越高。Arm 的第一步不是造芯片，而是从单个 IP 组件走到 compute subsystem。他用了当年路演时的乐高比喻：Arm 提供的是「怎么把这些积木拼起来」的蓝图。当时业界普遍怀疑——拼装本来就是芯片设计公司自己的活，你为什么要插一脚？结果需求「疯狂」（insane），因为它实打实压缩了 time to market，也省了成本 3:08。

物理产品是顺理成章的下一跳。触发点是 Meta：它想要一颗通用的 agentic CPU，而市面上没有任何人能提供，于是找上门说「不如我们一起做」3:55。

Rene 特别强调了生态这一步的处理方式。CPU IP 的价值完全取决于生态——芯片这一侧的生态和软件这一侧的生态。所以 Arm 事先几乎逐一询问了客户的态度，得到的推回比他预想的少得多。原因也讲得通：野外流通的软件越多（无论专有还是开源），整个生态和客户自身受益越大。Nvidia、Amazon、Microsoft、Google 这些自己就在造 Arm 架构服务器芯片的公司都表示支持；最终的证据是去年三月产品发布时，Jensen Huang、James Hamilton 等人全都出来道贺 4:40。

代价是能力重建。Arm 明确不会自建晶圆厂，仍是 fabless，但需要供应链运营团队、需要和 TSMC/Samsung 打交道、需要去 Samsung、Micron、SK Hynix 那里拿到内存配额；工程侧则要补齐后端、布局、实现、bring up 实验室这些「有实体的东西」——而 Rene 说，原来那门生意的美妙之处恰恰是没有实体 5:27。

Sarah 补了一句她当年发现的数字：Arm 的毛利率是 98.5%。Rene 承认「挺美的」，并回忆 2013 年他从 Nvidia 转来 Arm 时的第一感受：没有库存、没有 RMA、没有报废，这有什么不喜欢的 6:14。为了补上这套新肌肉，Arm 从 Broadcom、Qualcomm、Nvidia 挖了做过这件事的高管。

二、AI 已经在改写芯片设计流程

话题从 OpenAI 当天发布的 Jalapeño 芯片切入——OpenAI 宣称其快速上市的部分原因是用 AI 工具加速了设计 7:01。

Rene 的回答分两半。前半是态度：他坚信 AI 是一种提升全行业生产力的「公共设施」（utility），会成为伟大的拉平器，医疗、基础设施、机器人，每个行业都会把它当水电用。

后半是具体数字。芯片设计视复杂度需要 24~36 个月，但真正吃掉时间的不是架构设计和 RTL 生成，而是验证、确认、调试、文档——「AI 非常擅长这些」。他给出的内部渗透率是：今天 Arm 大约 80~90% 的工程师每天都在用 AI 7:47。他用了一个很有画面感的类比来说明不可逆性：如果现在把 AI 关掉，就像回到 1990 年代，你有了互联网，却被告知「只能在下午两点到四点上网，之后请去走廊尽头的图书馆查书」——那会是无政府状态。「精灵已经出瓶了，没法塞回去。」8:34

但他明确点出工具还不成熟的地方：RTL 生成、物理设计与实现要达到业界最佳水平仍然不行。原因是模型只能拿公开可得的数据训练，而这部分信息高度专有 8:34。

Elad 追问 Arm 是否在微调模型来补这个缺口。Rene 说确实在和模型厂商合作，并顺势讲了 Arm 一个容易被忽略的资产：因为核心业务就是 IP，Arm 拥有极丰富的 IP 组合，而「杀手锏」不是 IP 本身，是文档和测试台。他讲了个反例——过去有芯片公司想把手里的 IP 拿去授权变现，结果发现没有文档、没有说明，根本没人能用。他把这条逻辑推到底：不可用且不可测试，就等于不可训练；不可训练，对 AI 就没价值 9:20。

关于设计周期会不会崩塌，Rene 给的判断相当克制：两三年内他不认为会发生，但五年以上、「从想法直接到 GDS2 文件」（送去流片的那个文件）对相对直接的设计是完全可能的，因为设计和验证两大块都被拿掉了。不过如果你走进工具里说「给我设计一个比 Vera Rubin 快 10%、便宜 20%、在这个模型上效率高 30% 的东西」，那不是按个按钮就能出来的。他的结论是 5~10 年内芯片设计方式会有「惊人的差别」10:53。

三、供应链：紧缺至少还有 3 到 5 年，下一个瓶颈是数据中心

Elad 指出 AI 算力的瓶颈是一连串级联事件：两年前是封装及相关环节，现在人们谈的是内存 13:09。他问下一个瓶颈是什么。

Rene 的答案是数据中心建设本身。他的观察很具体：今天在建的项目里，「没有多少是提前于计划、且用的人力比预想更少的」。再叠加美国国内不同地区出现的放缓或限制数据中心开发的声音，基础设施建设很可能成为逆风 13:55。

他随后补了一个反直觉的推论：这件事「打引号地说」也许还算 OK——因为如果基础设施建设不成为逆风，那晶圆产能和内存产能就会成为逆风。换句话说，会有一系列「调速器」轮流出现，限制这波增长的速度 14:41。

顺着这个话头，他直接回应了他在各种论坛上被反复问到的「AI 泡沫」问题，并做了一个关键切分：股市估值层面的泡沫是一回事；而供给相对需求是否过剩，是另一回事，后者「差得远」（not even close）。理由是模型的工作方式决定了需求近乎无止境。他给出的时间判断是：这种受限环境「12 个月不会停，24 个月也不会停，我认为至少还要 3 到 5 年」，因为只要 transformer 还是生成 AI 的能量单位，它按设计就是极度吃算力和内存的 12:24。

这也改变了他看待客户结构的方式。现在有大量拿到巨额融资、设计很创新的年轻 AI 芯片公司，但它们卖进的是一个资本要求极其庞大的行业，与内存厂商、基板厂商的关系至关重要，还要拿到 3nm 产线、16nm 产线和先进封装产线的准入。Rene 的判断是：供应链的操盘能力（supply chain acumen）会成为比设计能力更关键的肌肉 12:24。

四、SoftBank 这张牌：资本、生态与一个可能的「归宿」

Sarah 把话题转到资本结构：ARM 是一台漂亮的现金流机器，但有一个占绝对主导的单一股东；对于要么烧算力、要么砸资本开支的重资产创业者，Rene 有什么建议 15:28。

Rene 承认这是优势：他和「首席股东」有大量非正式的投资人沟通，而且双方在很多事情上可以协同互补，帮助 Arm 推进自己的议程。对年轻公司，他的建议是极早期就建立战略合作——不只是和供应链里的人，也包括私募股权和银行，因为「现在是另一套玩法」。他描述了这个行业的钟摆：半导体创业曾经长期无人问津，现在又回来了，涌现出一波半导体初创，但资本获取才是它们真正的关卡 16:13。

他随后透露了 SoftBank 侧的一个具体路径：SoftBank 刚宣布 SoftBank Neo，意图成为一家 neocloud。在这个格局里，SoftBank 可以成为那些手握芯片技术的年轻公司的「家」——否则它们得自己去 Microsoft 或 Google 争取一个 design win 16:59。

被问到他在 SoftBank 的职责范围时，Rene 解释了集团结构：SoftBank Group 总部在日本、由 Masa 领导，下面有多家运营公司，其中最大之一是 SoftBank KK（移动业务）；美国这边是 SoftBank Group International，还有 SoftBank Vision Fund。他直接领导 Ampere、Graphcore 和一家做自动驾驶的 Stack AV，但他说更准确的描述是：他「在 Masa 的很多讨论现场」，帮助形成战略并且更重要地——执行它。Masa 在股东会上公开讲的四条主线是机器人、OpenAI、基础设施和 Arm 18:32。

这对 Arm 意味着什么？两点：一是极佳的鸟瞰视角，能同时看到基础设施、资本和能源的走向；二是 SoftBank 的这些垂直领域「可以成为 Arm 产品的一个归宿」——他措辞谨慎地说「不一定是那个归宿，但确实可以是一个归宿」，甚至可以只为 SoftBank 做产品，而不必进入广义的商用芯片市场 19:17。

五、机器人：形态之争与还没跑通的商业模式

Sarah 给出了她的判断作为提问前提：通用机器人认真做了大概两年，相比 LLM 的十年还很早；现在能看到任务与环境泛化、鲁棒性甚至上下文学习的有趣 demo，但还没有大规模部署 20:03。Rene 同意这个判断。

他的预测是：无论人形还是可再训练的专用机器，规模都会「非常巨大」。他把对照组讲得很清楚——「机器人 1.0」是纯专用的：一套机械结构为某个特定任务设计，软件也为该任务优化；一旦上了新车型或换了设备，机器人不适配就得把整条线拆掉重来，门槛因此极高。而当机器人能通过训练或观察来学习、机械上又足够通用可被重编程、成本还在下降时，「你会想，还有什么是它做不了的」20:48。

他顺带给了一个略带调侃的判断：Instagram 和 TikTok 上那些机器人奥运比赛很热闹，但他不认为会有人真的想看一个机器人体育联赛——可能有发烧友群体，但更广泛的效用还是在替代人类劳动任务上 21:35。

关于形态之争，Elad 概括了两个阵营：一派认为会是人形或大致人类尺寸，因为物理世界和工具本来就是按人设计的，机器人可以直接插进去；另一派认为会是更专用的形态。Rene 的答案是「两者都有」——确实有大量工作是围绕「一个六英尺高、手臂多长」的人优化的 22:21。

而无论哪种形态，他都认为 Arm 会无处不在：指尖上负责感知的实时微处理器会是 Arm；今天人形机器人里的「大脑」，不管是 Nvidia 的还是 Qualcomm 做的那部分，也基本都跑在 Arm 上 23:07。

但被问到早期采用信号时，他给了一个偏冷静的答案：现在还早，因为商业模式还没被验证。机器人成本太高，让客户自己买机器人是个很难讲通的模型。今天真正在发生机器人销售的是几类相当定制化的场景——汽车产线、某些手术机器人、配送中心。Elad 追问配送中心，Rene 认可这块可以完全自动化，一路自动化到最终配送，并补了一句：广义上讲，一辆有自动驾驶能力的卡车也是一种机器人。他的结论是工厂自动化、配送与分拣会是最先被自动化的领域，「毫无疑问」23:53。

六、出口管制、本土制造与数据中心的舆论战

Sarah 抛出一个组合问题：围绕机器人、芯片、数据中心的供应链管制和使用管制，加上出口管制，共四类，Rene 认为美国和西方应该有多保护主义 24:41。

Rene 先做了身份声明：Arm 不是美国公司，总部在英国，员工大约 40% 在英国、30% 在美国、30% 在亚洲，但美国业务体量很大；接下来他明确以「美国公民」和一个在半导体行业长大的人的身份发言 25:30。

他讲了一段历史类比：1980 年代美国是半导体的领导者，日本在内存定价上极其激进并夺走大量份额，美国于是搞了 Sematech 来重整本土半导体产业，他认为这在当时是对的、也确实有能量。随后互联网来了、SaaS 成为风口，人们就淡忘了半导体是战略资产这件事 26:16。他的立场是：美国必须把尽可能多的这类技术留在本土——不管是 Intel 还是 Micron，「我们需要更多美国晶圆厂」，这既是国家安全问题，也是供应链多元化问题 27:02。

对出口管制本身，他的个人看法更微妙：所谓「限制芯片以免中国赢下这场竞赛」，在他看来这是一场无限游戏——他首先不认为这场竞赛会有赢家，比赛也不会结束；但确实可能演变成关键技术都不在美国本土的局面，那才是坏结果 27:02。他反驳了「成本会下降、商品会更便宜」的说法，理由是：站在技术前沿不仅驱动创新，还驱动生态。他举了二战后 1950 年代的美国汽车业——底特律是宇宙中心，而威斯康星、俄亥俄、伊利诺伊分布着 Firestone 这样的配套企业，整个生态喂养着它 27:49。

数据中心是同一个道理。他直接反驳了「数据中心就是个大 Costco 盒子、停车场只有两辆车、全自动运行所以不创造就业」的说法——「我说这是胡扯」，因为能源、液冷、以及所有让数据中心变得更好的环节，全都是可以在本土创造和完成的工作 28:36。

Elad 追问为什么反数据中心的声浪看起来「协调得不像草根」。Rene 认为根子是恐惧：AI 意味着失业，失业意味着一系列后果。Sarah 反问这种恐惧是否站得住脚，Rene 说「完全站不住」，并搬出一个具体反例：电工工会最近明确表态请不要禁建数据中心，因为他们需要这些工作 29:22。他把这个例子展开：电工过去可能被贴上「不需要博士学位」的低教育标签，但那其实是需要大量训练和认证的高技能工作，而且数据中心需要海量电工。

他承认背后有真实的社会情绪：AI 繁荣让一部分人受益，也有大批人毫无收益；在美国政治场景里，很多人房贷都难以负担、工资没涨，现在又冒出一个看起来会让日子更难的 AI。于是数据中心不幸成了「所有 AI 可能的坏处」的靶心——包括那些他认为纯属编造的说法，比如举着被染色的水说数据中心毁了水源 30:07。Sarah 补充说这些议题周围也存在有组织的媒体影响，但同时强调：一个快速增长的新产业确实能给周边社区带来技术、岗位和财富，只是这件事要靠行业自己去沟通。

Rene 用一句他认为最重要的话收尾：无论是智能手机、互联网还是个人电脑，做领先者「没有任何坏处」。会有你不喜欢的二阶、三阶效应，但作为落后者，整个剧本都由别人口述给你。他指出世界上那些不在这个领域领先的地区，经济上和社会上都被落下，政府还要背上沉重的税负 31:39。

七、CPU 的反击：token 造出来之后，谁来运

最后 Sarah 把话题拉回本行：这个时代 CPU 的机会主要是两块——机架里的 CPU（Vera、Graviton 这类），以及 agent 视角的用途，比如沙箱、让 agent 使用现有软件、API 调用和工具 33:59。

Rene 的回答是全期最凝练的一段。他先复盘了行业心态的摆动：ChatGPT 爆发后一切都关于加速器，「不管问题是什么，答案都是加速器」。但事实是——「从来没有哪个被发明出来的计算问题是用不上微处理器的。它是一切的心脏，所有的路都要经过它、绕过它、穿过它」34:44。你看任何基础的系统设计，都必须有 CPU，它们不会凭空消失。

真正让 CPU 重回视野的是重心迁移：当越来越多的工作从训练转向推理、转向 token 的使用，系统里就必须有东西来做编排、仲裁、决定这些 token 往哪去。他的比喻是：token 工厂只管生产 token，「那么把 token 拉走、交到用户手上的卡车在哪里？」——那就是 CPU 干的活。除非有人发明出一种目前尚未被定义的替代机制，否则 CPU 会过得很好，而且需求会是巨量的，与生成 token 的加速器并存 35:31。

他强调这要当作一个系统问题来看：内存当然是必需的，因为在冯·诺依曼架构里你有 CPU、有某种加速器（浮点或 GPU）、还有内存，系统设计的基本盘并没有变，只是关注点挪来挪去。而且这条逻辑对数据中心成立，对汽车、机器人、手机、可穿戴同样成立 35:31。

最后他点出边缘侧才是 Arm 的甜蜜区：footprint 越小，越多 AI 会在本地发生，而 CPU 在边缘设备上本来就是 table stakes——你不可能在头上放一颗 50 瓦的 GPU，所以那部分 AI 处理必须在本地完成，这正好落在 Arm 指令集架构的能力范围内 36:18。

问到未来一两年最兴奋的事，Rene 的回答是「身处这一切的中心」：所有 AI 都需要某种形式的算力，那是 Arm 做的事；而那些算力必须是能效高的，那是 Arm 特别擅长的事。他对比了自己职业生涯里曾经反复思考的问题——「人们真的还需要一台平板吗？它该是 8.9 英寸还是 9.2 英寸？」——而现在 AI 带来的创新机会是压倒性的丰盛 33:11。

金句

从来没有哪个被发明出来的计算问题是用不上微处理器的。它是一切的心脏，所有的路都要经过它、绕过它、穿过它。 —— Rene Haas 34:44

如果现在把 AI 关掉，就像回到 1990 年代：你有了互联网，却被告知只能在下午两点到四点上网。精灵已经出瓶了，没法塞回去。 —— Rene Haas 8:34

如果它不可用、不可测试，那它就是不可训练的；不可训练，对 AI 就没有价值。 —— Rene Haas 9:20

抛开估值泡沫不谈，从供给对需求的角度，差得远。 —— Rene Haas 14:41

做领先者没有任何坏处。会有你不喜欢的二阶三阶效应，但作为落后者，整个剧本都是由别人口述给你的。 —— Rene Haas 31:39

说数据中心不创造就业，我说这是胡扯——能源、液冷、所有让数据中心变得更好的事，都是可以在这里创造的工作。 —— Rene Haas 28:36

提到的书·产品·人物

• Arm AGI CPU（产品）：Arm 去年三月发布的第一颗物理芯片产品，也是本次 Hot Chips 上展示的内容，首个客户是 Meta。
• Meta（公司）：想要一颗通用 agentic CPU 却找不到供货方，主动提议与 Arm 合作，促成 Arm 进入成品芯片业务。
• Jalapeño（产品）：OpenAI 当天发布的自研芯片，宣称借助 AI 工具实现了很快的上市速度，是节目讨论 AI 辅助芯片设计的引子。
• Vera Rubin（产品）：Nvidia 的芯片，被 Rene 用作「让 AI 一键设计出比它快 10%、便宜 20%」这一还做不到的目标的参照。
• TSMC / Samsung / Micron / SK Hynix（公司）：Arm 做物理产品后必须打交道的代工与内存供应方，内存配额是关键谈判点。
• SoftBank Group / SoftBank Vision Fund / SoftBank KK（公司）：Rene 兼任 SoftBank Group International 负责人，集团战略围绕机器人、OpenAI、基础设施与 Arm 四条线。
• SoftBank Neo（产品）：SoftBank 新宣布的 neocloud 计划，Rene 认为可以成为年轻芯片公司的落地场景，替代它们去大厂争取 design win。
• Ampere / Graphcore / Stack AV（公司）：Rene 在 SoftBank 体系内直接领导方向的三家公司，Stack AV 做自动驾驶。
• Masayoshi Son（Masa）（人物）：SoftBank 创始人，在日本股东会上公开阐述了机器人、OpenAI、基础设施、Arm 四大战略。
• Jensen Huang / James Hamilton（人物）：Arm 发布首款芯片时公开祝贺的客户方高管，代表 Nvidia 与 Amazon 的生态背书。
• Sematech（组织）：1980 年代美国为应对日本内存冲击而设立的半导体产业重整计划，Rene 用作本土制造政策的历史类比。
• Graviton / Vera（产品）：AWS 与 Nvidia 的 Arm 架构服务器 CPU，被用作「机架里的 CPU」这一市场的代表。
• GDS2（技术名词）：送交晶圆厂制造的最终设计文件格式，Rene 用「从想法直接到 GDS2」来描述 5~10 年后可能的设计流程。

适合谁听

关心 AI 算力供应链走向、想搞清楚 CPU 在推理时代还剩多少位置，或在评估半导体与机器人赛道投资节奏的人。