甜蜜蜜
安谋科技周易X3 Pro NPU，为Agentic AI而生_我的网站
A | 1月12日：谷歌Chrome操作系统已经有了一个基本的文件管理器很多年了。虽然谷歌希望它的操作系统是基于云的，并且需要最少的离线交互，但它允许用户在Chrome操作系统中管理他们的下载。但不适合长期存放。
B | 如果你的Chromebook（通常是16GB或32GB）已满，你可以自动清除文件。 2026年7月18日，在上海世博展览馆召开的“世界人工智能大会”现场，安谋科技举办了一场聚焦端侧AI的发布会，NPU产品线负责人、首席架构师舒浩博士带来了《Agentic AI时代下，“周易”NPU的全场景进化》的演讲，并披露了安谋科技自研的全新 “周易X3 Pro NPU”。 “我们正在一个行业变局的浪潮中，从过去的万物互联正要走向未来的万物智能。
C | AI计算底座应该如何进化？我的答案是需要让AI智能体走进每一台边端侧设备，同时让每一台边端侧设备变成我们的智能伙伴。现在，谷歌ChromeOS72的一面旗帜表明，谷歌可能正在改变主意。使用ChromeOS72的启用my files卷标志，用户现在可以将整个my files文件夹转换为读写磁盘，就像主流桌面操作系统一样。这意味着它们不受下载文件夹的严格限制，您可以创建新文件夹并将文件拖到任何所需的位置。
D | 标志内容是：允许将myfiles用作读/写卷。这只能用于测试或尝试恢复以前的下载。而承载这一愿景的，正是安谋科技自研的周易NPU。谷歌似乎将其视为默认设置，而标志则是恢复旧系统所必需的。这是因为当启用当前实现时，下载文件夹中以前的所有内容都将隐藏。”舒浩说道。 四个关键洞察：AI计算底座必须全面进化 过去一年多来，AI行业从技术、产品到应用场景都发生了巨变。如果谷歌将此标志设为默认标志，这将是一个长期变化。舒浩认为，针对AI智能体的推理场景，AI计算底座必须进行全面的进化。ChromeOS已经从仅仅是一个浏览器转向运行Android应用程序、Linux应用程序，甚至可能是Windows应用程序。
E | 舒浩的这一判断，主要源自四个维度的观察： 其一，模型能力大幅提升，推理需求从云端走向边端。舒浩指出，当前AI模型在逻辑推理、软件工程能力和Agent能力三个方向上取得了飞跃式进展。目前，它仍然是操作系统测试版中隐藏的一个标志，可以随时删除。逻辑推理基准测试中，AI已经超越人类专家，能够独立处理复杂任务；软件工程层面，AI已接近生产力级别，可像中高级专家一样审阅文档、编写代码甚至修复Bug；而在Agent能力上，过去半年尤其迅猛，现在的AI已经可以熟练操作电脑、使用浏览器，生成和编辑各类文件，从简单的工具演变为可以与人协同的工作伙伴。 模型能力已经完全达到实用化要求，为AI应用爆发奠定了扎实的基础。而更关键的是，中小模型（如30B参数级别）的能力正在快速逼近旗舰模型，这意味着未来的推理计算需求不会只集中在云端，边端侧AI推理将迎来爆发前夜的窗口期。 其二，推理范式从单轮对话演变为AI智能体多轮协作。过去使用云端AI，是用户提问上传、云端计算返回答案的一次性交互。这种模式对网络依赖重，缺乏上下文，无法处理复杂场景。
F | 而未来的AI智能体时代，将是一个集感知、记忆、推理、行动持续循环的闭环模式。大量请求需要实时本地处理，需要保持长上下文以应对复杂问题，同时兼顾数据隐私和主动理解场景的能力。 舒浩将其总结为“持续感知+上下文记忆+多模态理解+主动行动”的集合。他强调，这种范式转变“一定会催生NPU计算架构的改变”，NPU需要从一次性的推理加速器进化为AI智能体的计算底座。 其三，不同应用场景推理工作负载高度分化，统一硬件无法适配所有场景。舒浩展示了一组AI推理Token消耗数据：代码编程以52%的占比成为绝对主力，紧随其后的是角色扮演、工程技术、语言翻译、科学计算等。
G | 但比起Token消耗，更值得关注的是不同应用场景对系统资源需求的差异。比如，代码编程场景对Prompt和KV Cache需求大，对推理延迟有一定要求，但成本不敏感；角色扮演对推理延迟要求极高，追求实时交互体验；语言翻译则对系统成本最为敏感。 “整个云端推理负载已经分化，不同场景对性能指标、系统资源的要求都不相同。”舒浩断言，“理论上我们没法使用统一的硬件解决方案来适配各种不同的使用场景。” 其四，边端侧AI推理场景需求差异极大。舒浩将边端侧AI场景划分为四大类，各自的核心诉求截然不同：手机、PC、可穿戴等个人终端设备，核心诉求是电池续航、个人隐私和本地快速响应；摄像头、门锁、自动驾驶、机器人等视觉与空间智能场景，核心诉求是多模态传感、低延迟处理和功能安全；工业网关、边缘工控机等工业与能源边缘场景，核心诉求是任务确定性、设备可靠性和长生命周期；家庭AI Box、边缘服务器等边缘节点与AI本地盒子，核心诉求则是多路并发、24小时在线和云边协同。 边端侧AI推理场景对于系统需求的巨大差异，也再度反映了无法用统一硬件方案高效适配所有场景。 周易X3-Pro计算架构：统一、分层、场景化 面对这一核心矛盾，舒浩给出了安谋科技的“周易”NPU的演进路径：一个全场景部署、极致系统效率加高部署效率的计算底座。 回顾“周易”NPU的发展路线图，从2018年的Z1 NPU开始起步，到现在完整经历了CNN时代、CNN+Transformer时代、大模型时代，如今正迈向Agentic AI时代。
H | 去年发布的“周易”X3 NPU被定位为“专为大模型而生的端侧AI效率新标杆”。
I | 而随着AI智能体的兴起，安谋科技团队正在研发新一代“周易”X3-Pro架构，定位为“面向Agentic AI全场景高效的计算架构”。 舒浩逐层剖析了X3-Pro的核心思路：通过统一架构、灵活的实例化配置来覆盖各种不同场景。未来产品线将分为三个梯度：X3-Pro Lite系列覆盖低功耗端侧推理场景，X3 Premium系列覆盖中等算力推理场景，X3-Pro Subsys系列覆盖大算力复杂推理场景。 支撑这一产品矩阵的，是“统一的分层场景化NPU计算架构”。舒浩解释道，“统一、分层、场景化”三个关键词贯穿设计始终。 具体来说，在应用层，面对边端侧各种各样的推理场景，通过统一的软件层进行适配，保证高部署效率；在中间的核心软硬件适配层，上层定义统一的ISA和统一硬件界面，下层则引入差异化的硬件抽象，以对接不同的硬件层；硬件层在统一计算架构下，可设计可穿戴专用NPU（强调专用架构和高计算效率）、端侧通用NPU（强调通用架构和高灵活性）、存算一体NPU乃至非冯·诺依曼创新架构（强调高灵活性和极致系统效率）。 舒浩将这套设计哲学凝练为十六个字：“一次适配，多芯复用，面向场景，灵活配置”。软件层面，统一的软件架构让客户可以在多个行业和产品形态中复用历史的模型适配、调优和部署经验；硬件层面，面向场景的统一架构配合多种灵活适配方式，高效满足不同场景对性能、功耗、灵活性、可编程性的差异化要求。
J | 在关键特性升级方面，据介绍，X3-Pro相较去年发布的X3在多个维度实现了跃升：通用可编程性上支持更多数据精度和更高效的统一编程模型；专用计算效率上引入更多混合精度加速计算；灵活可配置性上实现更强大的单核算力、更灵活的Cluster配置以及可配置的内存层次架构；面向未来的可扩展性上，创新性地支持了非冯·诺依曼架构。 “让AI智能体走进每台边端侧设备。”舒浩在演讲最后，提出了希望与生态伙伴共同定义Agentic AI时代边端侧智能产品范式的愿景。 小结： 从CPU产品线的“星辰”平台到NPU产品线的“周易”X3-Pro，安谋科技正在边端侧AI的广阔战场上，布下一盘覆盖全场景、兼顾效率与灵活性的棋局。当AI智能体从云端走向真实世界的每一个角落，底层的计算底座进化，才刚刚开始。 编辑：芯智讯-浪客剑。
Current article:http://c6rsp.jiubengtaibingpengou.pics/list_j5eq7yt/e5q9.html
Published on:11:22:48