La apuesta de Arm por la IA en el edge conecta los centros de datos con los dispositivos, pero el software debe acompañarla
Arm amplió su estrategia de IA en tres mercados de computación el 8 de septiembre, conectando servidores en la nube, dispositivos de edge y máquinas físicas mediante una sola arquitectura. La apuesta de Arm por la IA en el edge incluye nuevos diseños para centros de datos, una plataforma de computación móvil, software para desarrolladores y un programa de colaboración para robótica.
El anuncio es relevante porque Arm ya no presenta historias separadas para servidores, smartphones y sistemas integrados. Quiere que los desarrolladores los traten como partes de un mismo continuo informático. Un agente de IA podría entrenarse o recuperar información en la nube, tomar decisiones privadas en un teléfono y actuar mediante un robot.
Esa visión desafía el modelo centrado en la nube que definió el primer auge de la IA generativa. Nvidia sigue siendo fundamental para la computación acelerada, mientras AMD e Intel compiten en servidores y computadoras personales. Qualcomm, Apple, MediaTek y otros licenciatarios de Arm ya impulsan la IA en el dispositivo. Ahora Arm quiere que su arquitectura y su capa de software conecten esos mercados sin desplazar a los socios que fabrican los chips terminados.
La IA en el edge de Arm se convierte en una estrategia para toda la plataforma
El anuncio de Arm transforma la IA en el edge de una función de dispositivo en una parte de una plataforma coordinada desde la nube hasta el dispositivo.
La empresa presentó varios productos e iniciativas en su evento Arm Everywhere en China. En conjunto, abarcan infraestructura en la nube, computación móvil, herramientas para desarrolladores y sistemas de IA física.
Para los centros de datos, Arm anunció Neoverse Compute Subsystems N4, o CSS N4. Un subsistema de computación integra núcleos de procesador, interfaces de memoria y otros componentes validados que los diseñadores de chips pueden configurar para sus productos.
CSS N4 admite hasta 128 núcleos por die, memoria LPDDR6 y conectividad PCIe Gen 7. Arm afirma que ofrece hasta el doble de rendimiento que CSS N3. La empresa también asegura hasta 1,25 veces más rendimiento por vatio y 1,75 veces más ancho de banda de memoria.
Estas cifras son mediciones de Arm, no benchmarks independientes de producción. Su importancia reside en la posición del producto. CSS N4 ofrece a las empresas de nube y proveedores de semiconductores otra vía hacia infraestructura personalizada basada en Arm sin tener que diseñar cada componente por sí mismos.
El subsistema se sitúa junto a Arm AGI CPU, el procesador terminado para centros de datos presentado en marzo de 2026. Arm diseñó AGI CPU para tareas de orquestación en torno a aceleradores de IA. Estas tareas incluyen programar trabajo, mover datos, operar bases de datos y coordinar grupos de agentes de software.
Arm afirma que OpenAI, Meta, Cloudflare, Oracle, SAP, Lenovo, Supermicro y Verda están desarrollando soluciones en torno a AGI CPU. Volcano Engine de ByteDance planea ofrecer sandboxes de agentes mediante el procesador. Los sandboxes de agentes son entornos aislados donde los agentes de software pueden ejecutar herramientas y código con acceso controlado.
La parte de edge llega mediante CSS for Mobile 2. Esta plataforma combina el clúster de CPU C2 de Arm, el procesador gráfico Mali G2-Ultra NX, componentes de sistema, diseños físicos y software de apoyo.
El diseño Mali añade aceleradores neuronales dedicados para gráficos asistidos por IA. La CPU C2 Ultra incluye Scalable Matrix Extension 2, o SME2, que acelera las operaciones matriciales utilizadas por muchos modelos de IA.
Arm también anunció un AI Portal que cataloga modelos optimizados, información de rendimiento, ejemplos de código y flujos de trabajo de despliegue. El portal se lanza con modelos como Qwen de Alibaba, Gemma de Google y Ultralytics YOLO.
La propuesta resultante de IA en el edge de Arm es más amplia que un solo procesador nuevo. Arm quiere que un modelo seleccionado en la nube tenga una vía práctica de optimización hacia teléfonos, computadoras, cámaras, vehículos y robots.
Esa continuidad crea la tensión central. Una arquitectura común puede reducir la ingeniería duplicada, pero la arquitectura por sí sola no garantiza un rendimiento uniforme entre dispositivos radicalmente distintos.
Por qué la IA agéntica va más allá de la nube
La IA agéntica hace que la computación local sea más valiosa porque enviar continuamente cada observación y decisión a un centro de datos genera problemas de latencia, privacidad y costes.
La IA generativa concentró inicialmente la demanda en los centros de datos en la nube. Entrenar modelos grandes requería clústeres de aceleradores, mientras que la mayoría de las aplicaciones de consumo enviaban prompts a servicios de inferencia remotos.
Los sistemas agénticos cambian ese patrón. Un agente hace más que producir texto o una imagen. Puede recuperar registros, llamar herramientas de software, supervisar entradas, actualizar un plan y coordinarse con otros agentes.
Cada acción genera trabajo informático adicional. Las CPU en la nube deben gestionar almacenamiento, redes, bases de datos, controles de seguridad y aceleradores. Los procesadores de edge deben decidir qué tareas requieren la nube y cuáles pueden permanecer locales.
El anuncio de Arm sobre infraestructura en la nube sostiene que ninguna configuración única de procesador se adapta a todas las cargas de trabajo. CSS N4 se dirige a clientes que construyen silicio personalizado, mientras que AGI CPU ofrece hardware listo para producción.
Esa distinción refleja un mercado de centros de datos fragmentado. Los grandes operadores de nube diseñan procesadores personalizados en torno a su propia infraestructura. Otros compradores prefieren servidores ensamblados con componentes estandarizados porque carecen de la capacidad de ingeniería necesaria para crear silicio.
El edge genera todavía más variación. Un smartphone premium, una cámara de seguridad y un robot industrial afrontan límites distintos. La capacidad de batería, el calor, la memoria, el tiempo de respuesta y la seguridad física pueden determinar dónde se realiza la inferencia.
El procesamiento en el dispositivo puede ofrecer respuestas inmediatas sin conexión de red. También puede mantener el audio, las imágenes o los datos empresariales sensibles fuera de un servicio remoto. Sin embargo, los modelos locales suelen operar con menos memoria y capacidad de computación.
Por tanto, un agente práctico dividirá su trabajo. Un teléfono podría reconocer voz localmente, recuperar información compleja de un servicio en la nube y resumir la respuesta en el dispositivo. Un robot podría procesar el control de movimiento localmente mientras utiliza infraestructura remota para aprendizaje a escala de flota.
La oportunidad de Arm procede de su presencia existente en dispositivos con restricciones energéticas. La empresa puede ofrecer continuidad arquitectónica a medida que esos dispositivos asumen más trabajo de IA. Su expansión en centros de datos aporta un segundo extremo a esa historia.
La estrategia presiona a las pilas de software exclusivamente en la nube de forma más directa que a un fabricante concreto de chips. Los desarrolladores esperarán que las aplicaciones se muevan entre ejecución remota y local sin requerir una reescritura completa.
También presiona a los proveedores de procesadores para que ofrezcan algo más que puntuaciones máximas en benchmarks. Necesitan compiladores, runtimes, bibliotecas de modelos, herramientas de depuración y sistemas de despliegue que funcionen en varias categorías de dispositivos.
Nvidia ha abordado ese problema mediante una plataforma estrechamente integrada de hardware y software. Qualcomm fabrica sistemas Snapdragon completos para teléfonos y computadoras. Apple controla el silicio, el sistema operativo y los dispositivos dentro de su propia línea de productos.
Arm sigue una ruta diferente. Suministra tecnología a muchas empresas competidoras. Su escala ofrece alcance, pero su modelo de licencias limita el control directo sobre la experiencia final del usuario.
El verdadero mecanismo es el software compartido
La principal ventaja de Arm no es una especificación concreta de procesador, sino la posibilidad de reutilizar software en una base de hardware inusualmente amplia.
Arm afirma que su ecosistema incluye más de 22 millones de desarrolladores. Esa cifra representa un alcance potencial, aunque no muestra cuántos desarrolladores optimizan activamente cargas de trabajo de IA para cada nueva plataforma Arm.
El nuevo portal de modelos de IA está diseñado para facilitar la navegación por ese ecosistema. Los desarrolladores pueden buscar modelos específicos para cada tarea, comparar requisitos de latencia y memoria, y acceder a ejemplos de despliegue.
El portal admite cargas de trabajo de lenguaje, voz, visión por computadora y gráficos neuronales. Incluye runtimes como ExecuTorch, LiteRT y ONNX Runtime. Un runtime proporciona el software necesario para ejecutar un modelo entrenado en hardware concreto.
Arm afirma que los desarrolladores pueden acceder a modelos optimizados mediante Hugging Face. Los agentes de programación también pueden acceder a los recursos del portal a través de Model Context Protocol, un estándar para conectar sistemas de IA con herramientas e información externas.
Este enfoque legible por máquinas encaja con la tesis de Arm sobre computación agéntica. Un agente de software podría identificar un modelo adecuado, revisar los requisitos del dispositivo y recuperar un flujo de trabajo de optimización sin depender por completo de investigación manual.
Arm informó de dos primeros resultados de optimización. Según se informa, Qwen3-TTS funcionó más de cuatro veces más rápido en un smartphone Vivo X300 tras aplicar cuantización mixta y aceleración SME2. La cuantización reduce la precisión numérica de los cálculos del modelo para disminuir el uso de memoria y la demanda de computación.
Arm también afirma que Ultralytics YOLO26n mejoró el rendimiento en más de un 40 %. La empresa probó el modelo de visión por computadora en un Vivo X300 y Raspberry Pi 5 utilizando formatos de menor precisión.
Estos resultados demuestran lo que la optimización específica puede lograr en hardware seleccionado. No establecen ganancias equivalentes en todos los modelos, sistemas operativos o chips basados en Arm.
Esa limitación explica por qué el software es el mecanismo esencial. Dos procesadores pueden implementar el mismo conjunto de instrucciones y, aun así, ofrecer distinta capacidad de memoria, hardware gráfico, aceleradores neuronales y límites térmicos.
Los desarrolladores aún deben elegir qué procesador gestiona cada tarea. Deben probar la precisión tras la cuantización, medir el rendimiento sostenido y tener en cuenta las cargas de trabajo en segundo plano. Un modelo que funciona durante una demostración breve puede comportarse de manera distinta durante el uso continuo.
La plataforma de computación móvil intenta reducir esa variabilidad al integrar una mayor parte del diseño. CSS for Mobile 2 proporciona CPU, GPU, componentes de sistema, implementaciones y software como una plataforma coordinada.
La familia de CPU C2 de Arm incluye varias configuraciones para distintas necesidades de rendimiento y eficiencia. La C2 Ultra insignia añade SME2, mientras que Mali G2-Ultra NX incluye aceleración neuronal dedicada dentro de la GPU.
Este diseño permite que el trabajo de IA se mueva entre varios motores de computación. Una CPU puede gestionar código con gran carga de control. Una GPU puede procesar gráficos y operaciones de modelos altamente paralelos. Un acelerador dedicado puede ejecutar de forma eficiente cargas de trabajo neuronales compatibles.
Esa distribución importa para una IA en el edge sostenida. Enrutar cada tarea a través de un único procesador desperdiciaría energía y crearía cuellos de botella.
Sin embargo, el éxito de la plataforma depende del soporte de las aplicaciones. Los desarrolladores necesitan herramientas que expongan el hardware sin obligarlos a mantener implementaciones separadas para el chip de cada proveedor.
Por ello, Arm AI Portal es estratégicamente más importante de lo que podría sugerir su modesta interfaz. Conecta los anuncios de hardware de Arm con el trabajo diario necesario para desplegar modelos.
El amplio alcance de Arm también crea su restricción más difícil
Arm debe coordinar un ecosistema que no controla plenamente, mientras varios socios compiten mediante hardware y software propietarios.
Arm concede licencias de diseños de procesadores y tecnología de conjuntos de instrucciones a empresas de semiconductores. Esas empresas combinan los componentes de Arm con sus propios procesadores gráficos, motores neuronales, módems, sistemas de memoria y software.
Este modelo ayudó a Arm a expandirse entre smartphones y dispositivos integrados. También permite que los socios se diferencien. La misma flexibilidad puede producir capacidades, calendarios de actualización y experiencias para desarrolladores inconsistentes.
Un modelo optimizado para un teléfono premium podría no funcionar de forma eficiente en un dispositivo más económico. Las funciones disponibles a través del procesador neuronal de un proveedor podrían requerir otra ruta de código en otro entorno. La compatibilidad del sistema operativo puede añadir otra capa de variación.
El problema se vuelve más difícil cuando las aplicaciones abarcan la nube y el edge. Los formatos de datos, las políticas de seguridad, las versiones de los modelos y los resultados de inferencia deben seguir siendo compatibles entre varios sistemas.
La arquitectura compartida de Arm reduce parte de esa carga. No elimina la necesidad de realizar pruebas en cada destino de despliegue.
La competencia añade otra complicación. Qualcomm fabrica procesadores Snapdragon basados en Arm, pero se diferencia mediante sus núcleos CPU Oryon, gráficos Adreno, procesamiento neuronal Hexagon y software. Apple fabrica sus propios procesadores compatibles con Arm dentro de una pila de productos cerrada.
Nvidia utiliza CPU Arm junto con sus procesadores gráficos y el software CUDA. Puede conectar productos para centros de datos, estaciones de trabajo, robótica y automoción a través de una plataforma bajo un control interno más estricto.
Intel y AMD mantienen grandes bases de software x86 en servidores y ordenadores personales. Ambas empresas también integran gráficos y aceleración de IA en procesadores para clientes. Los desarrolladores no necesitan abandonar esas plataformas para ejecutar IA local.
RISC-V ofrece otra opción para las empresas que buscan una base de conjunto de instrucciones más abierta. Su entorno de software de IA sigue siendo menos maduro en dispositivos de consumo, pero los proveedores de aceleradores personalizados pueden adoptarlo sin depender de licencias de Arm.
Por tanto, Arm debe demostrar que su base común ahorra más trabajo de ingeniería del que genera la fragmentación del ecosistema. Esa evidencia debe provenir de dispositivos comercializados y mediciones reproducibles.
La historia de los centros de datos merece una cautela similar. Arm citó a IDC al afirmar que los servidores a escala de rack basados en Arm han superado a x86 dentro de la computación acelerada. Esa categoría incluye costosos sistemas de IA en los que las CPU Arm acompañan a GPU y otros aceleradores.
Eso no significa que Arm haya superado a x86 en todos los envíos de servidores. Un análisis independiente de servidores señaló que los sistemas Intel Xeon y AMD EPYC siguen dominando por volumen de procesadores.
Las comparaciones de ingresos también pueden verse distorsionadas por el elevado valor de los sistemas acelerados completos. Un rack con muchas GPU premium genera muchos más ingresos que un servidor convencional, incluso cuando cada uno incluye una CPU anfitriona.
Las diferencias entre cargas de trabajo también importan. Las pruebas académicas de procesadores en la nube han encontrado casos en los que las instancias Arm quedan por detrás de alternativas x86. Un estudio de rendimiento en la nube informó de resultados más débiles para sistemas Arm durante una carga de trabajo criptográfica especializada.
Ese estudio no resuelve el debate más amplio sobre arquitecturas. Muestra por qué los compradores deben evaluar su propio código en lugar de extrapolar a partir de una afirmación de eficiencia para toda la plataforma.
Las cifras de rendimiento de Arm para CSS N4 e IA móvil siguen siendo afirmaciones de la empresa hasta que los socios comercialicen productos y evaluadores independientes puedan reproducirlas. El silicio final puede diferir en velocidad de reloj, configuración de memoria, refrigeración y software del proveedor.
La incertidumbre central es la ejecución, no la plausibilidad arquitectónica. Arm cuenta con una vía creíble en la computación en la nube y en el edge. Debe convertir esa vía en productos consistentes sin socavar la diversidad de socios que le dio alcance.
La IA física amplía la apuesta hacia las máquinas
Los robots y los vehículos hacen tangible la estrategia de Arm de la nube al edge porque requieren decisiones locales mientras siguen dependiendo de datos remotos y sistemas de desarrollo.
Arm denomina a esta categoría IA física. El término abarca máquinas que perciben su entorno, razonan sobre los acontecimientos y realizan acciones mediante motores u otros componentes físicos.
La empresa anunció Arm Total Design for Physical AI con más de 80 organizaciones participantes. Entre los miembros mencionados figuran AWS, Hugging Face, Liquid AI, NXP, QNX, Siemens, Unitree Robotics y varias empresas de tecnología automotriz.
Arm Total Design ayudó anteriormente a sus socios a desarrollar silicio personalizado en torno a subsistemas validados. La expansión de IA física añade colaboración entre modelos, software, sensores, procesadores y máquinas completas.
Los primeros proyectos del programa incluyen un Robotics Capability Framework. Arm lo describe como un lenguaje común para comparar lo que pueden hacer las máquinas autónomas.
Un marco de este tipo podría abordar un problema real de la industria. Las demostraciones de robots suelen destacar una tarea exitosa en condiciones controladas. Los compradores necesitan formas más claras de comparar percepción, movilidad, manipulación, autonomía y seguridad.
Sin embargo, un vocabulario compartido no crea un estándar de certificación. Tampoco demuestra que dos robots que informan capacidades similares se desempeñarán igual en un entorno no controlado.
El programa de IA física de Arm reúne a empresas de varias capas del mercado. Esa amplitud puede ayudar a alinear interfaces, pero también puede ralentizar los acuerdos cuando los miembros tienen intereses comerciales diferentes.
Los robots ilustran por qué la computación edge no puede limitarse a copiar la nube. Una máquina de almacén no puede esperar a un servicio distante antes de detenerse cerca de una persona. Un vehículo no puede depender de conectividad continua para tomar decisiones inmediatas de dirección.
Los procesadores locales gestionan la percepción y el control sensibles al tiempo. Los sistemas en la nube pueden entrenar modelos, distribuir actualizaciones, coordinar flotas y analizar datos operativos de largo plazo.
Los dos entornos también tienen costes de fallo distintos. Una respuesta tardía de un chatbot es inconveniente. Una acción robótica tardía puede dañar equipos o lesionar a alguien.
Esa realidad eleva el estándar para la estrategia de IA edge de Arm. Los asistentes móviles pueden tolerar errores ocasionales de los modelos. Los sistemas físicos requieren tiempos predecibles, actualizaciones seguras, controles redundantes y validación exhaustiva.
La tradición de eficiencia energética de Arm encaja con robots alimentados por batería y controladores integrados. Su arquitectura también está presente en productos automotrices e industriales que operan bajo estrictas limitaciones térmicas.
Aun así, la IA física depende de más que procesadores. Los sensores deben proporcionar información fiable. Los modelos deben manejar condiciones desconocidas. Los sistemas mecánicos deben ejecutar los comandos con precisión. El software de seguridad debe anular a un agente cuando su comportamiento se vuelve inseguro.
Arm acierta al presentar su papel como una base común, en lugar de una solución completa de robótica. La empresa puede reducir el trabajo de integración, pero los fabricantes siguen siendo responsables del rendimiento a nivel de sistema.
El beneficio estratégico es el alcance. Si los servidores en la nube basados en Arm, los ordenadores de desarrollo, los dispositivos móviles y los robots comparten herramientas compatibles, los desarrolladores pueden reutilizar más código y conocimiento operativo.
El riesgo es que “compatible” se vuelva demasiado amplio como para significar predecible. Un ecosistema exitoso necesita perfiles documentados, paquetes de modelos probados y límites de soporte claros para cada clase de hardware.
Tres señales pondrán a prueba la ambición de IA de Arm
La siguiente fase se medirá a través de productos comercializados, rendimiento sostenido de las aplicaciones y evidencia de que los desarrolladores reutilizan software entre categorías de hardware.
La primera señal es el silicio comercial basado en CSS for Mobile 2. Arm ha anunciado la plataforma, pero los fabricantes de dispositivos determinan su forma final.
Los lectores deberían estar atentos a procesadores, teléfonos inteligentes, ordenadores y otros productos identificados que utilicen los nuevos diseños de CPU y GPU. Los calendarios de lanzamiento, las configuraciones de memoria y el rendimiento térmico sostenido importarán más que las especificaciones máximas.
Los benchmarks independientes deberían probar modelos reales en múltiples runtimes. Las mediciones útiles incluyen latencia de respuesta, uso de energía, demanda de memoria, precisión del modelo y rendimiento durante sesiones prolongadas.
Resultados sólidos en varios dispositivos respaldarían la afirmación de Arm de que su plataforma hace prácticos los agentes locales. Grandes diferencias entre proveedores mostrarían que la fragmentación sigue dominando la experiencia.
La segunda señal es la adopción en producción de AGI CPU y CSS N4. Arm ha enumerado un grupo significativo de socios de software, nube y servidores. El mercado ahora necesita detalles de despliegue.
Los sandboxes de agentes de Volcano Engine ofrecen una primera prueba. Los compradores deberían observar si otros proveedores de nube ofrecen instancias AGI CPU, servicios gestionados o datos públicos de rendimiento.
Los proveedores de servidores también deben entregar sistemas a una escala útil. Los estudios de caso de clientes deberían identificar cargas de trabajo reales en lugar de repetir afirmaciones generales sobre la IA agéntica.
La posición de Arm en centros de datos parecerá más sólida si las organizaciones despliegan sus procesadores para bases de datos, ejecución de herramientas, recuperación y coordinación de aceleradores. Los pilotos limitados debilitarían el argumento de una plataforma más amplia.
La tercera señal es el comportamiento de los desarrolladores en torno a Arm AI Portal. Un catálogo solo crea valor cuando sus modelos se mantienen actualizados, son reproducibles y fáciles de desplegar.
Arm debería publicar más resultados entre distintos proveedores y clases de dispositivos. Los desarrolladores también necesitarán datos transparentes de precisión tras la cuantización, un versionado claro y flujos de trabajo que se integren con sistemas de compilación comunes.
La evidencia más convincente sería una aplicación que se trasladara entre la nube, los dispositivos móviles y el hardware físico con poco trabajo específico de cada plataforma. Eso validaría la tesis de continuidad computacional de la empresa.
Los desarrolladores deberían seguir si los recursos del portal se amplían más allá de los modelos de demostración. El soporte para modelos propietarios, prometido para una etapa posterior, será especialmente importante para la adopción empresarial.
Las empresas también deberían observar el Robotics Capability Framework. Métodos de medición específicos y una amplia participación de socios lo harían útil. Un vocabulario sin resultados de pruebas comparables tendría un valor limitado para las compras.
El anuncio de Arm establece una dirección coherente. La empresa está conectando su expansión en centros de datos con el mercado edge que hizo ubicua su arquitectura.
Aún no ha demostrado que una capa única de desarrollo pueda dominar todas las diferencias entre servidores en la nube, teléfonos y robots. Esa es la prueba central para la IA edge de Arm.
Para los desarrolladores, la tarea inmediata es una evaluación disciplinada. Registren las versiones de los modelos, el hardware objetivo, los runtimes, los cambios de precisión, la latencia y el uso de energía. Los equipos que comparan muchos anuncios pueden preservar esos hallazgos en una base de conocimiento con búsqueda.
La pregunta ya no es si la computación de IA se extenderá más allá de los centros de datos. Ya lo ha hecho. La cuestión es si Arm puede hacer que ese mundo distribuido se perciba como una sola plataforma mientras preserva las opciones que esperan sus socios.
