Arm CSS for Mobile 2 podnosi stawkę w grach na Androidzie i lokalnej AI

Arm zaprezentował Arm CSS for Mobile 2 z dwoma nowymi silnikami obliczeniowymi i wyjątkowo ambitną obietnicą dla przyszłych telefonów z Androidem. Platforma łączy rdzenie CPU C2 z procesorem graficznym Mali G2-Ultra NX, zaprojektowanym z myślą o bogatszych grach i bardziej responsywnej lokalnej AI.

Najważniejszą zmianą nie jest kolejny coroczny wzrost wydajności. Arm umieszcza wyspecjalizowany sprzęt macierzowy w klastrze CPU oraz akceleratory neuronowe bezpośrednio w swoim flagowym mobilnym GPU. Taka konstrukcja traktuje AI jako element zwykłych obliczeń i grafiki, a nie obciążenie ograniczone do osobnej jednostki przetwarzania neuronowego.

Arm ogłosił platformę 8 września 2026 r., ale konsumenci nie mogą jej jeszcze kupić. Projektanci układów muszą zintegrować tę własność intelektualną w procesorach, zanim producenci telefonów będą mogli dostarczyć gotowe urządzenia. Qualcomm, MediaTek, Samsung i inni dostawcy układów scalonych zdecydują, jaka część projektu Arm trafi do faktycznych produktów z Androidem.

Ta luka tworzy główne napięcie. Wewnętrzne wyniki Arm wskazują na szybszą wydajność CPU, duże zyski w AI oraz grafikę zbliżającą się do technik desktopowych w granicach energetycznych telefonu. Sprzęt dostępny w sprzedaży będzie musiał zapewnić te korzyści bez przegrzewania się, nadmiernego zużycia baterii czy zależności od gier, które nigdy nie wdrożą wymaganego oprogramowania.

Co faktycznie zmienia Arm CSS for Mobile 2

Arm CSS for Mobile 2 to skoordynowany projekt CPU, GPU, systemu i oprogramowania, a nie gotowy procesor do smartfona.

Arm CSS for Mobile 2 łączy rdzenie CPU C2-Ultra i C2-Pro, dwie jednostki SME2, grafikę Mali G2-Ultra NX, technologię połączeń systemowych oraz narzędzia deweloperskie. CSS oznacza Compute Subsystem, czyli zestaw zweryfikowanych komponentów, które producenci układów mogą zaadaptować w systemie-on-chip.

Takie podejście daje licencjobiorcom więcej niż odizolowane projekty CPU lub GPU. Arm dostarcza także fizyczne implementacje i wskazówki na poziomie systemu dotyczące wydajności, poboru energii, powierzchni układu i przepływu danych. Partnerzy mogą wykorzystać pełną konfigurację albo połączyć wybrane komponenty z technologią własną i zewnętrzną.

Przykładowy flagowy klaster zawiera dwa rdzenie C2-Ultra nastawione na wydajność oraz sześć energooszczędnych rdzeni C2-Pro. Obejmuje też dwie jednostki Scalable Matrix Extension 2. SME2 to rozszerzenie instrukcji Arm, które przyspiesza operacje macierzowe wykorzystywane przez modele mowy, wizji i języka.

Konfiguracja CPU ma znaczenie, ponieważ poprzednia generacja łączyła rdzenie z jedną jednostką SME2. Arm podwoił tę zdolność, jednocześnie pozycjonując CPU jako warstwę orkiestracji mobilnej AI. Firma oczekuje, że przyszli agenci będą równocześnie pobierać informacje, przygotowywać prompty, uruchamiać modele i sterować aplikacjami.

Strona graficzna wprowadza bardziej widoczną zmianę architektoniczną. Mali G2-Ultra NX to pierwszy projekt Mali firmy Arm z dedykowanym przyspieszeniem neuronowym wewnątrz potoku graficznego. Jego rdzenie shaderów mogą korzystać z tego sprzętu, współdzieląc pamięć, pamięci podręczne i struktury sterujące GPU.

Taka organizacja jest ukierunkowana na grafikę neuronową, w której model rekonstruuje lub generuje część obrazu zamiast konwencjonalnie renderować każdy wyświetlany piksel. GPU otrzymuje też nowy silnik wykonawczy i trzecią generację sprzętowej jednostki ray tracingu Arm.

Komponenty te pozostają licencjonowanymi blokami konstrukcyjnymi. Telefon korzystający z rdzeni CPU C2 nie musi automatycznie otrzymać największej konfiguracji Mali. Producent układu może wybrać mniejsze warianty GPU, dodać własny akcelerator albo zastosować inną równowagę między kosztem a wydajnością.

Ogłoszenie wyznacza więc kierunek techniczny, nie definiując jednego doświadczenia Androida. Arm stworzył wspólny fundament, podczas gdy licencjobiorcy zdecydują o liczbie rdzeni, częstotliwościach, systemie pamięci, założeniach dotyczących chłodzenia i obsłudze oprogramowania.

To rozróżnienie ma znaczenie przy odczytywaniu wyników benchmarków. Arm porównywał konfiguracje referencyjne w warunkach wybranych wewnętrznie. Ostateczne wyniki będą zależeć od implementacji każdego partnera oraz ograniczeń termicznych każdego producenta telefonu.

Klaster CPU Arm C2 wprowadza AI do codziennych obliczeń

Klaster CPU C2 traktuje lokalną AI jako ciągłe obciążenie systemowe, a nie krótkie zadanie wysyłane w całości do NPU.

Arm twierdzi, że nowy klaster CPU C2 zapewnia do 15 procent wyższą wydajność jednowątkową niż poprzednia generacja. Firma podaje też, że uruchamianie aplikacji jest o 12 procent szybsze, a wydajność wielowątkowa na poziomie klastra jest o 12 procent wyższa.

Wyniki te obejmują więcej niż generatywną AI. Wydajność jednowątkowa wpływa na responsywność interfejsu, pracę przeglądarki, logikę aplikacji i pojedyncze kroki w zautomatyzowanym przepływie pracy. Wydajność wielowątkowa staje się ważna, gdy jednocześnie działają liczne aplikacje i modele.

C2-Ultra jest flagowym rdzeniem klastra. Arm twierdzi, że wykorzystuje on większy silnik wykonawczy, ulepszone przewidywanie rozgałęzień i lepsze pobieranie instrukcji, aby utrzymać przepływ większej liczby operacji przez procesor. Obsługuje zadania na pierwszym planie, w których niewielkie opóźnienia pozostają widoczne dla użytkowników.

C2-Pro obsługuje dłużej działające zadania, z większym naciskiem na efektywność. Arm podaje, że zachowuje energooszczędną mikroarchitekturę stosowaną w C1-Pro, jednocześnie przechodząc na nowszą technologię produkcji. To połączenie ma utrzymywać aktywność w tle bez przypisywania każdego zadania do dużego rdzenia.

Dwie jednostki SME2 obsługują intensywne obliczenia macierzowe po stronie CPU. Arm twierdzi, że rozszerzona konfiguracja zapewnia do 70 procent wzrostu względem klastra C1 w wybranych zadaniach AI. Firma podaje również wydajność sięgającą 1,7 razy poziomu poprzedniej generacji w wybranych modelach AI.

To benchmarki firmowe, a nie wyniki urządzeń detalicznych. Arm zaznacza, że testy przeprowadzono między marcem a sierpniem 2026 r., oraz ostrzega, że rzeczywiste wyniki mogą się różnić. Opublikowane wartości procentowe oznaczają też maksymalne zyski, a nie gwarantowaną średnią dla wszystkich aplikacji.

Mimo to mechanizm stojący za tym twierdzeniem jest godny uwagi. Mobilny agent nie może przez cały czas uruchamiać jednego dużego modelu na jednym akceleratorze. Musi zbierać kontekst, planować pracę, wywoływać aplikacje, przetwarzać mniejsze modele i decydować, czy zadanie powinno zostać wykonane lokalnie, czy w chmurze.

CPU pozostaje zaangażowane w całym tym łańcuchu. Podwojenie możliwości SME2 pozwala wykonać więcej inferencji tam, gdzie już odbywa się kontrola aplikacji, co może ograniczyć transfery między blokami przetwarzania. Takie podejście może poprawić opóźnienia, gdy obciążenia są wystarczająco małe dla wyspecjalizowanych jednostek CPU.

Nie oznacza to, że dedykowane NPU stają się nieistotne. Rozszerza to rolę CPU w heterogenicznym systemie, w którym różne silniki obsługują różne etapy. Praktyczna korzyść będzie zależeć od tego, czy oprogramowanie wybierze właściwy silnik bez wprowadzania nowych opóźnień.

Arm twierdzi również, że C2-Ultra może zużywać do 38 procent mniej energii przy tej samej wydajności co C1-Ultra. Efektywność przy porównywalnej wydajności ma większe znaczenie niż szczytowa szybkość w przypadku długotrwałych obciążeń telefonu. Procesor, który na chwilę osiąga wysoki wynik benchmarku, może nadal ograniczać taktowanie podczas długiej sesji AI.

Potencjalne zastosowania obejmują rozpoznawanie mowy, wyszukiwanie informacji, pamięć osobistą, planowanie i lekkie rozumowanie. Zadania te często wymagają serii krótkich operacji, a nie jednego nieprzerwanego zadania inferencyjnego. Arm chce, aby C2 koordynował tę serię, podczas gdy większe akceleratory będą obsługiwać odpowiednie fragmenty.

Taka konstrukcja nie czyni dedykowanych NPU zbędnymi. Poszerza rolę CPU w heterogenicznym systemie, gdzie różne silniki obsługują różne etapy. Praktyczna przewaga będzie zależeć od tego, czy oprogramowanie wybierze właściwy silnik bez wprowadzania nowych opóźnień.

Mali G2-Ultra NX stawia na rekonstrukcję pikseli

Desktopowa wizja grafiki Arm zależy od renderowania mniejszej ilości danych i rekonstruowania brakujących szczegółów za pomocą przetwarzania neuronowego.

Nowy Mali G2-Ultra NX obsługuje trzy techniki grafiki neuronowej. Każda ogranicza część konwencjonalnego obciążenia renderowania, ale każda wymaga również integracji przez twórców gier.

Neural Super Sampling renderuje w niższej rozdzielczości, a następnie wykorzystuje model do rekonstrukcji ostrzejszego końcowego obrazu. Informacje czasowe z poprzednich klatek pomagają odzyskać szczegóły i wygładzić krawędzie. Metoda przypomina strategie skalowania obrazu stosowane już przez dostawców grafiki desktopowej.

Neural Frame Rate Upscaling generuje obrazy pośrednie między normalnie renderowanymi klatkami. Gra może renderować mniej kompletnych klatek, podczas gdy sprzęt neuronowy tworzy dodatkowe dla wyświetlacza. Arm twierdzi, że wynik może osiągnąć 120 klatek na sekundę w odpowiednich obciążeniach.

Neural Super Sampling and Denoising łączy rekonstrukcję z usuwaniem szumu w scenach z ray tracingiem. Ray tracing symuluje sposób, w jaki światło oddziałuje z powierzchniami, tworząc bardziej realistyczne odbicia, cienie i oświetlenie pośrednie. Jest również kosztowny obliczeniowo.

Architektura Arm umieszcza akceleratory neuronowe wewnątrz rdzeni shaderów, obok tradycyjnych zasobów graficznych i obliczeniowych. Współdzielone pamięci podręczne i struktury pamięci ograniczają potrzebę przenoszenia danych obrazu do zewnętrznego akceleratora. Mniejszy ruch danych może oszczędzać energię i skracać czas przetwarzania.

Według Arm nowy silnik wykonawczy GPU zapewnia nawet dwukrotnie więcej rejestrów na warp. Warp to grupa wątków graficznych wykonywanych razem. Większa liczba rejestrów może pomóc złożonym shaderom przechowywać dane bez wielokrotnego odwoływania się do wolniejszej pamięci.

Arm określa to jako największą aktualizację architektury zestawu instrukcji Mali od siedmiu generacji. Firma podaje do 24 procent wyższą wydajność w benchmarkach oraz 14 procent wyższą wydajność w istniejących grach bez grafiki neuronowej.

Rozróżnienie między tymi wynikami ma zasadnicze znaczenie. Wartość 14 procent lepiej wskazuje, czego można oczekiwać w grach bez specjalnej integracji. Większe zyski zależą od technik renderowania neuronowego, zoptymalizowanego oprogramowania lub wybranych testów eksponujących nową architekturę.

Ray tracing również otrzymuje dedykowane usprawnienia. Arm twierdzi, że jednostka trzeciej generacji generuje do 13 procent mniejszy ruch DRAM w czołowych benchmarkach ray tracingu. Mniejszy ruch do pamięci zewnętrznej może ograniczyć zarówno zużycie energii, jak i presję na przepustowość.

Opacity Micromaps stanowią kolejną optymalizację. Funkcja odwzorowuje złożoną przezroczystą geometrię, taką jak liście i tkaniny, bez testowania każdej drobnej powierzchni przez pełny proces ray tracingu. Arm podaje 30-procentowy wzrost liczby klatek na sekundę w jednej demonstracji.

Według firmy demonstracja ta zmniejszyła również obciążenie ray tracingu nawet o 70 procent. Wyniki opisują konkretną scenę i technikę. Nie należy interpretować ich jako uniwersalnego wzrostu dla każdej gry.

Demonstracja Neural Dawn firmy Arm łączy neuronowe generowanie klatek, odszumianie i oświetlenie Unreal Engine. Firma podaje nawet czterokrotnie większą efektywność wydajnościową oraz do 70 procent mniejszy ruch do pamięci zewnętrznej niż w przypadku renderowania natywnego.

Historia oprogramowania wykracza poza laboratoryjne demo. NetEase planuje dodać Neural Super Sampling do Where Winds Meet, a Infold Games integruje tę technikę z Infinity Nikki. Tencent Games i Unity China również współpracują z technologią grafiki neuronowej Arm.

Projekty te dają deweloperom konkretne cele. Nie pokazują jeszcze, jak technologia działa w różnych konfiguracjach układów, silnikach gier ani podczas długich sesji rozgrywki. Dowody te pojawią się dopiero po udostępnieniu sprzętu komercyjnego.

Qualcomm i układy własne nadal wyznaczają rzeczywistą poprzeczkę

Arm konkuruje z kompletnymi implementacjami układów, jednocześnie sprzedając komponenty, które partnerzy mogą modyfikować, ograniczać lub zastępować.

Platformy Snapdragon firmy Qualcomm stanowią najczytelniejszy punkt odniesienia konkurencyjnego dla premium gamingu na Androidzie. Qualcomm rozwija własną technologię CPU i łączy ją z własną grafiką Adreno. Taka pionowa kontrola pozwala zestroić sterowniki, sprzęt i cele wydajnościowe w obrębie jednego komercyjnego procesora.

MediaTek tradycyjnie w większym stopniu opiera się na projektach CPU Arm i GPU Mali. Dlatego jest prawdopodobnym kandydatem do wdrożenia najpełniejszej konfiguracji CSS for Mobile 2. Samsung również może licencjonować rdzenie Arm, wybierając przy tym między Mali a innymi strategiami graficznymi dla swoich procesorów Exynos.

Google reprezentuje kolejną odmianę tego podejścia. Układy Tensor korzystają z technologii CPU kompatybilnej z Arm, lecz Google podejmuje decyzje produktowe wokół swoich modeli AI, potoku przetwarzania obrazu i oprogramowania Pixel. Wspólna platforma Arm nie eliminuje tych specyficznych dla producentów priorytetów.

Apple jest istotnym punktem odniesienia architektonicznego, choć nie produkuje urządzeń z Androidem. Jego własne CPU i GPU kompatybilne z Arm, silniki neuronowe, system operacyjny oraz frameworki dla deweloperów należą do jednej kontrolowanej platformy. Ta integracja daje Apple wpływ zarówno na wdrażanie sprzętu, jak i zachowanie oprogramowania.

Przewagą Arm jest skala. Firma podaje, że dostarczono już ponad 14 miliardów GPU Mali. Szeroko licencjonowana architektura grafiki neuronowej może zapewnić studiom gier jeden cel, który obejmuje produkty wielu producentów.

Sama skala nie gwarantuje jednak spójnego działania. Licencjobiorcy mogą wybierać różną liczbę rdzeni, interfejsy pamięci, częstotliwości taktowania i technologie procesowe. Producenci telefonów umieszczają następnie te układy w urządzeniach z odmiennymi systemami chłodzenia i priorytetami dotyczącymi baterii.

Plan rozwoju układów Androida pozostaje więc z założenia rozdrobniony. Jeden producent może priorytetowo traktować szczytową wydajność w grach. Inny może wybrać mniejsze GPU i przeznaczyć większą powierzchnię układu na aparaty lub własny NPU.

Kolejną warstwę stanowi wsparcie programowe. Zanim deweloperzy zainwestują w wyspecjalizowane ścieżki renderowania, gry potrzebują integracji z silnikami, stabilnych sterowników i przewidywalnej wydajności. Funkcja obecna w sprzęcie może pozostać niewykorzystana, jeśli jej wdrożenie zwiększa obciążenie związane z testowaniem lub kompatybilnością.

Arm próbował obniżyć tę barierę za pomocą otwartych interfejsów, zestawu deweloperskiego do grafiki neuronowej, obsługi Vulkan i współpracy z partnerami tworzącymi silniki gier. Vulkan to wieloplatformowe API graficzne, które daje deweloperom bardziej bezpośrednią kontrolę nad zasobami GPU.

Firma przygotowywała też deweloperów przed ogłoszeniem sprzętu. W 2025 roku zaprezentowała zapowiedź Arm Neural Technology i udostępniła narzędzia przeznaczone do tworzenia treści oraz testów wydajności. Ten zapas czasu powinien pomóc pierwszym grom trafić na rynek bliżej premiery pierwszych urządzeń.

Qualcomm może jednak odpowiedzieć ulepszeniami dopasowanymi do Adreno, podczas gdy Apple i producenci desktopowych GPU już obsługują dojrzałe technologie rekonstrukcji obrazu. Arm wchodzi do ugruntowanej rywalizacji programowej, a nie tworzy renderowanie neuronowe od podstaw.

Jego szansa wynika z możliwości przenoszenia tych idei na szeroką bazę sprzętową Androida. Ryzyko wiąże się z nierównomiernym wdrażaniem ich w obrębie tej samej bazy. Wspólna architektura zyskuje wartość dopiero wtedy, gdy wystarczająco wielu licencjobiorców wdroży istotne konfiguracje.

Dlatego główną rywalizacją nie jest Arm kontra jedna firma produkująca układy. To obietnica Arm dotycząca platformy wielokrotnego użytku zderza się z realiami implementacji krzemu dla Androida. Specyfikacja ustanawia potencjał, a partnerzy kształtują doświadczenie użytkownika.

Gaming klasy desktopowej pozostaje deklaracją, a nie produktem

Arm opisał wiarygodny mechanizm poprawy efektywności, lecz jego najsilniejsze twierdzenia dotyczące gier i AI nadal opierają się na wewnętrznych testach i demonstracjach.

Określenie „klasy desktopowej” odnosi się do technik graficznych, a nie identycznej wydajności telefonu i dedykowanej desktopowej karty graficznej. Arm podkreśla oświetlenie śledzone promieniami, neuronowe skalowanie obrazu, generowanie klatek i odszumianie w mobilnym budżecie energetycznym.

Według niezależnej analizy platformy, Arm opisał grafikę neuronową działającą w budżecie jednego wata. Firma zaprezentowała również bogate treści ze śledzeniem promieni utrzymujące 30 klatek na sekundę.

To interesujące z technicznego punktu widzenia, ale nie określa rozdzielczości, jakości obrazu, temperatury urządzenia ani całkowitego zużycia energii systemu w telefonach detalicznych. Rekonstrukcja neuronowa może także wprowadzać artefakty wokół ruchu, drobnej geometrii, elementów interfejsu i szybko zmieniających się scen.

Generowanie klatek wiąże się z podobnym kompromisem. Wygenerowane klatki poprawiają odczuwaną płynność, lecz niekoniecznie redukują opóźnienie wejścia. Gra nadal przetwarza działania gracza z bazową liczbą renderowanych klatek, chyba że inne systemy to zrekompensują.

Jakość obrazu zależy również od treningu, projektu modelu, danych o ruchu i integracji z silnikiem. Jedna gra może tworzyć przekonujące zrekonstruowane detale. Inna może ujawnić smużenie lub niestabilne krawędzie, które pozostają widoczne nawet na niewielkim ekranie o wysokiej rozdzielczości.

Największym testem sprzętowym jest wydajność utrzymywana w czasie. Telefon ma znacznie mniejszą zdolność chłodzenia niż komputer stacjonarny lub konsola do gier. Jego procesor współdzieli też energię z wyświetlaczem, modemem, pamięcią, nośnikiem danych i aplikacjami działającymi w tle.

Deklaracje Arm dotyczące niższego poboru energii bezpośrednio odnoszą się do tego ograniczenia. Ostateczne zachowanie zależy jednak od technologii procesowej, układu chipu, celów napięciowych i strojenia producenta. Licencjobiorca może zamienić wydajność architektury w dłuższy czas gry albo przeznaczyć ją na wyższą wydajność szczytową.

Ta sama ostrożność dotyczy agentowej AI. Szybsze małe modele nie tworzą automatycznie użytecznego agenta w telefonie. Aplikacje muszą udostępniać bezpieczne mechanizmy kontroli, systemy operacyjne muszą koordynować uprawnienia, a modele muszą niezawodnie planować działania bez wysyłania każdego kroku do chmury.

Pojemność pamięci będzie równie istotna jak sama moc obliczeniowa. Modele, indeksy wyszukiwania, stan aplikacji i zasoby graficzne rywalizują o ograniczoną przepustowość. Szybsza jednostka CPU nie usunie wąskich gardeł występujących w innych częściach systemu.

Porównania benchmarków Arm wykorzystują też jako punkt odniesienia projekty poprzedniej generacji firmy. Nie dowodzą one przewagi nad współczesnymi procesorami Snapdragon, Apple ani innymi autorskimi układami. Niezależne testy muszą porównać kompletne produkty przy dopasowanych obciążeniach.

Jakość sterowników stanowi kolejną niewiadomą dla gamingu na Mali. Zaawansowany sprzęt zależy od stabilnych implementacji Vulkan oraz terminowych aktualizacji od producentów układów i telefonów. Niespójne dostarczanie sterowników może uniemożliwić aplikacjom niezawodne korzystanie z funkcji na różnych urządzeniach.

Niepewne pozostaje również wdrożenie przez deweloperów. Neural Super Sampling może obniżać koszt renderowania, lecz studia muszą go zintegrować i przetestować. Wydawcy będą priorytetowo traktować platformy z wystarczającą liczbą użytkowników, niezawodnymi narzędziami i mierzalnymi korzyściami uzasadniającymi nakład pracy.

Arm ma przydatnych wczesnych partnerów, w tym Sumo Digital, NetEase, Tencent Games, Infold Games i Unity China. Te relacje sprawiają, że premiera jest czymś bardziej znaczącym niż specyfikacją na papierze. Nadal stanowią one niewielką część globalnego katalogu gier mobilnych.

Pierwsze komercyjne urządzenia pokażą, czy stos oprogramowania przechodzi bez problemów ze środowiska referencyjnego Arm do krzemu producentów. Do tego czasu „klasę desktopową” najlepiej rozumieć jako cel dla technik wizualnych, a nie zweryfikowaną kategorię wydajności.

Trzy sygnały pokażą, czy zakład Arm się sprawdzi

Komercyjny krzem, niezależne testy wydajności utrzymywanej w czasie oraz rzeczywiste wdrożenie w grach zdecydują, czy Arm CSS for Mobile 2 zmieni telefony z Androidem.

Pierwszym sygnałem będzie nazwany procesor wykorzystujący znaczną część platformy. Warto obserwować ujawnioną liczbę rdzeni C2, wybraną konfigurację Mali, możliwości SME2, projekt pamięci i proces produkcyjny. Mocno okrojona implementacja osłabiłaby porównania z wynikami referencyjnymi Arm.

Liczy się również czas. Arm dostarcza własność intelektualną, zanim producenci urządzeń będą mogli sprzedawać telefony oparte na niej. Pierwsze ogłoszenie układu wyjaśni, czy partnerzy postrzegają platformę jako fundament flagowców w bliskiej perspektywie, czy jako długoterminową opcję projektową.

Drugim sygnałem będą niezależne testy w urządzeniach detalicznych. Recenzenci muszą zmierzyć utrzymywaną prędkość CPU, liczbę klatek w grach, zużycie baterii, temperaturę powierzchni i jakość obrazu. Krótkie syntetyczne benchmarki nie rozstrzygną deklaracji Arm.

Dopasowane testy powinny oddzielać wzrost wydajności konwencjonalnej grafiki od zysków wynikających z renderowania neuronowego. To rozróżnienie pokaże, jaka część wydajności pochodzi z nowego silnika wykonawczego, a jaka zależy od specyficznych dla gier funkcji AI.

Testy lokalnej AI wymagają podobnej dyscypliny. Przydatne pomiary obejmują opóźnienie pierwszej odpowiedzi, utrzymywaną szybkość modelu, zużycie energii i wydajność, gdy inne aplikacje pozostają aktywne. Agent w telefonie to obciążenie systemowe, a nie odizolowany benchmark inferencji.

Trzecim sygnałem będzie wdrożenie w oprogramowaniu produkcyjnym. Where Winds Meet, Infinity Nikki, demonstracje technologiczne Tencent i przyszłe integracje z silnikami stanowią wczesne punkty kontrolne. Wsparcie w wydanych produktach ma większe znaczenie niż kolejna kontrolowana demonstracja.

Deweloperzy powinni również obserwować, czy funkcje grafiki neuronowej działają u wielu producentów układów bez osobnych projektów optymalizacyjnych. Szeroka przenośność wzmocniłaby argument Arm o platformie wielokrotnego użytku. Zachowanie specyficzne dla producentów osłabiłoby go.

Kupujący powinni oceniać pierwszą generację jako kompletne urządzenia, a nie jako zbiory procentowych wyników Arm. Chłodzenie, pamięć, sterowniki, zarządzanie baterią i wsparcie programowe zdecydują o tym, czy architektura będzie odczuwalnie inna.

Dla deweloperów bezpośrednim pytaniem jest, czy otwarte narzędzia Arm wystarczająco ograniczają pracę integracyjną, by uzasadnić nową ścieżkę renderowania. Testowanie zestawu deweloperskiego już teraz może ujawnić problemy z jakością obrazu i kompatybilnością, zanim zgodne telefony trafią do użytkowników.

Arm CSS for Mobile 2 stawia spójny zakład: przyszłe telefony potrzebują AI wplecionej w ich potoki CPU i grafiki. Architektura dostarcza wiarygodnych narzędzi do tej zmiany, lecz same specyfikacje nie są w stanie zapewnić doświadczenia.

Warto śledzić pierwsze nazwane układy, następnie pierwsze testy urządzeń oceniające wydajność utrzymywaną w czasie, a na końcu pierwsze gry wdrażające funkcje neuronowe na dużą skalę. Te trzy punkty kontrolne pokażą, czy projekt Arm stanie się standardem Androida, czy kolejną możliwością czekającą na oprogramowanie.