LONDON (IT BOLTWISE) – ARM hat die zweite Generation seiner „CSS for Mobile“-Mobilplattform vorgestellt. Im Fokus stehen KI-Matrixeinheiten über die Scalable Matrix Extension 2 (SME2), nicht über eine NPU. Für einen agentischen Beispiel-Workflow nennt ARM eine Reduzierung der Rechenzeit um 24 Prozent, vor allem beim Prompt-Prefill. Außerdem hebt der Chip-Designer Takt und Cache-Größen an und verbessert die Sprungvorhersage sowie das Out-of-Order-Fenster.
ARM schiebt „CSS for Mobile“ nach: Nach der ersten Generation folgt jetzt „CSS for Mobile 2“. Der entscheidende Punkt ist dabei weniger die Umbenennung als die technische Linie, die der CPU-Entwickler sichtbar durchzieht: Für KI-Workloads setzt ARM erneut auf seine Scalable Matrix Extension 2 (SME2) und nicht auf eine dedizierte NPU-Schiene. Diese Entscheidung zielt auf ein sehr mobiles Effizienzprofil ab, in dem KI-Funktionen nicht als separates Subsystem laufen müssen, sondern eng mit der CPU-Frontend- und Speicherarchitektur verzahnt werden. Dass ARM nach nur einem Jahr die Mobilplattform umbenennt – Lumex wurde zu CSS for Mobile – signalisiert zugleich, wie stark der KI-Fokus inzwischen in die Plattformlogik eingewoben ist.
Die neue Plattform baut auf C2-Kernen auf, die ARM in vier Varianten ausliefert: Nano, Pro, Premium und Ultra. Laut ARM adressieren die Pro- und Ultra-Ausprägungen vor allem die obere Mittelklasse und die Oberklasse, während Nano eher für kompaktere Designs gedacht ist. Im Cluster lassen sich bis zu drei Kern-Typen mischen; damit kann ein Systemhersteller die KI-Lasten je nach Betriebsszenario dynamischer über unterschiedliche Leistungs- und Effizienzpunkte verteilen. Ein besonderes Detail: Bei allen Varianten sieht ARM SME2-Einheiten vor – ausgenommen die Minimalkonfiguration mit nur zwei C2-Nano. Für die Praxis heißt das, dass selbst bei kleineren Systemen KI-Funktionen nicht zwingend auf „große“ NPU-Kacheln warten müssen.
ARM beschreibt die Leistungsgewinne nicht als pauschalen Marketingwert, sondern verknüpft sie mit konkreten Pfaden im Modellbetrieb. Für einen agentischen Beispiel-Workflow nennt der Chip-Designer eine Reduzierung der Rechenzeit um 24 Prozent auf seiner Referenzplattform. Der Haupthebel liegt dabei bei der Prompt-Verarbeitung, genauer beim „Prefill“, also der Phase, in der das Modell die Eingabe-Token verarbeitet, bevor es in den eigentlichen Token-Generierungsmodus wechselt. ARM führt das auf zwei SME2-Einheiten zurück, die im Referenzsystem jeweils 50 Prozent höher getaktet sind als in der Basis-Konfiguration. Wichtig ist zudem der Hinweis, dass bereits mit der Vorgängergeneration einzelne Hersteller zwei SME2-Einheiten implementiert haben; CSS for Mobile 2 baut damit zwar aus, trifft aber auf ein Marktverhalten, das zumindest teilweise schon „optimiert“ ist.
Auch beim Generieren neuer Tokens („Decode“) spielt SME2 eine Rolle. ARM verweist darauf, dass SME2-2-Bit-Quantisierung über Befehle für den Zugriff auf Look-up-Tabellen, LUTI2, effizient unterstützt wird. Damit adressiert ARM einen Trend, der in mobilen KI-Läufen häufig über die aggressive Reduktion von Rechen- und Speicheraufwand stattfindet: Wenn Gewichte und Aktivierungen sehr niedrig quantisiert werden, sinken Lasten in den Rechenwerken und der Speicherbandbreitenbedarf nimmt ab – die Architektur muss aber die passenden Datenpfade bereitstellen. SME2 wird hier als Baustein positioniert, der solche Quantisierungstechniken nicht nur theoretisch zulässt, sondern operativ in Befehlssequenzen übersetzt, sodass der Overhead gegenüber einem „naiven“ Softwarepfad gering bleibt.
Damit nicht genug: ARM hebt in CSS for Mobile 2 den Takt und kombiniert das mit erweiterten Cache- und Budgetannahmen. Auf der Referenzplattform liegen die zwei Ultra-Kerne bei 4,45 statt 4,1 GHz, während die sechs Pro-Kerne moderat auf 3,6 statt 3,5 GHz steigen. Bei den Ultra-Kernen erhöht ARM außerdem den L2-Cache um 50 Prozent auf 3 MByte; die Pro-Kerne bleiben bei 1 MByte. Den L3-Cache lässt ARM wie zuvor bei 3 MByte, hinzu kommt der System Level Cache (SLC). Für das Energiebudget ist ebenfalls eine Verschiebung geplant: Den C2-Ultra-Kernen gesteht ARM ein größeres Leistungsbudget zu, weshalb der Entwickler in seinen Berechnungen einen ungewöhnlichen Vergleich anstellt – er stellt die Maximalleistung von C1-Ultra gegen C2-Ultra und nennt ein Plus von 15 Prozent. Üblicherweise würde man bei gleichem Budget vergleichen, wodurch der Nettogewinn kleiner ausfiele; an dieser Stelle macht ARM jedoch transparent, dass die Annahmen in die Interpretation hineinspielen.
Interessant für Systemintegratoren ist die Kombination aus Energieeffizienz und Mikroarchitektur-Feinschliff. Bei gleicher Rechenleistung sollen die C2-Ultra-Kerne 38 Prozent weniger Energie verbrauchen. In Multi-Thread-Anwendungen sinkt der ausgewiesene Zuwachs von C1 zu C2 auf zwölf Prozent – ein Wert, der plausibel macht, dass nicht jede Verbesserung linear auf alle Parallelitäts- und Scheduling-Situationen durchschlägt. Auf Mikroarchitektur-Ebene nennt ARM konkret bessere Sprungvorhersage (g+): In bestimmten Anwendungen soll die Zahl falscher Vorhersagen um über zehn Prozent sinken. Dazu kommen ein größeres Out-of-Order-Fenster (g+) sowie mehr Spielraum für spekulative Codeausführung. Ziel dieser Änderungen ist weniger „Peak“ als Durchsatz im Alltag: Wenn die Anzahl der Backend-Stalls sinkt, bleiben Ausführungseinheiten länger produktiv statt auf Daten- oder Abhängigkeitsereignisse zu warten.
Auch die Speicheranbindung wird nachgeschärft. ARM hatte bereits mit CSS for Mobile 1 eine neue Architektur für die Speicheranbindung eingeführt, den System Interconnect (SI), und entwickelt sie weiter: SI L2 soll niedrigere Latenzen liefern, versprochen werden bis zu 45 Prozent geringere Speicherzugriffszeiten. Allerdings schränkt ARM das Szenario auf KI-Agenten ein. Damit deutet der Hersteller an, dass ein Teil der Zeitersparnis eher von besseren Prefetchern kommt als von allgemein „schnellerer“ Hardware für alle Workloads. In der Referenzarchitektur kombiniert ARM außerdem Speicherkanäle mit Teilen des SLC: Der SLC wird im System mit vier 24 Bit breiten LPDDR6-Kanälen und 12.800 MT/s bei 16 MByte Größe beschrieben und von CPU, GPU und anderen an SI angebundenen Einheiten geteilt. Für den Fertigungsprozess bleibt ARM zurückhaltend, nennt keine konkrete Node; CSS for Mobile 2 dürfte aber für 2-nm-Prozesse ausgelegt sein. Für Entwickler und Plattformbetreiber ist das vor allem relevant, weil KI-Engines zunehmend nicht nur Modellgewichte, sondern auch Host-seitige Datenbewegung optimieren müssen – und gerade diese Latenz- und Prefetch-Pfade entscheidet oft über „gefühlte“ Antwortzeiten.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "CSS for Mobile 2: ARM setzt auch auf SME2 statt NPU" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "CSS for Mobile 2: ARM setzt auch auf SME2 statt NPU" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »CSS for Mobile 2: ARM setzt auch auf SME2 statt NPU« bei Google Deutschland suchen, bei Bing oder Google News!