一句话看懂：Arm 在 Create 开发者大会上海站发布 Arm AI Portal，一个面向开发者和智能体的统一入口，用来在 Arm 计算平台上发现、优化和部署 AI 软件，覆盖云、边缘和物理 AI 场景。它要解决的不是模型有没有，而是模型选哪个、跑在哪、怎样部署这一连串决策问题。
事件核心：发生了什么
Arm 正式推出 Arm AI Portal。按照 Arm 开发者关系副总裁 Shantu Roy 的说法，这个平台的目标是加快开发者工作流，减少他们在模型选择、目标平台选择和部署优化上花的时间，相关资源已通过 Hugging Face 和 developer.arm.com 提供，后续将登陆魔搭社区 ModelScope。
首批支持语言、语音、视觉和神经图形等负载，预优化模型包括阿里通义千问、Google Gemma 和 Ultralytics YOLO，运行时支持 ExecuTorch、LiteRT 和 ONNX Runtime，生态伙伴有阿里巴巴、树莓派和 Ultralytics。
素材中还给出了几组可核查的性能数据：Qwen3-TTS 在 vivo X300 上依托第二代 Arm 可伸缩矩阵扩展 SME2，实现超过 4 倍速度提升；Ultralytics YOLO26 在 vivo X300 上单线程 FP16 相比 FP32 提升超过 40%；在树莓派 5 上，FP16 与 INT8 混合量化相比 FP32 同样提升超过 40%。
为什么重要
过去开发者关注模型能力本身，现在 AI 应用进入手机、PC、汽车、机器人和企业云环境，问题变成了延迟、内存、功耗和跨平台适配。Arm AI Portal 的意义在于，它把分散的模型、运行时、性能数据和部署指引收拢到一个入口，而不是再发一个模型列表。
这也反映出 Arm 软件生态策略的调整。KleidiAI 偏底层算子优化，解决“怎么把某类计算跑得更快”；AI Portal 更偏工作流组织，解决“选什么模型、在哪跑、怎么部署”。对一家 IP 授权公司来说，仅有硬件能力已不足以降低开发成本，编译器、量化工具和文档是否完整同样关键。
对用户/开发者/创作者的影响
对开发者而言，最直接的变化是决策效率。今天不缺开源模型，Hugging Face、ModelScope 上模型很多，真正耗时的是验证模型在自己场景下延迟够不够低、内存能不能控、精度损失是否可接受、目标芯片上能否稳定跑。AI Portal 试图缩短这段实验和判断过程。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
另一个值得注意的点是“智能体可发现”。Arm AI Portal 相关资源将支持通过模型上下文协议 MCP 供编程智能体访问，意味着未来开发者可能不再手动翻文档，而是让 Coding Agent 直接查找适合某平台的模型和优化路径。过去门户服务“人找资源”，现在还要服务“智能体找资源”。
值得关注的后续
一是 AI Portal 上的预优化模型和性能数据是否会持续扩充，覆盖更多端侧芯片和运行时；二是 MCP 访问的实际体验如何，智能体能否真的自动完成选型和部署，而不只是概念演示；三是国内开发者生态的接入节奏，尤其是魔搭社区上线后，中文模型和本地硬件适配是否同步跟进。
来源：InfoQ CN
