给手游加上 AI，体验就能更上一层楼吗？

过去提到 Arm，印象是"卖图纸"——提供底层架构，大客户拿去做各自的芯片，手机、掌机、车机、电脑里都有它的技术，但离普通用户和开发者都很远。

今年在 Arm Create 现场，画风变了：有开发者在研究怎么把端游搬上手机，有端侧驱动的语音交互机器人，Arm 还专门做了帮开发者找模型、看性能、做优化部署的工具。

01

AI 其实早就在你手机里

在大模型霸占发布会之前，AI 就已经在本地干活了：人脸识别、拍照时识别人像并虚化背景，背后都是端侧 AI 在工作。

只不过这类任务边界清晰——目标设备定了，把模型、软件、硬件一起调好就完事。大模型时代不一样了：迭代速度太快，越来越多开发者想把 AI 接进自己的产品，同一种功能还可能跑在不同设备上。

02

把游戏从电脑搬到手机，难在哪？

游戏行业是个典型例子。不少厂商先做 PC 端，再移植到手机甚至掌机。但移植不是"把键鼠换成触屏"就完事：

要重新适配引擎和图形接口
要在有限的功耗下保住画质和帧率
游戏偏偏又最敏感——平均帧率低 10%，玩家第一个绷不住

3.7 万 一个角色由多少三角形组成

10% 平均帧率下降的容忍红线

03

画面"吃算力"，到底怎么吃？

游戏角色其实是由一个个三角形拼出来的。以某款游戏里的角色为例，一个形象背后就是 3.7 万个三角形。GPU 先处理这些几何形状，再结合纹理和光照，算出屏幕上的像素。

分辨率越高，要处理的像素通常就越多。神经超级采样可以帮忙优化：先渲染低分辨率画面，再用 AI 结合历史帧和运动信息重建细节。

问题在于，每台手机芯片的算力、显存、散热、功耗都不同，这套 AI 重建的参数没法直接照搬。

04

头疼的不止移植

现场还展示了云端物理 AI 的演示，麻烦是相通的：

模型有了，选哪个版本？用什么软件跑？在设备上表现如何？——全都得自己摸索。

05

AI Portal：一站式资源入口

Arm 推出 AI Portal，就是为了解决这件事。简单说，它是给 AI 开发者提供模型、代码和开发工具的资源入口。

目前 AI Portal 里已有多款模型完成适配，覆盖语言、语音、视觉和神经等方向。

打个比方

就像自己攒一台游戏电脑：各家都说自己最强，但怎么配最好还得花精力研究。咬牙上了顶级显卡，结果网线还是老小区的十兆宽带，显卡也只能干使牛劲。

AI Portal 相当于装机老板提前帮你挑好了匹配的电源和主板，还顺手把驱动装好了。

06

省掉"从零硬啃"的那部分

作者分享了自己的经历：前几年参赛拿了 20 万奖金，当时很多模型和底层优化方案都是现成的，他要做的只是把它们对接进应用。

要是早出生十年，光是折腾接口、安装依赖、再去论坛翻"古人的智慧"就要耗掉大量时间。而 AI Portal 把这类重复踩坑的工作直接省掉了。

07

开发资料，接进编程工具

除了 AI Portal，Arm 也在把开发资料通过 MCP 接入编程工具。

以前

自己找资料、读明白，再动手写代码

现在

编程智能体也能查接口说明、参考部署步骤

现场举了 Arm Learning Paths 学习资料的例子：它不仅能帮忙写代码，查对应平台的资料这一步也能搭把手。

"让你在 VS Code 或 Codex 里，直接访问到这些数据。"

08

回头再看那个"卖图纸"的印象

往大了说，一头连着芯片和设备，一头连着模型、软件、工具和开发者。
往小了说，对团队也很有意义。

—— Arm 开发者关系副总裁在访谈中的表达

有人已经把某个模型调好了，如果这些经验只留在那个项目里，换个人又得重来；把模型、代码和测试结果整理出来，下一个人就能接着往下做。

你手里有块顶级显卡，没有适配好的驱动和游戏，显卡再强，不也是白扯吗？

09

一个真实的团队案例

以前团队做项目，都是直接让开发帮忙给编辑和剪辑做点小工具。但 Codex 这类智能体出现以后，没有开发背景的剪辑同事也能自己搓出项目。

100% 剪辑同事自建工具的公司内使用率

原因很简单：他们才是最清楚自己工作的人。

再往远了说，如果项目做好了，也可以分享出来，把项目部署到手机上，这类平台就能派上大用场。

10

给开发者与团队的启发

01

别再重复造轮子。先看看现成的模型适配和底层优化方案，把精力留给真正属于你的那部分工作。

02

做端侧 AI，别照搬别人的参数。芯片算力、显存、散热、功耗各不相同，适配必须回到具体设备上磨。

03

让最懂业务的人上手工具。剪辑同事自建的小工具使用率能到 100%，就是最好的证明。

04

把模型、代码和测试结果沉淀下来。经验留在个人手里就是消耗，整理出来才是团队的资产。

05

省下移植适配的时间，投到玩家能直接感知的地方：真机打磨、画质、帧率、温控。