La notizia più interessante nell’ultima raffica di annunci di Arm non è un singolo chip. È l’idea che l’intelligenza artificiale agentica abbia bisogno di una piattaforma comune che attraversi smartphone, data center, automobili e robot. Arm prova a occupare esattamente quello spazio.

L’8 settembre, durante Arm Everywhere China, l’azienda ha presentato contemporaneamente una nuova piattaforma mobile, una nuova generazione di infrastruttura Neoverse per il cloud, un programma per la physical AI che coinvolge più di 80 aziende e un portale software pensato non soltanto per gli sviluppatori umani ma anche per gli agenti AI che scrivono e ottimizzano codice. È un aggiornamento insolitamente ampio perché non riguarda un segmento specifico: riguarda quasi tutti i luoghi in cui l’AI dovrà essere eseguita.

La tesi di Arm è semplice: quando l’AI smette di essere soltanto un modello che genera testo e diventa un sistema che mantiene contesto, usa applicazioni, chiama strumenti, coordina altri modelli e agisce nel mondo reale, la questione hardware cambia. Non basta più chiedere quale acceleratore produce più token al secondo. Bisogna capire come CPU, GPU, memoria, rete, sensori e software collaborano mentre un agente continua a funzionare per minuti, ore o giorni.

Lo smartphone diventa una macchina per agenti

La parte più immediata per i consumatori è CSS for Mobile 2, la nuova piattaforma di calcolo che Arm propone ai produttori di chip e dispositivi. Il cuore è il cluster C2, che combina C2-Ultra, C2-Pro e due unità SME2, insieme alla nuova GPU Mali G2-Ultra NX.

Arm dichiara che C2-Ultra offre fino a 1,7 volte le prestazioni AI del predecessore C1-Ultra, fino al 15% in più nelle prestazioni single-thread e fino al 38% di consumo in meno a parità di prestazioni. Il raddoppio della capacità SME2, secondo l’azienda, può accelerare fino al 70% alcuni small language model recenti. Sono numeri forniti da Arm e andranno verificati sui dispositivi commerciali, ma indicano con chiarezza il bersaglio: spostare più inferenza e più orchestrazione direttamente sul telefono.

La GPU racconta la stessa storia da un’altra direzione. Mali G2-Ultra NX è la prima GPU Mali con acceleratori neurali dedicati integrati nel percorso grafico. L’obiettivo non è soltanto far girare modelli generativi, ma usare reti neurali per ricostruire dettagli, aumentare la risoluzione, migliorare il rendering e rendere più efficienti i giochi. Arm dichiara fino a quattro volte le prestazioni per watt nella neural graphics e fino al 14% in più nelle prestazioni dei giochi tradizionali rispetto alla generazione precedente.

Il punto però non è trasformare ogni smartphone in un mini data center. È ridurre la distanza tra ciò che l’agente deve fare e il luogo in cui si trovano i dati. Se una parte del ragionamento, del riconoscimento vocale, della visione o della gestione del contesto può avvenire sul dispositivo, diminuiscono latenza e dipendenza dalla rete e, in alcuni casi, aumenta anche il controllo sui dati personali.

Perché la CPU torna centrale nell’era dell’AI

Negli ultimi tre anni il racconto dell’infrastruttura AI è stato dominato quasi completamente dalle GPU. Arm sta provando a spostare l’attenzione su un fatto meno spettacolare ma importante: gli agenti non fanno solo moltiplicazioni di matrici.

Un agente deve interrogare database, aprire file, gestire memoria, eseguire codice, chiamare API, coordinare più acceleratori e aspettare risposte da servizi esterni. Molte di queste attività sono CPU-intensive. Più l’AI diventa un workflow e meno assomiglia a una singola inferenza, più cresce il lavoro di orchestrazione.

È qui che entra Neoverse CSS N4. Arm lo presenta come il proprio compute subsystem più configurabile per il data center: fino a 128 core per die, supporto a memoria LPDDR6 e PCIe Gen 7. Rispetto a Neoverse CSS N3, l’azienda dichiara fino al doppio delle prestazioni, fino a 1,25 volte le prestazioni per watt e fino a 1,75 volte la banda di memoria.

Neoverse CSS non è necessariamente un chip che il cliente compra così com’è. È una base integrata che permette a operatori cloud e produttori di semiconduttori di costruire silicio differenziato riducendo una parte del lavoro di integrazione. È esattamente il tipo di prodotto che diventa più importante quando gli hyperscaler vogliono chip su misura per carichi specifici.

Arm offre anche una strada diversa con AGI CPU, un prodotto più pronto all’uso per carichi agentici. L’azienda cita OpenAI, Meta, Cloudflare, Oracle, SAP, Lenovo, Supermicro e Verda tra le società che stanno sviluppando soluzioni attorno alla piattaforma. Google Cloud utilizza inoltre istanze Axion per sandbox di agenti, mentre Microsoft sta spingendo Cobalt nelle proprie infrastrutture.

Arm non vende soltanto CPU: vende una continuità

Qui emerge la parte più strategica. Arm è già presente nel 99% degli smartphone e afferma che oltre 350 miliardi di chip basati sulla propria architettura sono stati spediti nel tempo. Questo significa che milioni di sviluppatori conoscono già l’ambiente software Arm e che una parte enorme del computing mobile gira già sulla sua base.

Se la stessa architettura diventa più forte anche nei data center, nei veicoli e nella robotica, si crea un vantaggio di continuità: un modello o un componente software può essere ottimizzato lungo una catena più ampia di dispositivi senza cambiare completamente ecosistema.

Non è un monopolio tecnico e non elimina x86, RISC-V, GPU proprietarie o acceleratori specializzati. La physical AI sarà inevitabilmente eterogenea. Ma Arm vuole essere la parte comune sotto quella eterogeneità: la CPU che orchestra, il set di istruzioni su cui eseguire parti del modello, il software che collega gli strumenti e il riferimento attorno al quale i partner integrano il resto.

La physical AI è il pezzo più ambizioso

Arm ha esteso anche il programma Total Design alla physical AI, mettendo insieme più di 80 aziende tra cui AWS, ECARX, Hugging Face, Liquid AI, NXP, PlusAI, PSYONIC, QNX, Qwen, Siemens e Unitree Robotics. L’idea è ridurre la frammentazione tra modelli, sensori, software, sistemi real-time, hardware e digital twin.

Robot e veicoli autonomi sono molto più difficili da standardizzare di uno smartphone. Devono percepire l’ambiente, reagire entro tempi prevedibili, rispettare vincoli energetici e soprattutto non fallire in modi pericolosi. Per questo Arm sta proponendo anche un Robotics Capability Framework: una struttura che prova a creare un linguaggio comune per descrivere il livello di capacità dei robot.

Il framework parte da sistemi reattivi e arriva a sistemi sempre più context-aware, cognitivi e auto-miglioranti. Arm lo presenta come un punto di partenza, non come uno standard già imposto al settore. L’analogia dichiarata è quella con i livelli SAE dell’automazione automobilistica: creare un vocabolario condiviso per ridurre ambiguità tra produttori, fornitori, clienti e regolatori.

È una mossa molto più politica di quanto sembri. Chi riesce a definire le categorie con cui un settore descrive le proprie capacità influenza anche il modo in cui quel settore progetta prodotti, misura prestazioni e discute sicurezza.

Il nuovo sviluppatore può essere un agente

L’altro annuncio rilevante è Arm AI Portal. La piattaforma raccoglie modelli ottimizzati, dati di prestazione, esempi di codice e workflow di distribuzione. Al lancio include modelli come Qwen, Gemma e YOLO e supporta runtime come ExecuTorch, LiteRT e ONNX Runtime.

La novità concettuale è che il portale è pensato per essere interrogabile anche dalle macchine. Arm rende risorse e informazioni disponibili agli agenti di coding anche via MCP, così un agente può cercare il modello adatto, confrontare memoria e latenza e individuare una versione ottimizzata per un determinato target hardware.

È un dettaglio che anticipa un cambiamento più grande. Fino a oggi i produttori di hardware hanno documentato i propri chip pensando a sviluppatori umani che leggono manuali e benchmark. Se una parte crescente del software viene scritta o ottimizzata da agenti, la documentazione stessa deve diventare machine-readable. Il catalogo, il benchmark e il percorso di deploy diventano input per altri sistemi AI.

Arm sostiene di avere un ecosistema di oltre 22 milioni di sviluppatori. La sua scommessa è che, nel prossimo ciclo, a quella platea si aggiungano milioni di agenti software che prendono decisioni tecniche al posto o insieme agli esseri umani.

Il rischio: una piattaforma troppo larga può perdere nitidezza

C’è però un caveat importante. Riunire smartphone, server e robot sotto la stessa narrativa non significa che le esigenze siano identiche. Un telefono ottimizza batteria e temperatura. Un server ottimizza throughput, densità e costo totale. Un robot deve rispettare requisiti di latenza, sicurezza, determinismo e affidabilità fisica.

Arm può fornire fondamenta comuni, ma il valore reale dipenderà da quanto i partner riusciranno a differenziare sopra quelle fondamenta. Nel mobile, inoltre, le prestazioni dichiarate devono ancora arrivare nei chip commerciali e nei prodotti venduti. Nel cloud, l’avanzata Arm è reale ma la concorrenza resta intensa. Nella robotica, il Robotics Capability Framework è ancora una proposta iniziale e non è detto che il settore converga attorno a un’unica classificazione.

È importante anche distinguere tra numeri di marketing e risultati verificati. Le percentuali di incremento prestazionale pubblicate con C2 e Neoverse provengono da Arm; finché non ci saranno implementazioni indipendenti e benchmark su silicon reale, vanno lette come target e misure del fornitore, non come verità universali.

La partita vera è diventare invisibili

La strategia di Arm funziona se, paradossalmente, Arm diventa sempre meno visibile all’utente finale. Nessuno sceglie un assistente AI perché usa Neoverse CSS N4. Nessuno compra un robot perché aderisce a Total Design. Ma se quell’architettura rende più semplice costruire prodotti, più efficiente eseguirli e più facile spostare software tra cloud ed edge, diventa infrastruttura.

È la stessa posizione che Arm ha conquistato negli smartphone: raramente è il marchio sulla scatola, ma è quasi sempre dentro la scatola. Ora prova a ripetere il modello nell’AI agentica e fisica.

La vera posta in gioco non è quindi vendere una CPU più veloce nel 2027. È diventare il denominatore comune di un mondo in cui gli agenti vivono contemporaneamente nel cloud, nel telefono e nelle macchine che ci circondano.

Se quella visione si realizzerà, la prossima grande piattaforma dell’intelligenza artificiale potrebbe non essere un modello. Potrebbe essere l’architettura invisibile che permette a migliaia di modelli, agenti e dispositivi di muoversi tra ambienti diversi senza ripartire ogni volta da zero.

Fonti