报告行业投资评级 - 报告未明确提及具体的行业投资评级 [1][2][3][4][6] 核心观点 - Arm Lumex平台通过一体化设计实现系统级性能与能效提升 从传统CPU/GPU独立配置模式转变为协同优化的整体交付方案 [2] - 端侧AI推理性能最高提升5倍 能效提高3倍 通过SME2技术实现 [1][4] - GPU光追性能实现2倍增长 并带来20%的游戏与AI性能提升 [1][3] - 平台提供基于3nm制程的可量产方案 覆盖手机、平板与PC设备 [1][2] - 生态标准化与全栈软件支持降低开发门槛 加速端侧AI规模化落地 [6] 技术架构创新 - C1 CPU集群采用分级设计 Ultra版本连续六年实现双位数IPC提升 Pro版本能效和同频性能超越A725 Nano版本能效显著优于A520 [2] - 系统级优化解决内存访问、带宽利用与任务调度瓶颈 真实负载下实现平均15%体验提速和12%功耗下降 [2] - SI L1与MMU L1系统IP降低互连及地址转换延迟 增强大模型推理与高并发图形任务稳定性 [2] - Mali G1-Ultra GPU采用独立功耗域设计 兼容UE5等新一代渲染管线 实现高画质渲染与UGC内容创作 [3] - Kleidi AI/CV软件库提供全栈开发支持 覆盖编译器、推理框架至Android运行时系统适配 [4] 应用场景与生态发展 - CPU与GPU形成协同分工机制 CPU负责控制流与高密度逻辑计算 GPU专注像素及大吞吐张量处理 [4] - 端侧AI支持小模型推理、本地知识库调用及多步Agent任务 具备低内存占用和强跨平台移植性优势 [4] - AI PC/平板生态推进硬件架构规范、引导与安全接口标准化 降低多操作系统与多形态设备适配成本 [6] - 联合国内方案商与OEM推动多形态国产参考设计 覆盖从轻薄本到工作站的多级产品梯度 [6] - 硬件升级通过Kleidi软件库与SME2向后兼容性快速转化为应用性能提升 降低总拥有成本（TCO） [6] 性能数据指标 - SME2技术在LLM、计算机视觉及语音场景实现2至3倍以上性能提升 [4] - GPU机器学习核心算子通量提升 有效整合渲染、生成及后处理环节（含超分、降噪与合成） [3] - 平台提供从RTL到流片的全栈式方案 缩短OEM客户集成与验证周期 [2] - 硬件光追单元重构后 成本表现为更稳定的功耗控制与可预期的画质提升 而非帧率损失 [3]