RISC-V走向AI计算主场

作者：周雅

RISC-V似乎走到了兑现时刻。

弗若斯特沙利文数据指出，2025年全球RISC-V主控芯片产品市场规模已达1306亿元，预测到2030年中国该市场有望达到2194亿元，全球市场可能突破6000亿元。

RISC-V作为全球三大主流指令集架构之一，诞生于2010年，由美国加州大学伯克利分校的研究团队发起，凭借开源开放、设计灵活、低功耗等优势，逐渐在嵌入式、物联网、微控制器这些相对低调的市场找到立足之地。

从数字来看，RISC-V已经证明了自身的应用和商业价值。但在眼下，RISC-V正在延伸到高性能计算和AI数据中心市场，考验也随之而来。

考验在于，RISC-V开放的是指令集标准，芯片厂商可以根据需求设计处理器，但开放不会自动带来软件兼容性。对于智能家居设备，一颗芯片通常可以运行厂商预先适配好的程序；但在数据中心，企业希望服务器能够直接安装成熟的操作系统，并且支持现有的数据库和虚拟化软件。过去RISC-V迅速打开嵌入式市场的定制优势，到了通用计算领域，反而可能增加不同芯片之间的软件适配成本。

恰好在这一时期，AI正在改变整个计算市场。越来越多的Agent开始执行代码和调用外部工具，CPU在任务调度与系统管理中的作用也受到重新审视。同时推理系统对内存容量和数据访问效率提出了新要求，使过去相对固定的计算架构，出现了更多重新设计的空间。

于是我们在10月19日的第六届RISC-V中国峰会看到了这些变化。大会主席、RISC-V国际开源实验室联合主任谭章熹透露，今年峰会收到239篇投稿，较去年的202篇增长近20%，AI、高性能计算、软件生态成为重要方向。多家企业拿出了新一代高性能CPU、AI推理服务器和面向真实应用的软件方案。无一不在说明上述问题。

AI时代，RISC-V如何进入主流计算市场、如何建立成熟软件生态、如何在AI时代找到差异化的价值，都是这场峰会的落脚点。

RISC-V开始啃更硬的骨头

为了更容易理解RISC-V的现状，我们首先要区分两个容易混淆的概念：指令集开放和软件生态成熟。

x86和Arm已经建立了庞大的软硬件生态。企业采购一台x86服务器，通常不需要关心处理器内部究竟采用哪一种微架构，只要它符合相应的软件和平台要求，就可以部署主流操作系统和大量现成的商业软件。这种兼容性，让芯片厂商能够专注于性能与成本，也让用户不必为更换硬件重新开发整套系统。

RISC-V过去的情况有所不同。由于它允许厂商根据自身需求选择和扩展指令，不同芯片支持的功能可能存在差异。一套软件即便能够在某款RISC-V芯片上运行，换到另一款芯片，也可能需要重新编译或修改代码。这在嵌入式市场尚可接受，因为设备的功能相对固定，厂商可以一次完成软件开发，再随着产品量产摊薄成本。但数据中心的情况不同，需要同时运行大量不同的软件，企业无法接受每更换一款处理器，就要重新适配操作系统和企业应用。

因此，RISC-V过去几年的标准化工作，实际上是在为高性能计算市场铺路。2024年10月，RVA23应用处理器配置文件获得批准，为不同厂商的应用处理器提供了一套共同的指令集要求。2025年2月，Server SoC 1.0规范获批；到2026年5月，Server Platform 1.0进一步明确服务器平台的软硬件能力，形成了更加完整的兼容性基础。

简单来说，RVA23解决的是不同处理器应该支持哪些基础指令，服务器平台规范则进一步规定它们如何与系统软件配合。芯片厂商需要提供标准化的中断控制和内存管理能力，并遵循统一的启动接口。这样，操作系统和虚拟化软件就能依赖一套明确的硬件规则，而不必为每家厂商重新开发专用版本。

RISC-V国际基金会CEO Andrea Gallo在峰会上指出，RISC-V成为大势已是必然，高性能RISC-V应用处理器正在登场。他将RISC-V的未来发展方向归纳为三个方向：持续完善指令集规范、推动高性能RISC-V芯片交付、并由产业界共建软件生态。三项工作缺一不可。

RISC-V国际基金会首席架构师、SiFive联合创始人兼首席架构师Krste Asanovic把2026年称为RISC-V发展中值得铭记的一年。他回顾了RISC-V大约16年的演进历程：最初几年主要解决架构设计问题，随后完成操作系统和基础软件的移植，再逐渐形成嵌入式商业产品。现在，新一代RVA23应用处理器陆续出现，服务器与数据中心成为下一阶段需要突破的市场。

但他同时提醒，“软件能够移植”和“软件能够高效运行”不可相提并论：当前一些RISC-V硬件虽然符合既有规范，却未必在所有关键指令上提供足够好的性能。例如，同样支持某种内存访问操作，不同芯片在处理效率上可能存在明显差异。软件开发者为了追求性能，仍然需要针对特定硬件做优化。因此，RISC-V社区还在推动更明确的实现质量要求，让软件开发者能够对硬件性能形成稳定预期。

这实际上揭示了RISC-V进入数据中心的第二道门槛：软件能在不同硬件上运行，只是兼容性的起点；不需要反复调优就能获得稳定的高性能，才意味着生态真正成熟。

AI为什么给RISC-V带来了另一种机会？

高性能处理器的成熟，为RISC-V打开了通用计算市场的大门。而AI的兴起，则可能改变这个市场的竞争规则。

随着AI推理需求增长，尤其是Agent开始进入企业实际业务，CPU所承担的任务在发生变化。比如，一个企业Agent接到“分析销售数据并生成报告”的任务后，往往不只是调用一次大模型，它可能要访问数据库、检索文档、运行Python代码、再调用办公工具生成文件。此过程中，GPU可以承担其中的模型推理，但程序执行和系统调用仍然需要大量CPU资源。当越来越多的Agent同时运行时，这些任务对CPU的并发处理能力、系统I/O效率、运行成本也提出了更高要求。

阿里巴巴达摩院首席科学家孟建熠在峰会上谈到这一变化。他认为，Agentic AI正在为CPU创造新机会，当AI开始连续执行多项任务时，用户希望整体响应时间更短。因此，CPU要在性能、响应延迟、成本之间找好平衡。这也为RISC-V提供了一个切入点：不一定要先在整个通用计算市场与x86和Arm正面竞争，而是有机会针对Agent等新兴负载设计专用的计算平台。

不过，成为AI服务器的主机CPU，只是RISC-V进入AI计算市场的一条路径。而在不少AI加速器内部，RISC-V早已承担着重要的计算和控制任务。

Andrea Gallo介绍，Meta的AI训练和推理加速器内部，每个处理单元就包含两颗RISC-V向量内核，而一颗定制加速器集成了数百个这样的处理单元。换句话说，RISC-V不一定要以独立CPU的身份进入AI数据中心，它也可以隐藏在AI加速器内部的基础计算单元，完成部分数据处理和控制工作。

Tenstorrent则进一步展示了这种架构的规模化潜力。公司产品战略副总裁Aniket Saha介绍，Tenstorrent的Tensix AI计算单元内部集成了多颗小型RISC-V内核，负责数据打包、调度和传输等工作。公司披露，其Galaxy超算集群内部部署了约75万个RISC-V处理单元。对于这样的系统而言，RISC-V的价值之一，在于厂商可以根据特定工作负载设计处理器，再通过统一的软件工具组织大量计算单元。

而这种灵活性，也开始转化为新的商业模式。峰会上，Tenstorrent正式发布了Tensix NEO-G系列，它是一套面向全球市场授权的可配置AI计算IP，可以作为处理器设计的一部分，也可以通过芯粒形式与其他计算单元组合。首批相关芯粒已经完成流片。

Krste Asanovic还提出了更进一步的设想：既然AI计算离不开通用处理器的控制和调度，能否让通用计算和AI数值运算在同一套处理器体系中完成，而不再严格区分主机CPU与加速设备？这种设计，有望减少部分任务调度和数据搬运开销，但也要求处理器具备更强的向量与矩阵计算能力。为此，RISC-V社区正在推进多种矩阵扩展方案，既考虑小型DSP和应用处理器的需求，也为高吞吐AI加速器提供专门的计算能力。

AI推理遭遇内存墙，计算架构寻找新解法

AI为RISC-V带来新机会，也对底层计算架构提出了高要求。

图灵奖得主、RISC-V国际开源实验室主任、加州大学伯克利分校名誉教授David Patterson通过视频演讲提出，“AI训练阶段就像送孩子上大学；推理阶段则像孩子毕业后，带着所学知识开展工作。”在他看来，AI推理的市场规模将超过训练，未来十年还有望增长10倍，因此RISC-V应该把推理作为重要的发展方向。

不过，Patterson同时指出：当前AI计算面临的一大挑战，在于“内存”。

以Transformer架构为例，大模型推理通常分为预填充（Prefill）和解码（Decode）两个阶段。预填充阶段需要处理大量输入信息，计算相对密集；解码阶段则按照顺序生成Token，要不断读取模型权重和上下文缓存，因此更容易受到内存带宽限制。即便处理器拥有很高的峰值算力，如果数据无法及时送到计算单元，算力也很难充分发挥。

所以继续增加计算单元未必是提高AI推理效率最经济的方式，Patterson特别介绍了「高带宽闪存（High Bandwidth Flash，HBF）」，试图在传统HBM之外，为推理系统提供另一种存储选择。

HBF借鉴先进封装和芯片堆叠技术，希望利用闪存的高存储密度，在提高访问带宽的同时，为模型权重提供更大的存储空间。对于需要容纳大量参数、但数据以读取为主的推理任务，这种设计具有一定吸引力。

不过，HBF尚不能简单替代HBM或DRAM。闪存的读取延迟通常更高，写入性能也受到限制，因此它更适合承担特定数据的存储任务，而不是直接取代所有运行内存。Patterson讨论HBF的意义，是提出了新的设计思路：当内存越来越成为系统性能的瓶颈，计算架构就需要围绕数据的存储和访问方式，进行重新设计。

这一判断反映出HBF与RISC-V的产业机会存在联系：下一阶段的性能提升，可能需要从计算与存储的整体架构入手，而不仅是增加更多矩阵运算单元。

中国RISC-V产业迈入新台阶

RISC-V进入商业化快车道的同时，中国市场已成为核心增长引擎。

弗若斯特沙利文数据显示，中国RISC-V主控芯片产品市场规模从2021年的11亿元增长至2025年的377亿元，年复合增长率达到139.5%。这一增长主要来自智能终端和各类专用芯片的广泛应用。以阿里巴巴达摩院为例，玄铁相关芯片累计出货量已经超过60亿颗，覆盖MCU、无线连接和存储控制等多个领域。这说明RISC-V在中国并不缺乏规模化应用。

而现在，汽车电子与具身智能也在成为中国RISC-V产业的增量。

当天，达摩院正式发布玄铁E908A车规增强处理器IP，这是一款同时面向ASIL-B和ASIL-D功能安全要求的RISC-V CPU IP，可用于汽车安全岛、域控制器和动力底盘等场景。达摩院还首次公布了面向自动驾驶与具身智能的产品路线图，下一代C950A的目标性能将达到现有RISC-V车规产品的5倍。

Tenstorrent也观察到了类似的需求变化。Aniket Saha介绍，公司最初主要面向数据中心和工作站提供AI计算IP，但汽车厂商希望在相关产品中加入功能安全能力，因此Tenstorrent进一步推出了Tensix NEO Auto，并将具备功能安全能力的处理器与AI计算模块组合起来，覆盖从感知到规划再到安全执行的不同计算环节。

这一趋势与奕斯伟计算高级副总裁、首席技术官何宁的判断形成了呼应。何宁认为，随着大模型显著提高机器的理解与决策能力，智能系统的感知和执行环节也需要相应升级。如今，机器人不仅要理解人的意图，还要根据环境变化持续调整动作，如果所有信息都需要交给中央处理器判断，再把指令传回执行机构，系统的响应效率就可能受到限制。

何宁用了一个形象的比喻：“章鱼”。章鱼的腕足拥有相对独立的神经控制能力，不必等待大脑处理所有动作细节。未来的智能汽车和机器人也可能采用类似的计算方式，让传感器和执行节点具备一定的本地处理能力，减少数据往返传输带来的延迟。按照这一思路，奕斯伟计算正围绕智能感知、人机交互和智慧连接构建RISC-V产品组合。何宁介绍，公司已经形成超过150款量产产品，服务全球220家客户，并通过RISAA等开放平台推动不同计算节点之间的生态协同。

但从机器人整机厂商的角度看，处理器的计算能力只是问题的一部分。

零次方机器人联合创始人兼CTO程颐展示了两个场景：一个是机器人通过对话理解餐具的摆放要求，再完成整理；另一个是灵巧手在柔软的气球表面绘画。前者依赖模型理解和任务规划；后者则要求机器人持续感知接触状态，并及时调整手指的动作。两种任务运行在同一台机器人上，对计算系统的要求却有很大差别。

程颐指出，机器人的高层任务规划可以按照数百毫秒甚至秒级的节奏运行，但精细动作控制往往需要更高频率的反馈。这意味着，一台机器人可能同时需要运行大模型的应用处理器、负责传感器数据的通信芯片、执行实时控制的微控制器。RISC-V能够根据这些不同任务提供定制化的处理器设计，但如果各个节点缺乏统一的软件接口，整机厂商也会面临额外的开发负担。

例如，机器人更换计算芯片或动作模型后，模型输出的坐标信息能否与机械臂控制系统正确对应？不同传感器的数据能否保持时间同步？新的控制程序是否仍然满足安全要求？这些问题看似与芯片性能无关，却直接影响整机能否稳定工作。如果每次更换硬件都要重新完成软件适配和系统验证，开放架构原本带来的灵活性，就可能被额外的工程成本抵消。

因此，程颐更看好RISC-V先在通信和执行控制等职责相对明确的节点扩大应用，再逐步延伸至更复杂的计算环节。这种路径不必一次性替换机器人现有的全部计算平台，也更容易保留厂商已经完成的软件开发成果。

除了汽车和机器人，中国RISC-V厂商也开始向通用服务器市场推进。

峰会上，进迭时空正式发布V100服务器级计算芯片，这是首颗完整符合RISC-V服务器规范的通用计算芯片，采用46核混合架构，包括6颗香山昆明湖高性能核心和40颗进迭时空自研X100高能效核心，支持8通道DDR5内存以及52条PCIe 5.0通道。

此外，V100更值得关注的是对服务器标准的支持，该芯片支持RVA23及相关服务器规范，并提供UEFI和ACPI标准接口，使主流操作系统发行版能够在无需针对性代码修改的情况下运行。过去，不少RISC-V开发平台需要使用专门适配的系统镜像，而标准化的服务器平台可以减少这类重复工作。围绕V100，进迭时空还推出了面向通用计算、AI加速和数据存储的三类服务器方案，试图把处理器的兼容能力进一步落实到可部署的整机产品。

另一条值得关注的路线，是围绕AI推理重新设计处理器与内存系统的关系。

蓝芯算力CTO贾新霞在峰会上介绍，旗下LX500采用智通融合架构，在一颗芯片中集成48个RISC-V处理器核心和75 TOPS的INT8 AI算力。其中，CPU与AI计算单元可以共享DDR5内存，并通过CXL 2.0扩展内存容量，最高支持2TB。与传统CPU搭配独立AI加速卡的方案相比，LX500希望减少部分数据搬运开销，并为较大规模模型提供更充足的内存空间。

蓝芯算力已经把这一设计推进到整机市场。贾新霞介绍，公司与联想合作推出了搭载LX500的问天WR5219G5服务器，并进一步形成智算一体机和超节点等产品方案。

从峰会还能看到，中国厂商开始形成不同层次的产品供给。中兴微电子介绍了面向智算中心和Agent CPU集群的珠峰200处理器，超睿科技发布了兼容RVA23的第四代高性能处理器核UR-CP400，北京开源芯片研究院推出昆明湖V3高性能开源处理器核，而算能则展示了集成64核RISC-V CPU及国产AI算力的SRM31融合服务器。这些产品所处的研发和交付阶段不尽相同，但它们反映出中国RISC-V产业正在形成更丰富的供给体系。

软件生态还要补多少课？

当越来越多的企业开始把RISC-V用于真实业务时，软件生态的问题也变得更加具体。

深圳计算科学研究院崖山数据库CEO陈志标提供了一个案例。崖山数据库今年已经完成RISC-V平台的代码级适配，但在部分关键性能场景下，与理想目标仍有明显差距。比如，数据库需要同时处理大量查询和事务，当计算规模扩展到数十个处理器核心时，锁竞争和不同缓存之间的数据同步，都可能影响整体性能。

问题出在哪里？陈志标提到了数据库中非常基础的并发控制：以数据库中的锁为例，多线程通过原子操作控制共享数据的访问，看起来只是几条底层指令，但当系统扩展到多个处理器核心时，缓存一致性、内存访问、NUMA、I/O和中断处理等因素都会影响整体性能。数据库的性能又恰恰来自大量细节的叠加，因此即便某款RISC-V处理器具有不错的单核指标，也不意味着数据库一定能够获得同样出色的吞吐表现。

这种复杂性说明，要让RISC-V真正进入企业关键业务，芯片厂商、操作系统、编译器、数据库和整机企业必须进行更深入的联合优化，解决功能可用之后的性能、可靠性和长期维护问题。

这也解释了RISC-V软件生态建设重要性。目前，深圳计算科学研究院已与睿思芯科共同组建软硬件一体化联合实验室，围绕RISC-V平台开展数据库适配与性能优化。由此可见，软件厂商不再只是被动等待硬件适配完成，而是开始参与底层计算平台的优化，让处理器能力与真实业务需求形成更直接的对应关系。

孟建熠提到RISC-V产业的矛盾：开放架构允许不同厂商自由组合扩展和配置，但这种灵活性也带来了阶段性的碎片化。特别是在服务器和应用处理器领域，不同硬件实现之间的差异可能增加软件维护成本，而复杂的软件生态又不可能由任何一家芯片公司独自建立。

因此，达摩院不仅在硬件侧持续推进高性能处理器，也在软件侧投入大量资源。孟建熠介绍，团队已经向GCC、LLVM等上游编译器社区贡献多项改进，并针对OpenJDK进行了持续优化。在玄铁C950平台上，经过软件调优，部分Java性能测试结果提升了30%以上。达摩院还计划与阿里巴巴Dragonwell 25协同推出RISC-V版本，并持续推动商业操作系统和应用软件适配。

这类基础设施的价值，在于降低整个软件社区参与RISC-V开发的门槛。对于Linux、Java和AI开发框架等基础软件而言，只有当RISC-V成为上游社区长期支持的目标平台，而不是依赖少数厂商维护专用版本，软件生态才有可能随着芯片市场的扩大持续发展。

标准化与兼容性验证也在同步推进。中国电子工业标准化技术协会RISC-V工作委员会执行秘书长周萌介绍，目前国内开放的RISC-V应用场景已经超过300个，今年有20多项相关规范正在推进。周萌特别提到了国内RISC-V与鸿蒙生态的协同，已有约37种RISC-V芯片通过相关鸿蒙社区认证，覆盖多类MCU产品。

软件开发之外，芯片设计本身也存在类似的成本问题。

拥有多年高性能处理器研发经验的华胥基金创始管理合伙人兼主席容志诚博士，回顾了高性能处理器的发展历程。他强调，随着CPU集成越来越多核心，芯片内部互联、缓存体系、内存带宽都会影响最终性能。即便一颗芯片拥有大量高性能核心，如果无法高效调度数据，也很难获得理想的系统扩展能力。

这也让AI辅助设计工具变得更加重要。

新思科技在峰会上介绍了覆盖RISC-V芯片设计、验证和物理实现的工具体系，包括处理器验证和软硬件协同调试等环节，希望减少企业开发高性能芯片时需要自行搭建的基础工具。

Cadence则展示了Extasy Agent，这款AI工具能够针对目标DSP平台优化C语言代码，并完成向量化分析和结果校验。按照Cadence公布的测试结果，部分代码的性能已经达到甚至超过人工优化的水平，相关产品计划于本季度末推出。虽然这类工具并非专门针对RISC-V，但AI辅助开发正在提供一种减少底层软件优化成本的新方法。

站在2026年回看，过去十六年，RISC-V已经证明开放架构能够实现大规模商业化。正如RISC-V国际基金会理事长戴路在峰会开场所说，“RISC-V的内核就是开放，开放破除壁垒、孕育信任与创造力。任何人都可以参与贡献，任何人都可以付诸实践，任何人都能提出构想，并将其推向全球。正是这份开放，让整个计算行业为之向往，催生无限创新，而这一切正是我们当下亲眼所见的。”

接下来，它需要证明的是，这种开放性能否进一步转化为主流计算市场的竞争优势。