新芯片密集亮相，RISC-V发力AI时代

PC、手机之后，下一个能够形成规模的计算产品是什么？

从运行模型到控制机器，AI进入物理世界，正在为RISC-V打开新的市场。

近日，第六届RISC-V中国峰会在深圳举行。阿里达摩院发布车规增强处理器玄铁E908A，进迭时空推出服务器级芯片V100，砺睿微面向智算中心的“珠峰200”首次亮相。围绕AI的新需求，RISC-V厂商正从嵌入式、物联网向汽车、机器人和数据中心拓展。

据SHD Group预测，到2031年，RISC-V在全部硬件细分市场的整体占比将达到33.7%，其边缘计算和数据中心市场规模将分别突破450亿美元和700亿美元。

从边缘设备到云端基础设施，物理AI和AI数据中心正成为RISC-V企业布局的两个重要方向。前者面向机器人、自动驾驶等场景，需要在现实环境中完成感知、决策与行动闭环，对实时响应、能效和安全提出更高要求；后者围绕大模型推理等负载，更加关注数据吞吐、内存带宽以及CPU与AI加速器的协同能力。不同场景的计算需求，正在推动RISC-V拓展应用边界。

机器人带来新的计算需求

PC、手机之后，下一个能够形成规模的计算产品是什么？

进迭时空联合创始人孙彦邦在接受采访时表示，目前还没有确定答案。从进迭时空的判断来看，大概率是机器人，但这里的机器人并不限于人形，也包括家庭、工业和公共场景中的各种智能设备。他举例说，过去的家电语音控制依赖固定命令词，换一种表达就可能无法识别。随着模型能力提升，设备可以更好地理解人的意图。

未来的产品则需要进一步具备本地算力和模型，自主完成任务，形成闭环。这也改变了芯片的设计要求。孙彦邦表示，机器人既需要CPU运行机器人操作系统、处理运动控制任务，也需要AI算力运行模型，同时还要满足实时响应要求，三类计算能力需要融合。

RISC-V的模块化、可扩展特性，为这种融合提供了设计空间。企业可以围绕具体任务配置计算核心和加速单元，但能否形成有竞争力的产品，仍要通过整机应用验证。据孙彦邦介绍，进迭时空已将K3适配至宇树机器人平台，完成相关软件与计算平台替换。目前，K3的推进重点正从基础软件适配转向应用开发，目标是推动形成规模化产品。

车规、分布式计算与云端同步推进

汽车是另一类对计算能力和实时性要求严格的场景。

迄今，玄铁芯片目前已经稳定出货超60亿颗。在已有应用基础上，玄铁正进一步向汽车和具身智能领域拓展。峰会上，达摩院发布车规增强处理器玄铁E908A，面向安全岛、域控、车载网关等应用，并公布自动驾驶和具身智能处理器路线图。按照规划，后续将推出C925、C930、C950的车规系列版本，其中C950车规版主要定位自动驾驶，预计于2027年底推出。

达摩院首席科学家孟建熠在接受半导体产业纵横采访时表示，物理AI对算力和实时性提出了更高要求，需要围绕算法、模型扩展计算架构，而定制化正是RISC-V的特质之一。

在车规MCU领域，芯际无限软件技术总监赵丽萍介绍，芯际无限基于自研RISC-V IP推出采用双核锁步架构的XC32LS（XVA170）芯片，面向汽车动力总成、高端电控等高可靠性场景，按ISO 26262 ASIL-D功能安全要求设计。XC32MC车身电机控制MCU已于2026年实现批量上车，目前累计订单超过500万颗，为RISC-V在汽车电子领域的商业化增添了新的案例。

奕斯伟计算则展示了覆盖“感知交互—理解决策—控制执行”的RISC-V产品与方案。奕斯伟计算高级副总裁、首席技术官何宁认为，随着大模型理解能力提升，智能系统的瓶颈正在转向可靠执行。具身智能需要中心协调与局部自治相结合，不同节点都要具备本地感知、决策和实时响应能力。

对AI计算需求的争夺，也延伸到了数据中心。进迭时空发布的V100集成46个RISC-V核心，支持8通道DDR5和52条PCIe 5.0通道。据进迭时空介绍，这款芯片完整符合RISC-V服务器级规范，可支持通用发行版直接安装、启动和运行。

砺睿微的“珠峰200”则针对KV Cache、长上下文大模型推理进行优化，集成矩阵、向量等加速引擎，支持DDR5、PCIe、CXL接口，详细规格计划于今年底公布。尽管应用位置不同，这些产品都在围绕AI负载重新定义CPU的能力。

从芯片可用到产品量产

市场空间正在扩大，商业化仍需要跨过软件和应用的门槛。

弗若斯特沙利文数据显示，中国RISC-V主控芯片市场规模由2021年的11亿元增长至2025年的377亿元，预计2030年达到2194亿元。这一预测覆盖多个应用领域，物理AI能贡献多少增量，还取决于具体产品的落地。

“最终一切还是要围绕着应用。”孙彦邦表示，相比需要兼容大量既有软件的PC、手机，机器人和特定智能体任务的软件需求更集中，可以围绕具体场景完成适配，形成可用的系统。

不过，运行起来只是第一步。机器人进入物理世界后，运动控制不能因模型或系统异常而失控。孙彦邦表示，客户可以继续采用算力芯片搭配独立MCU的方案，进迭时空也将持续迭代片内实时计算和安全能力。

软件生态同样需要产业共同投入。RISC-V国际开源实验室创始人David Patterson在会上指出，AI推理面临内存带宽与成本瓶颈，需要完善AI软件栈，并利用AI降低硬件开发成本。

从芯片、基础软件到应用，再到量产。对正在走向物理AI的RISC-V企业而言，下一阶段的竞争，也将更多体现在这条路径能否走通。

*声明：本文系原作者创作。文章内容系其个人观点，我方转载仅为分享与讨论，不代表我方赞成或认同，如有异议，请联系后台。