芯耀
965
当前，RISC-V在落地过程中，在技术、生态、应用场景中面临着机遇与挑战。同时，从AI计算到低能耗设备，从自动驾驶到生态工具链，RISC-V正以开放、可定制的特性，为半导体产业注入新活力，未来在万亿级市场中有望扮演更关键角色。
7月18日，第五届RISC-V中国峰会现场，一场以“RISC-V产业落地的机遇和挑战”为核心的圆桌论坛引发行业关注。会议由上海开放处理器产业创新中心理事长戴伟民主持，参与讨论的嘉宾有：中国科学院计算技术研究所副所长、中国开放指令生态(RISC-V)联盟秘书长、北京开源芯片片研究院首席科学家包云岗，芯原股份执行副总裁、定制芯片平台事业部总经理汪志伟，算能高级副总裁高鹏，奕斯伟计算高级副总裁、首席技术官何宁，芯来科技创始人胡振波，Tenstorrent首席架构师练维汉、知合计算CEO孟建熠，中兴微副总经理石义军，新思科技技术执行总裁张春林，合见工软CTO贺培鑫，阿里巴巴达摩院RISC-V副总裁杨静，南京沁恒微电子技术总监、董事杨勇。
大家围绕RISC-V的技术优势、应用场景、生态构建及未来趋势展开深度探讨，并通过现场投票直观呈现出行业焦点的发展趋势。
机遇和路径
戴伟民指出，当前CPU领域存在“自主不可控却繁荣（如x86）”与“自主可控但不繁荣”的矛盾，而RISC-V为行业提供了“创新机会+自主可控+繁荣生态”的三重可能。他表示，到2030年全球半导体的市场规模将超万亿，其中超70%与AI相关。在AI发展路径中，训练（树干）、端上微调（树枝）与推理卡（树叶）均至关重要，未来大量“卡”将部署于端侧。
目前AI架构主要分为GPGPU和ACPU两类，其中Transformer通过ASIC优化成为主流，而Tenstorrent的“Baby RISC-V”架构则独辟蹊径——通过大量小型RISC-V核控制运算与数据流动，替代传统GPU/GPGPU方案，成为AI计算的新探索方向。
维汉解释，“Baby RISC-V”是针对高性能运算场景设计的轻量化核架构。云端应用复杂需运行全类型任务，加速器需针对特定应用优化，Tenstorrent的加速器通过集成大量小型RISC-V核，负责指令调度、数据移动等管理事务。这些小核无需复杂设计，专注于单一任务，具有“专精、易优化、适用场景广”的特点。
孟建熠认为，“Baby RISC-V”是AI处理的有效路径之一，可大幅简化CPU控制通路，将硅面积集中于计算单元，适合高Workload场景。同时，Big RISC-V可推动业务与计算更近，结合计算矩阵增强、新器件/方法，RISC-V有望通过统一界面与软件接口促进生态繁荣。
石义军表示，过去讨论多集中于CPU Base，国外已有“数据流驱动”“晶圆级”架构。当前AI训练更关注模型能力，模型收敛至少数几家时将成为关键问题。GPU因早期优化积累深厚，新架构需避开其存量优势，争取时间窗与生态迭代机会。推理侧ASIC创新空间更大，端/边侧已成事实，云侧推理需求同样广泛，RISC-V的开放性与可定制性为创新提供更多选择。
杨静则结合英伟达经验指出，英伟达的成功不仅依赖GPU算力，更关键的是CUDA生态——通过通用GPU方案解决软件快速迭代与硬件创新慢的矛盾。
对于RISC-V，短期挑战在于如何移植或构建替代CUDA的部署架构与模型；长期来看，软件能力是核心，需与底层硬件设计深度关联。“玄铁”通过两大布局推动创新：一是采用单独寄存器方案，适配大模型与大算力场景；二是联动国内外资源，扩展软件栈兼容性，未来计划输出更多“玄铁”软件实例，支撑RISC-V在AI领域的发展。
图：焦点投票：ASIC替代GPU的趋势与RISC-V的优势
高鹏结合实践指出，AI计算对算力、存储、内存带宽及芯片互联的需求远超其他领域。RISC-V的开放性使其成为技术创新的理想载体——开发者可基于免费开放的指令集进行架构创新（Arm/x86不具备此特性）；其可扩展性与模块化支持为AI构建专用扩展指令集，通过模块化硬件选型实现成本最优。尽管CUDA是AI领域最大生态，但RISC-V凭借开放性与标准化潜力，有望通过RISC-V国际基金会的共识机制，聚集开发者形成新生态，挑战CUDA地位。
图：焦点投票：RISC-V提升生成式AI性能与效率的技术优势
在讨论“RISC-V提升生成式AI性能与效率的技术优势”这一话题时，包云岗教授总结了RISC-V在AI领域的三大机遇：
与CPU的协同优势：RISC-V源自CPU指令集，AI扩展是其技术演进趋势。类似80年代浮点技术融合（x86/x87）、90年代多媒体指令集成CPU的历史，未来跨模型调用场景下，AI扩展指令与CPU的结合将成为关键。
灵活可定制：推理场景需求多样（云端“满血版”大模型、边缘“蒸馏版”模型、定制微调等），RISC-V支持硬件层裁剪与定制，精准适配多样化需求。
软件生态统一：国内AI芯片厂商当前呈现“垂直烟囱式”软件栈，RISC-V通过标准化扩展指令集，可实现软件栈统一，兼容编译器与Triton库等，构建全球共建的软件生态，未来甚至可能挑战CUDA。
谈到RISC-V在“可穿戴、消费电子AI加速”领域的市场机会，戴伟民强调，教育场景需用AI培养思考能力，避免“背答案”，并以AI/AR眼镜为例指出：小模型在端侧运行对芯片性能要求极高，且需兼顾隐私（减少“云”依赖）。此外，目前国内已有40Tops算力芯片，而微软定义的“AIPC”标准为“≥40Tops”，国内已实现该算力在手机中的应用。
针对“始终在线、超低能耗、超轻量应用”场景下未来两年RISC-V MCU/MPU的率先落地领域，专家们进行了多维度的探讨。
图：焦点投票：针对始终在线、超低能耗、超轻量应用场景下未来两年RISC-V MCU/MPU的率先落地领域
汪志伟表示，智能家具家电（如扫地机器人）、智能手表手环、民用安防设备（带电池摄像头）等领域市场很成熟，且已有RISC-V落地案例。芯原已为这些市场设计了基于RISC-V的CPU；AI/AR/VR眼镜等产品目前还处于研发或待推广阶段，未来将逐步落地。
杨勇表示，沁恒通过差异化路线来实现盈利——聚焦MCU“连接”本质，深耕接口、基带算法、射频、Type-C等垂直领域。2020年推出首颗RISC-V芯片后，持续迭代调试技术（二线→单线→单线二线自适应），形成“技术创新-产品落地-利润反哺”的良性闭环，未来将继续深耕“RISC-V MCU+接口”领域。
何宁提出了三大落地条件——新需求/需求升级、RISC-V优势匹配（如高能效比、定制能力），以及两年内软件生态无需额外投入。他举例：奕斯伟基于RISC-V开发的某产品芯片纽扣电池续航从2年提升至10年，快速抢占到了市场，验证了RISC-V的技术优势。
自动驾驶/ADAS中的机会
胡振波表示，汽车作为重要“端”设备，RISC-V在自动驾驶/ADAS领域中具备独特的优势，包括：
生态统一：汽车领域过去因老牌芯片公司私有架构导致软件生态割裂（孤岛），RISC-V作为国际标准指令集，可连接孤岛构建统一软件架构，避免对单一IP供应商的依赖，形成全产业生态合力。
算力与通用性平衡：自动驾驶与AI领域均需强大算力，且算力集中场景对通用软件生态要求较低，RISC-V在AI领域的技术优势（如可扩展性、定制化）可无缝迁移至高算力芯片。
车规认证支持：RISC-V在车规认证与标准化方面全球进展良好，结合软件生态、硬件优势及车规认证流程，可打通从软件到硬件的全链路。
综合来看，RISC-V在自动驾驶、ADAS及一般车规领域具备显著综合优势，可作为标准载体与零部件，实现跨产品形态落地，发展前景广阔。
生态链挑战：工具链、验证平台与EDA协同
张春林指出，RISC-V在测试集（兼容性、Benchmark）方面与Arm/x86差距显著，工业界对Arm已建立完备测试体系，RISC-V需补足。此外，定制化指令集的工程化需大量资源投入。
贺培鑫表示，RISC-V与Arm的核心区别是开放架构，需提前进行软硬件协同验证（如芯片制造前完成性能与功能验证）。合见工软已实现芯片未制造时的协同验证，并开发工具帮助客户决定芯片die数量、工艺及Chiplet布局。
从EDA的视角看，目前，RISC-V生态链在工具链与验证平台方面已取得进展，但测试集完备性与定制化指令集工程化仍需提升。“芯粒”与RISC-V开放性的结合为芯片功能实现提供了新思路，EDA工具的持续开发将进一步推动生态成熟。
