从DeepSeek创新看RISC-V“新贵”崛起

作为“生而开源”的芯片指令集架构，RISC-V在过去15年里发展势头强劲，从嵌入式系统加速挺进高性能等复杂场景，并为AI算力提供新选择。在RISC-V国际基金会2024年批准的25项标准中，超过一半与高性能或AI相关。RISC-V国际基金会董事会主席Lu Dai表示，RISC-V指令集最激动人心的进展之一是Matrix扩展，将推动RISC-V成为AI领域令人敬畏的力量。0cSesmc

根据达摩院玄铁团队分享的数据，2024年RISC-V国际基金会会员数超过4600，覆盖70+国家和地区。产业应用正在向高性能和并行计算加速发展，高性能和AI占比56%。预计到2031年，RISC-V在计算机领域占比将达到33%，消费领域将达到39%，自动驾驶领域达到31%，数据中心达到28%，工业达到27%，网络达到26%。同时，RISC-V高性能和AI基础软件生态日趋完善，国内外主流操作系统支持RISC-V架构，主流AI框架和模型支持RISC-V架构。0cSesmc

0cSesmc

“RISC-V从发布至今只有短短的15年，它在全球芯片产业链中的地位正不断提升。”中国工程院院士倪光南指出，RISC-V的发展需要持续研发投入、高水平IP设计和全球化生态共建。而要真正进入数据中心和高性能计算市场，RISC-V必须要在SPECint 2006基准测试中跑出超过15分的高性能标准。0cSesmc

DeepSeek带来的变革与契机

随着DeepSeek等大模型的兴起，AI领域正经历着前所未有的变革，这也为RISC-V架构带来了新的发展契机。在北京开源芯片研究院首席科学家包云岗看来，AI推理的算力需求正呈现出两个显著特征：0cSesmc

• 与CPU紧密协作。AI推理将会成为未来各种业务中不可或缺的环节，但业务主程序仍运行在CPU上——通过API调用将AI推理请求卸载到AI加速器，得到推理结果后再由CPU返回给用户
• 呈现多样化需求。不同场景产生不同的算力需求，相应的资源约束也不同。比如云端推理算力要考虑满血版大模型的高效部署，端侧应用场景则往往会部署不同容量的裁剪版。

基于此，包云岗认为“RISC-V+AI迎来发展新契机”。也就是说，AI加速器在设计时需要充分考量与CPU的协同工作，并且要依据不同的需求实现高效定制。RISC-V架构所具备的灵活性优势若能得到充分发挥，极有希望成为AI推理算力的理想搭档。0cSesmc

他大胆预测，“RISC-V+AI将成为未来新组合，就如同x86+Windows、ARM+安卓的经典组合那样”。市场分析机构Omdia的预测也从侧面印证了这一趋势，预计到2030 年，基于RISC-V的AI处理器出货量将超过5亿颗。0cSesmc

“RISC-V在发展过程中，不应一味地将目光聚焦于对Arm的替代，而是要充分发挥自身灵活、可定制的独特优势，以此形成强大的产业竞争力。”包云岗强调说。0cSesmc

阿里达摩院首席科学家、知合计算CEO孟建熠也表达了相同的看法。他认为DeepSeek的出现打破了算力、内存、互联原有的平衡，通过一系列创新技术，新算力架构也有机会与传统经典架构站在同一起跑线，让开源大模型单机部署成为可能，有力推动实际应用的落地。0cSesmc

但DeepSeek的诞生，也引发了业界三个主要观点的争论：0cSesmc

• 开源还是闭源架构：DeepSeek证明了开源模式在当下也能取得显著成果，为行业发展提供了新的思路和方向。
• 用DENSE模型还是用MoE(混合专家模型)模型：DENSE模型是全能型选手，而MOE模型在专属领域表现出色，两种模型都有各自的优势和发展前景。
• 内存容量成为AI大模型在算力以外的另一个指标：这促使行业更加关注底层硬件能力的适配，注重算力资源的精细化匹配，改变了过去“大炮打蚊子”式的资源浪费现象，强调从软硬件深度融合的视角重构系统设计，通过算法与硬件的联合优化提升整体效率，形成更高效的AI计算范式。

以RISC-V为基础构建处理芯片

按照孟建熠的说法，DeepSeek、Llama、Grok等开源大模型的涌现，并非只是RISC-V的机会，而是包括GPGPU、x86、DSA、ASIC等所有架构的机遇。但RISC-V 架构凭借其独特优势，在实现AI原生方面具有显著潜力，“RISC-V+AI”很可能成为现阶段架构创新的理想答案。0cSesmc

开放性和可扩展性显然是RISC-V在AI领域具备的首要优势。与x86和Arm等架构相比，RISC-V的ISA指令集架构完全开放，无需支付任何授权费用，任何参与者都能自由使用。其国际合作开发模式保障了全球范围内的兼容性，不同地区基于RISC-V 的芯片设计均可实现无缝对接。而且，RISC-V允许在芯片设计过程中添加定制指令以满足特定需求，这使得RISC-V芯片既能与旧有软件兼容，又能支持新功能的拓展。0cSesmc

其次，开源社区的开放协作，让各类大模型在基础架构设计上相互借鉴，形成技术方案趋同的行业现象，这不仅降低了重复研发成本，还推动了针对硬件的针对性优化。第三，DeepSeek将大模型蒸馏，使得更多模型能够走向端侧，而端侧丰富的应用场景将形成正向促进，让高性能AI应用能够在边缘设备上顺利运行。0cSesmc

在AI领域，RISC-V的包容性很强，可以支持CPU/DSA的设计，也能用于GPU、多核产品或者近内存计算的开发。随着开源RISC-V 架构的迅猛发展，重新自研架构已意义不大，以RISC-V为基础构建处理芯片成为未来主流趋势。孟建熠指出，当下发展RISC-V意义重大，最终行业必然走向生态统一。0cSesmc

0cSesmc

阿里巴巴达摩院资深技术专家李春强表示，DeepSeek通过MOE等技术，大幅降低了同等效果下对算力的需求，这给后续芯片在计算能力、存储容量/带宽、芯片互联等方面的设计带来了新的平衡点。0cSesmc

尽管前景广阔，但RISC-V在AI领域的发展并非坦途，仍面临着诸多挑战。0cSesmc

包云岗坦言，RISC-V当前在开发的软硬件工具箱方面还不够丰富，与成熟的x86和Arm架构相比，存在着较大的差距。例如，在工具链、编译器、调试工具以及库等方面，RISC-V的生态系统尚不完善，这在一定程度上限制了开发者的开发效率和应用的拓展。同时，为了增强行业对RISC-V的信心，打造具有代表性的RISC-V标杆产品案例成为当务之急，这也是RISC-V生态能够持续成长和壮大的关键所在。0cSesmc

打造标杆产品是RISC-V发展的关键

虽然RISC-V本身与AI契合度高，但如何让其在市场中广泛应用是业界关注的重点。实际上，RISC-V在一些领域的生态已取得一定成果，从低功耗IoT场景到服务器场景，都有相关产品和生态出现，也诞生了一些标杆产品。阿里云无影事业部总裁张献涛预测，RISC-V架构从低功耗IoT终端大规模应用到数据中心，大概在5至8年内就能实现。0cSesmc

不过，这只是RISC-V发展的第一步。未来，它需要从“小标杆产品”迈向“大标杆产品”，这才是奠定RISC-V未来生态发展的关键一步。0cSesmc

0cSesmc

以玄铁的探索历程为例，2019年7月，玄铁发布业界最高性能RISC-V处理器C910，是全球首个运行频率超过2GHz、SPECINT2K6达到7分/GHz的RISC-V处理器。2021年10月，玄铁C910成功兼容安卓系统，可运行Chrome浏览器等应用，这是芯片行业首次实现RISC-V架构对安卓的支持，意味着RISC-V架构有望打破场景壁垒，成为高性能芯片设计的新选择。0cSesmc

国际RISC-V企业也在积极行动。例如Tenstorrent 采用独特的硬件和软件紧密结合的方法，其硬件专门用于AI任务，而软件并不复杂，整个软件堆栈只有大约50000 行代码。VENTANA公司最新的CPU产品VEYRON V2，性能也超过了Arm Neoverse V2.0cSesmc

“RISC-V要真正在产业中脱颖而出，需实现更高的性价比。例如，如何用二十分之一的成本达到主流AI 芯片的效果，是RISC-V厂商需要思考的问题。”孟建熠进一步强调说，考虑到碎片化是当前RISC-V生态的现状，因此标准化建设将是RISC-V下一阶段发展的重要工作之一。0cSesmc

0cSesmc

目前，国际厂商在指令架构方面的贡献高于国内厂商，国内力量的参与度有待提高，且需要将国内多个进行指令集制定工作的组织联合起来，统一到一个平台开展工作。而在技术路线规划上，应以AI为目标先进行国内标准制定的尝试，CPU、GPGPU、TPU在扩展上要形成一定梯度，避免指令集出现过多套不同标准。0cSesmc