鉅亨網新聞中心
隨著人工智慧 (AI) 技術的演進，AI 算力的需求正從單純的效能比拼轉向以「價值」為主導。當前開發者與下游客戶的關注點已延伸至降低 Token 成本、縮短開發周期及優化業務耦合度。
據陸媒《中國電子報》報導，在這一趨勢下，RISC-V 憑藉其模組化、指令可客製化及靈活裁剪的特性，被視為構建 AI 硬體與內化運算能力的重要選擇。
針對 RISC-V 的技術契合度，北京 RISC-V 數位基礎設施創新中心總經理陳景偉指出，RISC-V 具有「底層且原生」的優勢，且無歷史包袱與商業授權限制，能迅速搭建適合快速演進 AI 算法的架構。他將基礎指令集比喻為螺絲刀，擴充指令集則為按需更換的批頭，可快速應對新出現的運算需求。
在數據中心領域，賽昉科技創辦人兼 CEO 徐滔認為，隨著 AI 從對話工具轉向自主執行任務的「智慧體 (Agent)」，CPU 的角色已轉變為「系統總調度員」，負責任務拆解與結果驗證等複雜操作。
上海靈睿智芯副總裁李華慶進一步補充，單一架構難以支撐複雜的長尾業務，而 RISC-V 的模組化設計能實現「工作負載定義晶片」，對智慧體開發者具備吸引力。
在算力底座的構建上，中國電子工業標準化技術協會 RISC-V 工委會執行秘書長周萌強調，向量擴充 (RVV)、矩陣擴充與異構集成是構築 AI 算力平台的中心模組。其中，矩陣擴充規範正透過三條技術路線覆蓋從低功耗到高算力的全場景。
關於晶片設計的轉型，奕斯偉計算 CTO 何寧分析，傳統 x86 與 Arm 架構多聚焦通用計算，而 AI 計算則以海量並行運算為核心。因此，面向 AI 的 RISC-V 晶片正轉向異構融合架構，強調存算協同、並行處理與多精度混合計算，並利用 Chiplet 封裝實現架構的彈性擴容。
儘管技術具備潛力，但在智慧駕駛、數據中心等高可靠領域，軟體生態仍是主要障礙。openKylin 生態委員會主任李震寧表示，由於高價值領域出錯代價巨大，業界普遍存在觀望心態。他建議透過建立聯合驗證平台、公開透明的兼容清單、推動參考設計、明確長期維護責任及共享生態收益等五大機制來建立產業信任。
針對未來布局，何寧建議 RISC-V 應採取差異化策略：在終端側利用低功耗優勢，在邊緣側發力推理業務，並在雲端探索大模型服務，以此打造端、邊、雲協同的特色 AI 發展路徑。
上一篇
下一篇
