RISC-V与AI 原生！发展最快的领域需要最快速演进的架构

人工智能（AI）的快速发展要求计算架构具备高度的适应性与创新性，“RISC-V并非为AI定制，但正是其‘无遗留’的模块化设计，使其成为AI最理想的载体。”——

在2025年RISC-V中国峰会人工智能分论坛上，VRULL GmbH首席技术官兼创始人、RISC-V国际基金会技术指导委员会副主席Philipp Tomsich，以《RISC-V、AI原生！为何最快速发展的领域需要最快速演进的架构？》为题，揭示了RISC-V架构在AI时代的独特价值与战略定位。

VRULL GmbH首席技术官兼创始人、RISC-V国际基金会技术指导委员会副主席Philipp Tomsich

Philipp开宗明义，他指出RISC-V的AI原生性体现在五大维度：

1. 自定义自由度：通过“基础指令集+扩展”的模块化架构，企业可添加特定领域指令（如向量、矩阵扩展），实现产品差异化；
2. 算法适应性：AI框架（如TensorFlow）以“中间代码”形式延迟绑定硬件，RISC-V可灵活适配从FP32到INT4的多样化数据类型；
3. 开放创新生态：无许可限制的开源模式，加速了产业界与学术界的协同创新；
4. 全场景覆盖：从边缘AI（微控制器）到HPC（高性能计算），RISC-V可通过标量、向量、矩阵扩展满足不同算力需求；
5. 未来准备：摒弃传统架构的兼容性包袱，RISC-V以“干净设计”支持快速迭代，优化功耗性能面积比（PPA）。

技术扩展路径：从标量到矩阵的分层演进

RISC-V的技术扩展策略呈现清晰的分层逻辑。

在标量基础上，RISC-V作为底层指令集，提供算术、逻辑等基础运算能力；

在向量扩展（RVV）方面，支持高效向量运算，适用于数据中心向量化推理等场景；

在矩阵扩展上（Zvdot、IME、VME等），可以通过标准化矩阵指令（如外积式乘法），加速AI核心的矩阵计算；

RISC-V还支持自定义扩展，企业可添加专用指令（如加密扩展），打造差异化竞争力。

目前，谷歌和Meter等企业已基于RISC-V构建定制化AI芯片，而无需受限于传统架构的许可壁垒。Philipp表示：“RISC-V没有许可限制，你可以自由添加特定领域的指令，这是颠覆行业经济模型的核心。”

Philipp强调：“矩阵扩展并非单一路径，RISC-V社区正探索Zvdot（批次点积）、VME（向量-矩阵）、AME（独立矩阵引擎）等四种方案，从‘向量中的矩阵’到‘分离矩阵’，最终将通过快速通道提案实现标准化。”

参考阅读：矩阵扩展：四条路径的博弈

标准化并非限制创新，而是通过共享基础降低门槛。例如，RISC-V的“Profiles”机制允许厂商在统一标准下差异化产品，从而形成“共享但差异化”的生态。这不仅加速了AI芯片的商业化进程，还为行业节省了基础设施成本。

开放生态的“中国机遇”

RISC-V的软件生态系统围绕“功能检测”和“差异化实现”设计，能够兼容从微控制器到服务器级芯片的全场景需求。例如，在工业预测控制中，RISC-V支持低功耗AI微控制器；在数据中心，其向量扩展可加速LLM推理；而在HPC领域，RISC-V通过矩阵扩展实现高性能计算与AI融合。

Philipp表示：“无论是边缘设备还是超算中心，RISC-V都能提供统一的ISA基础，通过标准和定制扩展满足不同市场的需求。”

面对AI架构的快速演进，Philipp呼吁全球开发者共同参与标准化工作：“RISC-V的标准化不是闭门造车，而是需要实际工作负载的数据支撑。”他特别提到中国企业的贡献：“中国公司在矩阵扩展标准化中非常活跃，我们期待更多应用知识融入标准。”

RISC-V的生态策略可概括为“共享基础，差异创新”：通过定义“RISC-V配置文件”确保互操作性，同时允许企业通过自定义扩展实现产品差异化。这种模式既降低了创新门槛，又避免了生态碎片化。

Philipp比喻：“我们共建的是一片森林，而非孤立的树木——根系共享，枝叶各异。”

当AI遇见“无遗留”架构

传统架构受限于数十年的妥协设计，而RISC-V从诞生之初便面向未来。Philipp指出，这种“无遗留负担”的特性使RISC-V能够快速适配AI算法的迭代（如Transformer的演进），并支持新兴技术（如SIMT扩展）。

在Philipp看来，RISC-V与AI的结合是一场“双向赋能”：AI的快速发展倒逼架构创新，而RISC-V的灵活性又为AI提供了更高效的硬件底座。此外，RISC-V的标准化进程（如矩阵指令集）降低了重复开发成本，同时通过共享生态促进创新。

他预测，未来五年，RISC-V将在边缘AI、自动驾驶、工业预测维护等领域实现大规模落地，而这一切的基石，正是一个开放、协作、无遗留的架构生态。

这场演讲的结尾，Philipp向全球开发者发出邀请：“加入RISC-V，不仅是为了使用一项技术，更是为了定义AI的未来。” 并指出“RISC-V的成功依赖于行业参与者的知识共享和协作。我们需要更多人将实际应用数据反馈到标准制定中，以确保解决方案能经受十年行业的考验。”