| 事件 9 月17 日，在“AI 芯片架构创新专题论坛”中，弈斯伟计算（ESWIN）、晶心科技（Andes）、芯来科技（Nuclei）等RISC-V 生态企业集中展示了其在AI 计算领域的战略布局与产业化进展。ESWIN 提出以“RISC-V + DSC（领域专用硬件）+ AI”为核心的产品创新路径，已实现12nm RISC-V SoC 的量产，并推出面向6nm 制程的新一代方案，重点聚焦于视频编处理、GPU/DSA 集成及多形态硬件模组（包括SBC、边缘计算盒与加速卡）的行业应用落地。晶心科技系统阐释了应用处理器（AP）、向量处理器（VPU，支持RVV 扩展）与NPU 的协同架构，突出其多核扩展与定制指令能力。芯来科技则发布了针对AI 应用的N900 向量处理器IP 及NICE 定制指令工具链，明确提出“RISC-V + NPU”与“多核RISC-V 定制”两类主流AI 芯片架构，并配套提供完整的软件栈支持（涵盖编译器、操作系统、AI 库与模型适配工具），展现出RISC-V 在高效能AI 加速与灵活定制方面的显著优势。 点评 RISC-V 的“场景先行”路径已清晰。从ESWIN 的产品路线图可以看出，其RISC-V 战略并未选择直接替代现有通用CPU/GPU，而是沿“嵌入式弱生态场景—行业纵深—新兴蓝海”的路径阶梯式推进。该策略以视频处理、图像增强及联网/图形加速等垂直场景为切入，通过将通用RISC-V 内核与领域专用硬件（DSC）深度耦合，并集成AI 推理单元，构建可**的行业解决方案。这种以场景需求为导向、结合模块化硬件设计的打法，有助于缩短系统开发与适配周期，提升整体性价比，更加契合边缘AI 市场碎片化、定制化需求突出的特征。 RVV（RISC-V 向量）正在成为连接“通用CPU”和“专用NPU”的关键桥梁。晶心科技与芯来科技均强调，AI 芯片的成功关键在于应用处理器（AP）、向量处理器（RVV）与神经网络处理器（NPU）的高效协同，而非仅依赖NPU 单项能力。RVV 凭借开放标准的向量并行架构，不仅能够有效承担算子前后处理、数据重整及DSP 类任务，还在模型与算法快速迭代的背景下，为系统提供较纯NPU 方案更优的灵活性与可扩展性，起到性能兜底的关键作用。配合ACE或NICE 等定制指令扩展机制，芯片厂商可对通用计算与专用加速单元的比例进行细粒度调配，从而在功耗控制、成本优化与架构弹性之间实现更佳平衡，增强产品在多元AI 应用场景中的适应能力和竞争力。 软硬协同正在补齐RISC-V 的“生态短板”。本次论坛上，ESWIN、晶心科技与芯来科技等厂商均展示了覆盖开发全流程的软件栈支持，包括编译器（GCC/LLVM）、操作系统（Linux/RTOS）、硬件抽象与驱动层、AI 库与模型适配工具，以及面向指令定制与功能验证的完整工具链。诸如ESWIN 的“RISAA 平台”、晶心的Andes Custom Extension及芯来NICE 开发环境与性能仿真方案，均体现出RISC-V 已从早期“有内核而缺生态”的阶段迈入“可开发、可验证、可量产”的新阶段。这一发展不仅加速了RISC-V 在产业中的商业化闭环，也显著降低了开发与部署门槛——树莓派规格的单板计算机、标准化加速卡等硬件形态，正逐步推动技术普及与生态正向循环，为更大规模的行业验证与应用拓展奠定基础。 在RISC-V 迈向更高阶AI 算力的过程中，仍需应对以下关键挑战：一是内存子系统与带宽瓶颈，伴随多路视频及多模态推理并发需求的提升，LPDDR5 及高速总线技术、以及高效的片上缓存架构将成为决定系统体验上限的核心要素；二是软件可移植性与统一生态支持，模型量化、算子覆盖及框架适配仍需跨厂商协同推进，以避免生态碎片化和重复开发；三是多芯片及多代际互联能力，尽管如ESWIN 已提出新一代互联方案并指向“算力池化”方向，但在一致性协议、时延控制及开发工具链支持等方面仍需持续优化。整体而言，RISC-V 凭借其在低功耗、强定制与快速迭代方面的优势，已在边缘计算及垂直行业应用中展现出明确竞争力。随着向量处理器（RVV）标准的不断完善与系统生态的持续成熟，RISC-V 向更高性能AI 计算领域延伸的路径已逐渐清晰，具备中长期发展空间。 风险 1） 需求疲软 2）供应链风险3）竞争加剧 |
