RISC-V厂商正在AI领域积极布局！

电子发烧友网报道（文/李弯弯）在AI大浪潮的席卷下，越来越多具备多模态能力的AI大模型加速涌现，AI推理芯片逐渐成为市场焦点，以期支撑大模型高效生产及应用落地。基于RISC-V计算架构开放、灵活、精简、可拓展的优势，为发展高性能、低功耗的边缘侧、端侧AI推理芯片提供了充足空间。

AI正在成为RISC-V的新机遇

RISC-V是一个开发、免费的指令集架构，是由加州大学伯克利分校图灵奖得主David Patterson教授及其课题组基于RISC的CPU指令集架构，历经30多年研发、迭代五次而成，2015年加州伯克利大学将RISC-V指令集架构开源。

短短10余年间，RISC-V处理器的产业应用达到100亿颗出货量，显示出极强的生命力。去年，RISC-V架构在更多实际应用场景中落地，从物联网设备、边缘计算逐渐迈向AI计算、高性能计算等领域。

平头哥是RISC-V领域的重要玩家之一，该公司认为，AI正成为RISC-V的新机遇。越来越多的AI引擎采用RISC-V，有直接采用RISC-V Vector、Matrix指令实现弹性算力的，也有采用RISC-V作为主控，实现NPU（网络处理器）加速引擎的。

平头哥也在去年8月，发布首个自研RISC-V AI平台，通过软硬件深度协同，较经典方案提升超8成性能，支持运行170余个主流AI模型，推动RISC-V进入高性能AI应用时代。

会上，平头哥还宣布了玄铁处理器C920全新升级。C920执行GEMM（矩阵的矩阵乘法)计算较Vector方案可提速15倍，平头哥更新自研一站式AI部署套件HHB，在典型网络性能比第三方工具平均提升88%，并增加支持运行Transformer、TensorFlow、PyTorch等170余个主流框架AI模型，让RISC-V真正成为AI算力的新选择。

RISC-V在AI领域的应用具有显著的优势和潜力。这主要得益于RISC-V的开源、模块化、可定制化的特性，以及其对AI算法需求的良好适应性。

RISC-V的指令集可以根据具体的应用需求进行裁剪和定制，这意味着它可以更好地适应不同的AI算法，包括深度学习、神经网络等。这种灵活性使得RISC-V在AI应用中具有更高的性能和效率，同时也有助于降低成本，使得AI边缘计算芯片更加具有竞争力。

RISC-V的模块化设计思想使得其可以方便地与其他硬件和软件组件进行集成，从而实现更复杂、更高效的AI系统。这种设计方式使得RISC-V在AI领域具有更高的灵活性和可扩展性，能够满足不同场景和需求的AI应用。

在实际应用中，RISC-V已经在AI领域取得了许多进展。许多企业和研究机构已经开始使用RISC-V架构来开发AI芯片和解决方案，以满足不同场景的AI需求。同时，RISC-V也在AI算法优化、模型训练等方面发挥了重要作用，进一步提升了AI应用的性能和效率。

多家厂商推出RISC-V边缘计算AI芯片

近日， 奕斯伟计算就发布了一颗基于RISC-V计算架构的边缘计算芯片EIC7700。该公司高级副总裁、首席技术官何宁介绍，EIC7700采用4核64位支持乱序执行RISC-V处理器及自研高能效NPU（神经网络处理器）矩阵和矢量计算模块，支持大语言模型；DNN（深度神经网络）提供13.3TOPSINT8算力，可满足分类、检测、分割、追踪相关的各类需求。

何宁进一步解释，该RISC-V芯片具备强大视频编解码能力，支持32路1080P30帧的视频解码能力和13路1080P30帧的视频编码能力，可与推理功能并行，图像信号处理器（ISP）可提供图像增强、动态对比度增强、畸变校正等多种图像处理硬件加速功能；拥有丰富的多媒体输入输出、PCIe（一种高速串行计算机扩展总线标准）、以太网等外部接口。

事实上，除了奕斯伟计算，此前就有多家公司推出基于RISC-V的边缘AI芯片。如，跃昉科技，这家公司成立于2020年，聚焦研发基于RISC-V开源指令集架构SoC芯片产品。跃昉科技此前推出了一款基于RISC-V的边缘人工智能应用处理器NB2，这是一款高度集成的应用处理器，集成了专用的人工智能及音视频加速引擎，可用于边缘计算、机器学习、视觉和语音等多种应用场景。

还有睿思芯科，这家公司成立于2018年，致力于提供RISC-V 高端核心处理器解决方案，公司端核心处理器解决方案的公司，创始团队来自于加州大学伯克利分校 RISC-V 原创项目组。睿思芯科主要开发基于RISC-V的高算力处理器IP核，提供垂直领域（DSA）定制处理器设计服务以及定制芯片解决方案，满足从边缘计算到数据中心等各领域的高算力要求。

该公司早前推出了64位边缘计算处理器RiVAI P600，内置第三代高性能向量扩展处理引擎，可用于通讯、智能终端、工业自动化、存储、网络等场景，覆盖从设备端到边缘端。

写在最后

RISC-V指令集有它独特的优势，如可以自由地用于任何目的，允许任何人设计、制造和销售RISC-V芯片和软件。开放、灵活、精简、可拓展的特性使得它能够适应AI边缘计算的需求。然而同时，虽然如今RISC-V已经在很多领域实现落地，仍然存在挑战，如生态，包括与现有技术栈、操作系统、开发工具等方面的兼容和集成，以及在原有架构上运行的应用程序移植等，这些还需要产业链持续努力。