过去几年，RISC-V不断打破性能纪录，逐渐摆脱了外界对其只能应用于低功耗、嵌入式领域的固有印象。但当高性能RISC-V真正站上主流计算市场的门槛，一个更加现实的问题也随之浮现：处理器性能达标之后，距离真正的规模量产，还有多远？
10月19日，在深圳举行的2026 RISC-V中国峰会上，这一问题也成为产业关注的焦点。经过多年的高速增长，行业机构预测RISC-V处理器年出货量正保持50%的高速增长，预计到2030年市场占有率将达到约25%。
作为国内较早布局高性能RISC-V的团队之一，阿里巴巴达摩院玄铁自2018年投入RISC-V研发以来，已形成业内覆盖最全面的CPU IP产品线，支撑超过60亿颗芯片交付，落地200余款量产芯片，服务400多家芯片及硬件设备厂商，初步建立起覆盖不同计算场景的产品与生态体系。而在此次峰会上，达摩院玄铁再次投下重磅“炸弹”——不仅展现了旗舰核C950在Agentic AI与服务器多核互联上的深厚积淀，更首发车规产品路线图与车规增强处理器玄铁E908A。
“高性能RISC-V正在经历从“可用”走向“可靠”，并进一步迈向规模量产的关键阶段。”在接受半导体行业观察的采访时，达摩院首席科学家孟建熠表示。
达摩院首席科学家孟建熠在2026 RISC-V峰会上发表主题演讲
一、突破70分之后，RISC-V还要翻越几座大山？
今年3月，达摩院发布新一代旗舰处理器玄铁C950，主频达到3.2GHz，单核SPECint2006成绩突破70分，刷新了RISC-V高性能处理器纪录，使开放指令集架构在单核性能上进一步逼近主流服务器CPU的竞争区间。
从2019年玄铁C910运行频率突破2GHz，到2025年面向服务器级计算的C930，再到如今的C950，玄铁不断向更高性能演进，也逐渐证明RISC-V在高性能通用计算领域具备足够的发展潜力。
但性能纪录的刷新，并不意味着商业竞争的胜利。孟建熠指出：“3月份，我们向大家展示了很好的基准测试表现，相当于拿到了150公斤级比赛的入场券。拿到入场券后，大家接下来就要看，我们在具体比赛中到底能打败谁。”
事实上，标准基准测试能够反映处理器的部分核心能力，但进入真实服务器场景后，决定系统性能的因素远不止单核算力。随着CPU核心数量不断增加，互联带宽、缓存一致性、内存访问效率以及并发调度能力，都会影响最终的计算表现。
这也是玄铁C950此次持续升级的重要方向之一：从单核高性能，向多核高性能迈进。单核性能决定了一颗CPU的起点，而多核扩展效率与系统稳定性，则进一步决定其能否真正进入高性能服务器市场。
孟建熠解释，单核设计主要关注核心内部的执行效率，而多核系统首先需要解决互联总线的吞吐问题。多个核心同时访问内存或交换数据时，带宽竞争与访问冲突随之增加，使整体性能难以随核心数量线性增长。例如，假设单核性能为100，100个核心理论上应达到10000，但实际运行可能只有7000，多核性能线性度便只有70%。
按照孟建熠披露的数据，玄铁相关设计目前已将多核性能线性度提升至75%以上。为此，达摩院重点推进了XT-LINK多核互联技术，围绕多核通信效率、互联带宽及缓存一致性展开优化。
其中，缓存一致性尤其具有挑战性。随着核心数量增加，系统必须确保多个核心在并发访问共享数据时保持正确性，同时尽可能降低一致性维护带来的额外开销。对于数据库、云计算等高并发业务而言，这些能力直接关系到处理器能否在更大规模下释放性能。
然而，硬件架构的完善只是其中一环。另一项同样重要的工作，是让处理器在真实业务中跑出具有竞争力的性能。
相较于今年3月主要展示基准测试成绩，此次达摩院进一步强化了C950在云计算、AI推理及Agentic AI等应用场景中的优化。据其披露，在四类Agentic工作负载测试中，C950相比部分主流传统架构处理器取得了10%以上的性能优势。
孟建熠坦言，C950在通用计算和AI扩展方面已具备一定竞争力，但与x86、Arm相比，仍需要持续完善软件适配。从编译器、运行时环境到应用程序，不同层级的软件都需要针对处理器架构进行优化，才能充分释放硬件性能。
“如果说C950的发布是很大的一步，那么今天这些优化看起来很小，却是聚沙成塔、一点点搭起来的，都是很细、很不容易的工作。”
这也意味着，高性能RISC-V的竞争正在进入更加精细化的阶段：不再只是通过一项标志性指标证明架构实力，而是需要依靠多核设计、软件优化与持续的工程验证，将性能优势转化为真实场景中的竞争力。
二、Agentic AI，给RISC-V打开另一扇门
尽管RISC-V在性能上持续突破，但如果沿着传统通用CPU的竞争路径前进，仍然需要面对x86和Arm历经数十年建立的软件生态与产业壁垒。对客户而言，采用一种新架构不仅涉及硬件替换，还意味着软件迁移、系统验证及后续维护成本，仅凭局部性能优势往往难以形成足够的吸引力。
不过，AI计算形态的变化，正在为RISC-V提供新的切入机会。
过去几年，AI算力竞争主要围绕GPU展开，从大模型训练到推理部署，产业持续追求更高的并行计算密度和Token吞吐量。然而，随着AI应用从单次模型调用走向复杂的Agentic AI工作流，计算系统中的任务结构正在发生变化。
一个典型的智能体应用，并不是简单地将数据送入模型、等待结果返回。它可能需要先完成任务拆解、信息检索和工具调用，再执行一次模型推理，随后访问数据库、运行外部程序，甚至根据中间结果反复进行规划和决策。
在这个过程中，并非所有计算都适合交给GPU。大量任务编排、逻辑处理、数据搬运和系统调度仍然需要CPU承担，而模型推理又需要矩阵计算等AI加速能力。不同计算单元之间反复切换，带来的不仅是算力开销，也包括数据移动、任务调度和响应延迟。当AI竞争从单纯追求模型吞吐量，延伸到整条智能体工作流的执行效率，CPU与AI加速器之间的边界也开始重新调整。
这正是达摩院试图抓住的机会。
孟建熠介绍，玄铁C950围绕AI工作负载持续进行架构优化，包括矩阵计算、存储架构，以及激活函数和特殊函数计算等环节，并进一步在软件层面对运行时环境和算子库进行优化。
其中，一个重要方向是将RISC-V通用计算能力与专用AI计算模块结合，形成所谓的“通推一体”架构，延迟更低、成本更优，也可以本地化部署。按照孟建熠的判断，在部分30B参数以下模型的应用中，这一路径可能具备明显优势，尤其是需要频繁进行任务协同、对端到端延迟较为敏感的Agentic AI场景。
然而，孟建熠并没有将RISC-V的未来局限于通用CPU。在他看来，未来AI计算系统可能由CPU、GPU和各种专用XPU共同组成，不同计算单元分别处理适合自己的任务，再通过系统级调度实现整体效率最优。
那么，在异构计算逐渐成为主流的背景下，RISC-V能否成为各种专用计算架构的共同基础？孟建熠给出了明确判断，RISC-V应该成为各种XPU的基座。
这背后有着重要的产业逻辑。当前，面向特定AI计算任务设计专用加速器，已成为半导体行业的重要趋势。企业可以通过专门优化数据流、存储结构和计算单元，提高目标负载的执行效率。但如果每一家企业都从零设计一套封闭的专用处理器架构，往往需要同时承担软件工具链、编译器和运行时系统的建设成本。
RISC-V则提供了另一种可能：在保留标准化、可编程计算基础的同时，允许企业根据实际应用需求，扩展矩阵计算、数据处理等专用能力。通用计算部分可以做得更精简，专用AI计算模块则可以更强大，最终形成面向特定工作负载的XPU，同时尽可能复用RISC-V已有的软件基础设施。
从这一角度看，RISC-V的开放性不仅是授权模式上的优势，更有可能成为异构计算时代的一种架构创新能力。
此外，Agentic AI还可能在软件层面为RISC-V带来新的切入机会。孟建熠指出，相比大量依赖图形界面及传统应用生态的计算场景，许多Agent任务主要围绕API调用和后台工作负载运行，对原有桌面软件生态的依赖相对较低。孟建熠将这一变化视为重要机遇。
在谈及CPU供应链紧张是否也会为RISC-V带来机会时，他表示，供应链因素固然能够形成推动力，“但这只是东风，核心还是Agent CPU的整个应用形态发生了变化。”对RISC-V而言，AI带来的机会未必只是追赶传统CPU架构，更在于新的计算范式正在形成，使其有机会从架构设计阶段参与下一代计算系统的构建。
三、首发双规车规IP，锚定Physical AI
如果说Agentic AI代表了虚拟世界的计算变革，那么以自动驾驶和具身智能为代表的Physical AI（物理AI），则是RISC-V向高价值领域渗透的“第二曲线”。
本届峰会上，达摩院正式发布了面向车载场景的车规增强处理器玄铁E908A。这是业内首款同时满足ASIL-B（软件级可靠性）和ASIL-D（硬件级极高可靠性）标准的RISC-V CPU IP，其单点安全度量（SPFM）首次突破90%，为安全岛、域控制器及车载网关提供了极高安全等级的实时计算底座。
同时，达摩院公布了自动驾驶与具身智能的下一代产品路线图：预计于明年年底推出下一代高性能车规CPU C950A，其目标性能将达到现有RISC-V车规产品的5倍。
RISC-V进入汽车，早已不是新鲜事，国内外不少RISC-V的企业都已经进入。那为何达摩院此时选择进入汽车领域呢？
孟建熠坦言，玄铁进入车规市场，主要想带来两方面的提升：
第一是可靠性。这次我们在 ASIL-B 和 ASIL-D 方面作了很大增强。有一个车规领域用于衡量可靠性的重要指标，我们做得比它们都高，大家届时可以看具体指标。
第二是向高价值方向发展。我们要把车规产品性能提升到前所未有的高度，让 RISC-V 领域也有像英伟达那样的产品，否则难以跟上英伟达的产品。我们主要作这两方面贡献，其他方面大家也都在贡献。
谈及RISC-V入局汽车与机器人领域的底层逻辑，孟建熠表达了清晰的判断：“相比Agentic AI，Physical AI的难度更大，对算力和实时性的要求更高。今天的通用计算架构肯定还不够，需要在此基础上扩展，更好地面向 Physical AI 的算法、模型和硬件架构。在这方面，RISC-V可以比传统的几种架构走得更快。”
孟建熠进一步指出，RISC-V在机器人领域机会不仅在机器人的“小脑”，也在“大脑”。“小脑”方面，现有架构已经证明可以做，并不是做不了。但从“大脑”的角度，RISC-V 还有很大机会，关键仍然是 AI 能力和可靠性，这些都可以做更好的定制化。
不过，相比仍处于快速探索阶段的具身智能，孟建熠认为，自动驾驶对高性能算力的需求更加明确，因此可能成为高性能RISC-V率先取得突破的方向。
四、拒绝生态碎片化：工程打磨与前沿创新的双轮驱动
对于正在向高性能计算市场进军的RISC-V而言，处理器性能的突破只是第一步，真正决定其能否规模化落地的，还有软件生态这道关卡。
软件生态短板，始终是悬在RISC-V头顶的“达摩克利斯之剑”。以开源社区 OpenEuler 为例，x86与Arm的软件包已超3万个，而RISC-V目前尚不足3000个，差距依然显著。
对于RISC-V而言，下一步不仅需要解决软件“能不能跑”，还需要进一步解决“跑得好不好”“维护是否方便”，以及“客户是否愿意为迁移付出成本”。
面对生态建设这一长周期工程，达摩院正从标准建设、基础软件优化和商业应用适配等多个层面推进生态成熟。
在标准化方面，作为全球软件生态计划RISE创始成员中唯一的中国企业，达摩院深度参与RISC-V国际组织CSC认证基线建设，开源2796个测试用例，为不同软硬件平台建立共同的兼容性基础。
在基础软件方面，达摩院在GCC社区的RISC-V相关代码贡献量位居全球第二，推动典型性能提升10%以上；OpenJDK社区过半数的RISC-V代码来自玄铁团队。玄铁C950还实现了与服务器级Java的深度适配，性能提升30%。与此同时，玄铁已获得多家主流商业操作系统的原生支持，并持续推动淘宝、钉钉、微信、WPS等商业应用的深度适配。
在生态兼容的同时，达摩院也在积极探索技术创新。达摩院联合北京开源芯片研究院、中兴微等机构开展多线程技术研究，实现双线程约30%的性能收益；同时参与如意社区建设，携手国内外20多家机构共同推进面向矩阵计算的AME指令集扩展软件适配，在开放协作中拓展RISC-V的AI计算能力。这些工作都是在保持开放生态兼容性的基础上，让RISC-V具备更强的AI计算能力。
RISC-V的开放生态与商业竞争并不矛盾。标准化是产业做大的前提，差异化工程能力才是厂商建立竞争壁垒的关键。
RISC-V究竟有没有完成产业化？如果从整个架构的应用规模来看，答案或许早已写进了出货的数量当中：玄铁已形成业内覆盖最全面的RISC-V CPU IP产品线，相关芯片累计交付超过60亿颗，落地200余款量产芯片，服务400余家芯片及硬件设备厂商。不得不说，RISC-V已经在大量嵌入式、边缘计算及其他应用场景中，形成了成熟的商业实践。
但在服务器、高性能AI计算和自动驾驶等高端市场，RISC-V依然任重道远。面对RISC-V何时能全面进入主流计算市场的提问，孟建熠的回答相当克制：“我觉得还需要挺长时间，三年肯定是要的。”
对于达摩院玄铁而言，从C950的高性能突破，到AI计算扩展、车规产品布局和软件生态建设，一系列技术进展正逐渐汇聚成更加完整的产品化能力。
在谈及RISC-V的未来时，孟建熠给出了这样一句话：“一颗芯片的价值，不在于它跑分多高，而在于有多少客户敢把它装进自己的量产产品里。我们认为RISC-V最终会成功，这与它的特质有关：它源自科研，成于产业，并会兴于开放合作。”
从可用到量产，对高性能RISC-V而言，这场最艰难也最精彩的硬仗才刚刚开始。
*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
热门跟贴