AI 对并行计算和能效的要求越来越高,芯片设计正从通用计算转向 AI 专用架构,市场对灵活、模块化、开放硬件的需求随之上升。RISC-V 凭借可定制的开放指令集,自然成了热门选项:与其依赖固定的 CPU 设计,不如直接在硬件里实现 AI 计算。
但这条路真的走得通吗?近日,国外半导体媒体 Semiconductor Engineering 邀请了四位业内人士展开讨论,包括 Quadric 首席营销官 Steve Roddy、西门子 EDA Tessent 产品管理总监 Francisca Tan、SignatureIP 高级副总裁 Ewald Liess,以及 Breker CEO Dave Kelf。几方观点交锋不少,核心分歧可以归结为一个问题:RISC-V 到底该不该放在 AI 加速的核心位置?
一、反方:从 CPU 起步,一开始就走错了
Roddy 的态度最为激进,他认为用 RISC-V 做 AI 加速器是"彻头彻尾的坏主意"。
他的逻辑是:一旦以 RISC-V 为起点,系统就被切成了两半,一边是具备较强运算能力的可编程处理器,另一边是外挂的加速器。只要分区,问题就随之而来:数据要在加速器和可编程核之间通过片上网络(NoC)来回搬运,需要复杂的编译器来协调,而且这个问题会随规模扩大而急剧恶化。
举个例子:一颗 100 TOPS 的芯片,可能要配 16 个 RISC-V 核去"伺候"一大堆加速器模块。这时你就得有极强的互连和验证能力,才能勉强把系统撑住,而这些投入,都是在为"一开始选了 CPU"这个根本问题买单。
在他看来,CPU 的设计初衷是处理指针追逐、多线程切换这类"下一个时钟周期还不知道要干什么"的不确定任务。可 AI 推理恰恰相反,未来几百万个周期要做什么,事先都清清楚楚,CPU 里大部分复杂逻辑根本用不上。
DSP 稍微接近需求,但它本质是向量机(向量×标量或向量×向量),而 AI 的核心运算是矩阵×矩阵。因此 Quadric 干脆做了一台"矩阵原生"的处理器。Roddy 指出,据他所知,唯一类似思路的是数据中心里 Google 的大型 TPU。其他厂商几乎都面临分区难题,不得不砸下数十亿美元去弥补"起点不对"带来的代价。
二、另一种声音:把 RISC-V 用在"控制"上,反而恰到好处
有意思的是,Kelf 虽然同意 Roddy 的核心判断,却给出了 RISC-V 在 AI 芯片里更务实的定位:做控制,而不是做推理。
据他观察,大型 AI 加速器(无论 SIMD 还是 SIMT 架构)过去通常由一套复杂的状态机来控制,再配一个主机处理器下发指令。而他接触的四个案例(大小公司都有)显示,这些状态机"根本不好用",于是大家转而用 RISC-V 处理器来担任控制角色。
原因有几点:
可以内置数学引擎:既可以用 RISC-V 自带的向量指令,也可以加入自定义指令,或者新的矩阵乘法指令;
可以定制高效的存取指令:直接降低分区之间的数据搬运延迟,缓解分区带来的麻烦;
仍可沿用常规编译器:加自定义指令不必另起炉灶;
相比 Arm 等厂商更灵活:后者虽然也在处理器中加入了专用指令,但不可变,而 RISC-V 在这方面几乎是独一份。
他还举了一个例子:有客户用 SIMT 阵列做大规模并行数学运算,最怕某个并行通道出现"分歧"(divergence)。他们的做法是让 RISC-V 控制核专门处理这些分歧引发的少量运算,其余部分仍由加速器完成。RISC-V 并不承担重活,只是"刚好够用",让整台机器顺畅运转并压低延迟。这套方案前期投入不小,但最终效果不错。
三、要定制,请"定制到底"
那么,定制 RISC-V 指令,EDA 工具能否自动搞定验证?
在 Tensilica 工作过 17 年的 Roddy 认为,这件事 Tensilica 多年前就已经自动化了:改指令的同时,匹配的编译器和仿真器随之生成,验证也在结构化环境中完成。代价是要付授权费。RISC-V 的吸引力之一,正是可以不向"行业巨头"交这笔"过路费",同时也能突破既有框架的限制,自由度更高。
不过他提醒:如果只想做一点点定制,Tensilica 的自动化方案更省事;如果选了 RISC-V,就应该下决心定制到底,并做好手工搭建整套工具链的准备。他同时承认,RISC-V 在控制类和通用 CPU 场景中价值很大,灵活、高效,价格也比固定功能的 CPU 更有优势,只是不适合"扛重活",也就是做推理。
Kelf 对此表示赞同。他补充说,RISC-V 的好处是生态标准化程度高:企业可以获得现成编译器,还能把自己的专有设计迁移到不同供应商的 RISC-V 实现上,这是专有处理器很难做到的。前提是,企业得自己具备相应的能力。
四、指令对了,芯片就一定能用吗?
讨论的后半段,话题转向了验证与调试,这也是 AI 定制芯片最容易踩坑的地方。
可观测性不能少。Tan 强调,定制芯片需要定制化的验证和确认,以及硬件可观测性。在调试和硅片启动阶段,工程师需要监控、检查内部信号,评估性能是否达标。西门子的方案支持对自定义指令进行追踪,用户可以指定要追踪哪些指令。西门子还早年向 RISC-V 国际组织捐赠了 E-Trace(高效追踪)规范,这是一种高度压缩的指令追踪方案,专为数据量巨大的复杂系统设计。更重要的是,追踪范围不止处理器本身,还能覆盖互连、总线监控等 SoC 各个部分。
系统级验证才是关键。Liess 则提醒,大家聊了很多自定义指令集的验证,但从系统视角看,高性能系统里往往有多个核,加上缓存,立刻就会遇到一致性问题。一致性的极端情况和突发流量,很容易让片上网络陷入死锁。所以 NoC 一侧必须做系统级验证,确认流量能够顺畅通过。
他用一句话总结了这个风险:一条指令可以执行得完全正确,但如果这条指令所需的数据突发没能及时到位,整颗芯片照样会失败。
至于 IP 的标准化与定制之间如何平衡,Liess 的思路是:RISC-V 核本身客户可以随意改,但对外接口(AMBA 总线、PCI Express、CXL 等)保持标准,这样才能顺利接入内存、对接片外。需要"配置"的是预先验证过的 NoC,而不是核本身。
小结
综合几位专家的观点,可以得出几点判断:
RISC-V 不适合直接承担 AI 推理的重头戏,起点选 CPU 容易带来分区、数据搬运和编译器的一连串难题;
RISC-V 的最佳定位是"控制":编排加速器、降低存取延迟、处理少量特殊运算;
定制就要彻底,轻度定制不如用成熟的自动化方案;
指令正确不等于系统可用,可观测性和系统级验证,才是定制 AI 芯片绕不开的功课。
RISC-V 在 AI 时代究竟能走多远,还要看产业如何在灵活性与复杂度之间找到平衡点。
(编译自 Semiconductor Engineering,原文发表于 2026 年 11 月 12 日,作者 Ann Mutschler)
热门跟贴