AI浪潮中，RISC-V的破局与进阶之路

生成式


AI


的爆发，正在重塑全球计算产业的底层逻辑。

在这场由大模型驱动的技术变革中，传统的计算架构正面临前所未有的挑战：日益增长的算力需求与功耗墙之间的矛盾，以及固定指令集难以适应快速迭代的AI


算法


。行业急需一种更加开放、灵活且高效的架构来打破僵局。在这样的时代背景下，


RISC-V


凭借其模块化和可扩展的特性，迅速从


嵌入式


领域走向舞台中央，成为AI时代计算架构创新的关键变量。

这一趋势在市场规模上得到了最直观的印证。根据The SHD Group 2026年


RISC


-V市场报告，基于RISC-V的SoC出货量预计将从2025年的约70亿颗增长到2031年的近360亿颗，复合年增长率(CAGR)高达31.7%(图1)。到2031年，与支持RISC-V的SoC相关的收入预计将超过3000亿美元。这些数字表明，RISC-V不再是一个实验项目，它正成为


半导体


行业多个细分领域的基础架构。

图1：RISC-V全球市场规模与增长预测。(来源：The SHD Group)

---

从“架构自由”到“生态共建”

“相较x86和


Arm


，RISC-V面向生成式AI和端侧大模型的核心差异化优势，不是体现在某一条现成指令，而是源于其开放标准、模块化扩展和较强的架构自主性。”北京奕斯伟计算技术股份有限公司高级副总裁、首席技术官何宁博士告诉《电子工程专辑》。

奕斯伟计算高级副总裁、首席技术官何宁博士

他进一步解释说，厂商可以在标准基础指令和向量扩展之上，围绕低精度矩阵/向量计算、数据重排、归约、类型转换及高效访存等AI热点能力进行扩展，再通过编译器、算子库和运行时协同优化多头注意力、量化推理和KV缓存访问。而且，RISC-V指令集架构(ISA)标准本身开放且免版税，有利于厂商根据产品的性能、面积和功耗目标选择不同


处理器


，构建差异化的端侧或边缘AI SoC。

这一观点也得到了格罗方德旗下MIPS公司市场总监James Prior的认同。“RISC-V在AI领域最大的优势是架构自由度。”也就是说，其开放且可扩展的设计允许企业围绕特定的工作负载优化整个技术栈——从模型和编译器，到存储层次结构和处理器架构，而不是让工作负载去适应固定的架构。

格罗方德旗下MIPS公司市场总监James Prior

这些特性对于边缘AI、


机器人


、


自动驾驶


汽车和工业系统尤为宝贵，因为在上述领域，延迟、确定性、功能安全和能效往往比峰值TOPS更为重要。“RISC-V使开发人员能够将行业标准扩展与特定应用的创新相结合，创建量身定制的解决方案以满足实际部署需求。”他说。

不过，何宁博士也强调称，开放和可扩展并不自动等于软件兼容和产品低成本。现阶段，RISC-V在主流大模型框架、量化工具、AI编译器和高性能算子库上的优化深度等方面仍弱于x86和Arm；在高性能场景中，高性能


CPU


核、服务器平台规范、高速一致性互连、高带宽存储、RAS和虚拟化等系统级能力也有待完善。

此外，厂商自定义扩展如果缺少统一的编译器抽象、运行时探测和通用回退路径，会增加跨芯片迁移成本。因此，RISC-V的优势能否转化为实际产品竞争力，关键取决于标准扩展、软件生态和系统级平台能力能否同步成熟。

Prior则将最具挑战的一票投给了“生态成熟度”。在他看来，尽管进展迅速，但x86和Arm生态中的软件工具、AI框架、


操作系统


和开发人员资源仍然更加完善。持续投入软件、标准和平台级解决方案，对于加速部署并确保不同架构之间的可移植性至关重要。

最终，RISC-V的机遇在于通过为需要更高定制化、效率和系统级优化的新兴工作负载提供灵活的基础，从而赋能下一代AI平台。

---

硬件多样性与软件统一性的平衡之道

要将架构优势真正转化为AI时代的产业红利，底层指令集的突破势在必行。

当前，RISC-V在矩阵扩展上并行推进了IME、VME、AME三条技术路线，在国际标准最终发布之前，软件栈的适配始终面临多样性挑战(图2)。面对这一产业痛点，应当如何建立有效的协同机制，以避免软件生态因硬件分化而走向碎片化？无疑是当下业界最为关注的核心议题。

图2：RISC-V矩阵扩展(IME、VME、AME)技术路线方案对比。(来源：RISC-V Interna


ti


onal)

在与《电子工程专辑》的对话中，何宁博士与Prior分别从技术架构、产业协作等多个维度给出了各自的看法。

---

硬件多样性是创新的必然

Prior指出，并行推进多条技术路线，对RISC-V生态来说是一个健康的标准演进过程，而非碎片化。与闭门造车且行业参与度有限的传统模式不同，RISC-V依托国际基金会工作组、开源工具链和商业生态合作伙伴，构建了开放式行业协作机制，允许竞争性想法在公开透明的环境中接受评估，从而有效推动行业就最优的长期解决方案达成共识。

何宁博士同样认为，IME、AME和VME代表不同的矩阵


寄存器


组织和软硬件权衡。在标准尚未完全稳定之前，确实可能增加编译器后端、算子库和程序维护分支的成本。但避免碎片化不能简单依赖三条路线在指令层完全合并，更重要的是建立“共同软件基线、统一上层


接口


、底层后端可替换”的协同体系。

---

打造跨硬件的通用软件底座

在具体的协同机制上，何宁博士提出了三个层面的建设路径。首先，在RISC-V International及相关技术工作组层面，应明确各类矩阵扩展的应用定位、寄存器模型、数据类型、状态管理、指令语义和能力发现机制，并推动Profile、ABI、Intrinsic及工具链接口实现同步演进。

其次，在产业软件层面，应基于LLVM、MLIR等中间表示建立统一编译入口，为不同矩阵扩展开发可插拔后端，并通过运行时能力探测、多版本二进制和标准指令回退机制，屏蔽底层差异(图3)。

图3：RISC-V AI软件栈分层架构，体现产业软件层面的统一编译入口与可插拔后端设计。(来源：RISC-V International)

再次，由芯片、操作系统、编译器、框架和整机企业共同建设算子库、功能一致性测试、数值精度测试和性能基准，尽可能将关键支持合入上游社区，减少长期维护私有分支。

“关键在于确保软件针对的是标准化的


编程


模型和工具链，而不是单个硬件实现。”Prior认为。大多数嵌入式和AI系统自然需要针对工作负载进行硬件优化，因此硬件层面的多样性是预料之中的。真正重要的，是通过通用的ISA标准、编译器、操作系统和开发框架来保持软件的可移植性。

---

“标准优先、创新可控”

面对厂商在标准之外可能进行的自定义扩展，何宁博士强调应坚持“标准优先、创新可控”的原则，而不是一概禁止。换言之，确需采用私有扩展时，厂商应提供清晰的版本标识、编译器和Intrinsic支持、运行时发现机制以及通用回退路径，使上层应用不直接绑定某一家的指令细节。这样才能同时保留RISC-V的可定制优势和软件生态的可移植性。

“在许多方面，RISC-V正通过将广泛的专用计算平台纳入统一的架构和软件生态来减少碎片化。”Prior总结道，“我们的目标不应是追求随处可见的同质化硬件，而是一个共享的软件基础，并在不牺牲可移植性的前提下允许行业持续创新。”

---

加速跨越商业交付鸿沟

当技术层面的生态壁垒被逐步打破后，商业落地的考验便接踵而至。

事实上，无论哪种架构，要跨越“能用”到“好用”的鸿沟，


开发者


最终的选择标准是交付效率和总成本。何宁博士对此表示认同，并将真实商业项目中RISC-V的迁移成本、调试工具链的完善度，以及商业技术支持体系，与x86和Arm进行了比较。

在他看来，目前，RISC-V已经在


MCU


、


IoT


、裸机系统和部分


Linux


应用中跨过了“能用”门槛，但与x86、Arm相比，RISC-V在交付效率、工具完善度和技术支持方面仍有差距，而且不同场景下的差距并不相同。

例如，在迁移成本方面，如果应用主要基于Linux和成熟开源软件，能够从源码重新编译，迁移到RISC-V的工作量通常已经可控。但如果项目依赖闭源软件、专有中间件、深度优化代码、AI算子库或行业


认证


，其适配、调优和验证成本仍会更高。RISC-V指令集开放且免版税，有利于降低长期授权依赖，但最终是否具有成本优势，还要综合考量软件投入、验证成本和产品量产规模。

在工具链方面，GCC、LLVM、GDB、OpenOCD、QEMU等基础工具已经能够满足常规开发需求。目前的差距主要集中在高端性能分析、异构系统联调、硬件追踪、功能安全认证和长期版本维护等方面。

在商业支持方面，x86和Arm已形成较成熟的整机、操作系统、软件厂商和技术服务体系，RISC-V则正在从单个产品和项目支持，逐步走向标准化平台、参考设计和规模化服务。

总体来看，三者之间不是技术代际上的差距，而是产业成熟度上的差距。x86和Arm已经进入成熟稳定期，RISC-V仍处于快速发展阶段。随着行业标准持续统一、上下游工具协同共建，如奕斯伟计算这类厂商会持续输出标准化软硬件方案与配套技术服务，迁移、工具、服务层面的差距会持续收窄，RISC-V开放、灵活和可定制的优势也会进一步体现出来。

“历史性的差距已经缩小。”Prior认为。在Linux、


嵌入式系统


、


RTOS


、编译器、调试器和开发工具支持方面，RISC-V现在已成为一种主流架构，得到了商业软件供应商、操作系统和开发环境的广泛支持。对于许多嵌入式和边缘AI项目，与采用新的基于Arm的平台相比，迁移工作量几乎已经没有实际差异。

RISC-V在


Android


生态中也已经取得了显著进展，但由于谷歌在早期阶段的投入，相对于发展完备的Arm部署，其软件栈仍处于不断完善的过程中。除Android之外，行业领先的工具、操作系统、编译器、虚拟化和AI软件供应商已在RISC-V支持方面进行了大量投入，包括针对特定商业实现的优化。

这表明，行业讨论正日益从“我能用RISC-V吗？”转向“哪种RISC-V平台最适合我的应用？”——这是一个重要的里程碑。虽然Arm和x86在装机量和生态深度方面仍保持优势，但剩余的差距对于大多数商业嵌入式、汽车、工业、网络和边缘AI部署来说，已不再是根本性障碍。现在的重点是加速软件优化和扩大生态规模，而不是停留在建立基本的平台可行性上。

---

RISC-V的全域AI算力底座

在嵌入式电子领域留下印记之后，RISC-V如今也将目光投向了竞争激烈且利润丰厚的企业数据


中心


和服务器集群市场。尤其是随着


英伟达


(NVIDIA)等巨头将RISC-V纳入其高速互连和数据中心级架构中，科技界又平添了几分对RISC-V突破进入数据中心的期许。

“英伟达等头部厂商将RISC-V引入


GPU


内部控制、数据中心互连和AI基础设施生态，说明RISC-V正在突破传统嵌入式


控制器


的边界，逐步进入高性能计算和智能计算的核心领域。”何宁博士认为。未来RISC-V在全域AI算力底座中的角色，不会局限于“控制核”与“通用高性能CPU”的二选一，而会沿着三个层次同步发展。

一是基础设施内嵌控制。

RISC-V可广泛应用于GPU、NPU、DPU、智能网卡、S


SD


和高速互连等设备，承担任务调度、数据搬移、实时控制和安全管理等功能。随着AI系统复杂度不断提高，这一市场空间还将持续扩大。

二是异构系统的主机和应用处理器。

AI系统不仅需要矩阵计算，还需要操作系统运行、模型调度、数据预处理、网络存储管理和安全隔离等。随着高性能RISC-V处理器和服务器平台逐步成熟，RISC-V有望从设备内部控制核走向边缘服务器、AI工作站和数据中心主机CPU，与GPU、NPU及其他加速器形成高效协同。

三是直接承担AI计算。

借助向量、矩阵扩展和专用AI加速单元，RISC-V不仅可以调度加速器，也能够直接执行量化计算、矩阵乘法、注意力、稀疏计算等大模型关键负载。其开放、模块化和可扩展的特点，有利于围绕具体AI模型开展软硬件协同优化，在保持通用可编程能力的同时提升性能和能效(图4)。

图4：NVIDIA


深度学习


加速器(DLA)架构框图，RISC-V核直接参与AI计算。(来源：NVIDIA)

他强调说，这一优势在Agentic AI时代将更加突出，因为智能体不仅要完成大模型推理，还要进行感知、规划、工具调用、代码执行、数据检索和设备控制，需要同时具备通用控制能力与AI计算能力。RISC-V完全有机会在同一架构体系内覆盖小型实时控制核、高性能通用处理器以及向量、矩阵和专用AI计算单元，从而降低多种指令架构混用带来的软件适配和系统集成复杂度。

这意味着，控制和调度将是RISC-V的重要基本盘，但绝不是其能力上限。短期内，RISC-V将在机器人、智能汽车、工业设备和边缘AI终端中形成优势；中长期则将进入AI PC、边缘服务器、行业服务器和数据中心主机市场。

“RISC-V未来的机会并不在于复制x86或Arm的发展道路，而是面向AI原生计算、异构计算和Agentic AI，重新定义通用处理器与AI加速器之间的关系。”何宁博士指出。他认为，RISC-V完全有潜力成为继x86、Arm之后第三种全球主流计算架构，并在端侧智能、边缘计算和AI服务器等新兴市场中占据重要甚至引领性地位。

市场2025-2031年RISC-V市场趋势


消费电子


在移动设备、


物联网


、智能电视、可穿戴设备和嵌入式控制器的驱动下，预计年SoC出货量将从45亿颗增长到188亿颗。计算与AI基础设施在加速器、SSD控制器、AI卡、GPU和数据中心基础设施采用的推动下，预计将从8亿颗增长到57亿颗。工业与边缘计算支持自动化、机器人、


机器视觉


和智能基础设施，预计将从6.2亿颗增加到32亿颗。汽车在软件定义汽车、


电气


化、高级驾驶辅助系统(


AD


AS)、安全处理和区域架构的驱动下，预计将从3.6亿颗增长到18.2亿颗。网络与


通信


服务于


5G


、未来6G基础设施、安全设备和网络设备，预计将从3.2亿颗增长到25亿颗。Prior表达了同样乐观的看法。尤其是在谈及英伟达对RISC-V生态日益增加的参与，包括支持下一代RISC-V CPU开发，以及将RISC-V集成到高性能AI互连和基础设施架构中时，他直言“开放指令集正成为未来AI计算格局的重要组成部分”。

支持他做出上述判断的理由同样有三点。一是行业正朝着高度异构的系统发展，这些系统结合了通过高带宽互连架构(Fabric)连接的CPU、GPU、NPU和特定领域加速器。在这种环境下，开放性、定制化和针对工作负载的优化成为了战略优势，使得RISC-V在“基于开放标准的设计已成刚需”这一大势下成为必然选择。

二是在边缘侧，RISC-V肯定会继续作为控制、编排和实时处理核心发挥重要作用，特别是在机器人、汽车、工业和物理AI系统中。然而，它的长期机遇远不止于系统管理。向量扩展、矩阵处理能力、AI特定定制指令以及紧密集成的加速器的出现，使得RISC-V平台能够从控制平面功能扩展到应用处理和AI推理工作负载。

三是未来的AI平台将结合CPU、GPU、NPU、


DSP


和特定领域加速器，而RISC-V可以作为这些异构元素之间通用的、开放的架构基础。在某些市场，特别是边缘AI和针对工作负载优化的基础设施中，RISC-V有潜力成为主要的计算架构，而不仅仅是控制处理器。

“RISC-V最有可能重塑通用计算的定义。”Prior说，“以后要讨论的问题，将不再是RISC-V是否能参与高性能AI系统，而是它最终将在计算栈中占据多少份额。”

---

生态共建：从IP协同到异构计算的全面升维

随着RISC-V生态的不断成熟，越来越多CPU、GPU及AI加速器厂商开始围绕这一开放架构展开深度合作。在Imagination产品总监郑魁看来，RISC-V最大的价值不仅在于开放的ISA，更在于开放的产业生态。未来AI SoC将越来越多地采用来自不同厂商的最佳IP组合，因此IP之间的互操作性、软件兼容性以及系统级集成能力将变得至关重要。

Imagination产品总监郑魁

这种产业协同也正在从单纯的IP扩展到软件、


EDA工具


和平台开发。例如，2025年Imagination与Baya Systems和晶心科技(Andes)合作，展示了基于RISC-V的高性能计算平台。该平台集成了Andes的RISC-V CPU、Imagination GPU以及Baya的Chiplet互连技术，充分展示了开放生态如何帮助客户组合各自领域最优秀的技术，在降低系统开发复杂度的同时，加快产品上市时间。

作为GPU IP供应商，Imagination目前已与多家主流RISC-V CPU厂商建立合作关系，共同推动


汽车电子


、


工业控制


、消费电子及边缘AI等领域AI SoC项目的落地。未来产业竞争的核心，不再是单一IP模块，而是谁能帮助客户构建开放、互联、易于开发的完整计算平台。

在构建这一完整计算平台的过程中，开放的重心正逐步从硬件架构转向软件生态。随着AI开发日益复杂，对于开发者而言，更重要的是能够快速完成AI应用开发、优化和部署。

为此，Imagination持续投入GPU软件生态建设，包括OpenCL计算库、AI图编译器以及对PyTorch、ONNX等主流AI框架的支持。同时，Imagination持续推进GPU开源驱动战略，进一步降低软件集成门槛，帮助开发者更加便捷地在RISC-V平台上开展AI开发。

这种软硬件协同的演进，正是为了应对生成式AI、机器人、智能汽车等应用快速发展所带来的复杂计算需求。当前，异构计算仍然是AI SoC的主流架构：CPU负责系统控制与任务调度，GPU承担图形处理、AI推理及


计算机视觉


等高度并行工作负载，而专用AI加速器则针对特定AI模型提供更高能效。

与此同时，GPU与NPU正朝着融合(Convergence)的方向演进。随着GPU持续集成更多AI计算能力，未来将能够承担越来越丰富的AI工作负载，为客户提供更加统一、可编程的计算平台。这一趋势有助于简化SoC系统架构，保持系统灵活性，减少重复的计算资源、内存访问和软件栈复杂度，从而为机器人、智能汽车等快速演进的端侧AI应用提供更加灵活、高效的计算平台。

---

距离真正的“三足鼎立”还有多远？

Prior用表1介绍了2025至2031年RISC-V市场的发展趋势。

表1：2025至2031年RISC-V市场发展趋势。

“RISC-V已经跨越了从新兴架构到主流计算平台的门槛。”他表示，“RISC-V的开放和可扩展架构非常符合行业向异构计算演进的趋势，即CPU、GPU、NPU、DSP和特定领域加速器作为一个系统协同工作。这表明，RISC-V不仅仅是在作为传统的CPU架构参与竞争，而是正在成为连接和编排专用引擎(这些引擎针对AI、机器人、通信和智能边缘应用进行了优化)的通用计算基础。”

因此，未来3至5年，向新计算市场(特别是AI领域)加速扩张，将成为RISC-V的主要特征。

其实，从历史上看，新的CPU架构往往是通过支持新的工作负载而非直接取代现有部署来取得成功的。AI基础设施、物理AI、机器人、


工业自动化


、智能汽车和专用云系统正是创造了这样的机遇。

他预测称，10年内，我们很可能会看到RISC-V获得“三足鼎立”的地位，因为它将成为全球半导体市场中与x86和Arm并列的标准架构选择。下一代计算平台的定义特征将不是单一的主导架构，而是架构的多样性。在这种环境下，RISC-V的开放性、灵活性以及支持特定工作负载创新的能力，使其能够作为AI时代的对等平台，与x86和Arm并驾齐驱。

何宁博士也做出了同样的判断。在他看来，未来3至5年将是RISC-V从“快速成长的新兴架构”迈向“全球主流计算架构”的关键窗口期，其发展速度有望进一步加快：

2026至2028年，RISC-V将首先在端侧实现更大规模的商业化，并加速向边缘AI渗透。在物联网、智能汽车、机器人、工业控制、边缘AI设备等领域，RISC-V凭借开放、灵活、低功耗和可定制的优势，有望形成一批规模化产品。同时，向量、矩阵及AI扩展不断完善，操作系统、编译器、算子库和推理框架的适配能力持续增强，RISC-V将从以控制类应用为主，进一步走向“通用控制+AI计算”融合。

2028至2030年前后，RISC-V有望进入边缘计算成熟、数据中心加速突破和产业生态加速形成闭环的新阶段。随着高性能处理器核、服务器平台、高速互连和AI软件栈逐步成熟，RISC-V不仅会在边缘服务器和行业计算平台中扩大应用，也有望进入AI服务器主机处理器、数据中心基础设施和部分高性能计算场景，与x86、Arm展开更直接的竞争。

其中，AI可能成为RISC-V实现跨越式发展的最大机会。传统计算市场高度依赖存量软件生态，而大模型、Agentic AI和异构计算正在创造大量新的计算需求。智能体既需要操作系统、任务调度、工具调用和设备控制等通用计算能力，也需要向量、矩阵和大模型推理能力。RISC-V可以在统一架构体系下覆盖实时控制核、高性能通用处理器和AI加速单元，这种“通用计算与智能计算协同发展”的能力，有望成为其区别于传统架构的重要竞争优势。

“我理解的‘三足鼎立’，并不是三种架构在所有市场中份额完全相同，而是RISC-V能够像x86和Arm一样，形成独立完整的技术体系、产业生态和规模化市场，并在若干关键领域占据主导地位。”何宁博士预计，“到2030年前后，x86可能继续在传统服务器和PC市场保持优势；Arm深耕移动终端和消费电子；RISC-V则有望在物联网、智能汽车、边缘AI、异构控制、行业计算以及新型AI基础设施中建立突出优势，并持续向高性能通用计算领域拓展。”

总体来看，RISC-V距离成为全球第三大主流计算架构已经不再遥远。未来3至5年，它有望从部分市场的“可选架构”加速成长为众多新兴计算场景的“优先架构”，并借助AI原生计算和Agentic AI的发展浪潮，真正形成与x86、Arm长期并立、各具优势的全球计算产业格局。