2025年7月16-19日,第五屆RISC-V中國峰會在上海張江科學會堂拉開帷幕。這場匯聚全球芯片產(chǎn)業(yè)目光的盛會中,知合計算以“多場主題演講+核心產(chǎn)品發(fā)布”的強勢姿態(tài)登場——不僅在主論壇、高性能分論壇、人工智能分論壇系統(tǒng)闡述技術(shù)理念,更正式公布新一代高性能RISC-V內(nèi)核進展,并發(fā)布“阿基米德”系列通推一體CPU產(chǎn)品。這一系列動作,被業(yè)內(nèi)視為RISC-V架構(gòu)向高性能計算領(lǐng)域發(fā)起沖擊的“沖鋒號”,也讓中國芯片企業(yè)在全球架構(gòu)競爭中的話語權(quán)再獲提升。
一、架構(gòu)變革臨界點:RISC-V為何成為AI時代新引擎?
全球芯片架構(gòu)的演進始終與時代需求深度綁定:PC時代x86以封閉生態(tài)壟斷市場,移動時代ARM靠“公版授權(quán)”降低設(shè)計門檻普及,而在AI與萬物互聯(lián)時代,RISC-V正憑借開源、精簡、可擴展的特性,成為重構(gòu)產(chǎn)業(yè)格局的新變量。
經(jīng)過十余年發(fā)展,RISC-V已在物聯(lián)網(wǎng)、嵌入式領(lǐng)域?qū)崿F(xiàn)規(guī)?;涞兀蚋咝阅苡嬎銏鼍暗耐黄茀s始終面臨“瓶頸”。知合計算CEO孟建熠博士指出:“當前RISC-V陣營的第一梯隊產(chǎn)品,性能仍落后ARM與x86主流產(chǎn)品一個身位,且國內(nèi)真正量產(chǎn)的高性能RISC-V芯片尚未落地?!边@種性能滯后引發(fā)的“惡性循環(huán)”尤為明顯——硬件性能不足導致操作系統(tǒng)、商業(yè)軟件適配動力下降,軟件生態(tài)薄弱又讓企業(yè)客戶持觀望態(tài)度,最終壓縮硬件廠商商業(yè)化空間。
而打破循環(huán)的關(guān)鍵,在于打造“標桿產(chǎn)品”。正如孟建熠所言:“只有先在性能上追上主流架構(gòu),才能讓開發(fā)者和客戶看到潛力,以標桿帶動上下游聯(lián)動,形成生態(tài)正向循環(huán)?!边@一背景下,RISC-V的“開源基因”與AI時代的計算需求形成了奇妙的契合——AI推理場景對算力、能效、成本的平衡要求,恰好撞上了RISC-V“由外而內(nèi)”的架構(gòu)優(yōu)勢:不同于x86和ARM“從架構(gòu)定義需求”的傳統(tǒng)模式,RISC-V能從應(yīng)用場景出發(fā)靈活擴展,開發(fā)者甚至無需掌握CPU設(shè)計知識即可優(yōu)化軟件,這種“需求導向”的特性,為AI原生芯片提供了無限可能。
二、通推一體:架構(gòu)創(chuàng)新破解AI計算核心矛盾
在峰會主論壇上,知合計算在峰會現(xiàn)場還公布了其首代通推一體CPU產(chǎn)品“阿基米德”系列,以及阿基米德系列中針對邊緣服務(wù)器場景的A210芯片產(chǎn)品。
據(jù)了解,阿基米德系列創(chuàng)新性采用了UCA統(tǒng)一計算架構(gòu),實現(xiàn)了統(tǒng)一內(nèi)存和統(tǒng)一算子,有助于提高計算效率和性能,為用戶提供更強大的計算能力和更優(yōu)化的使用體驗?!巴ㄍ埔惑w”架構(gòu)則實現(xiàn)了SoC層面高性能通用計算和AI推理能力的高效融合,相較于目前業(yè)界主流的傳統(tǒng)GPU/GPGPU方案,高性價比成為其核心優(yōu)勢。該系列首次亮相的A210,則是一款8核CPU,并配備了12TOPS(INT8)的AI推理算力。
孟建熠表示,阿基米德系列在AI推理場景中的高性價比優(yōu)勢,源于其對不同大模型架構(gòu)需求的精準適配,以及對傳統(tǒng)方案成本痛點的針對性突破。
當前,基于Transformer架構(gòu)的傳統(tǒng)大語言模型,因模型參數(shù)規(guī)模龐大、計算過程中存在大量矩陣運算與特征交互,對算力密度和內(nèi)存帶寬提出了極高要求。為滿足這類需求,GPU/GPGPU等并行計算卡普遍采用HBM作為存儲方案。但HBM的技術(shù)特性也帶來了顯著弊端:一方面,HBM制造工藝復雜、產(chǎn)能有限,導致其成本居高不下;另一方面,受限于堆疊技術(shù)和功耗控制,單顆GPU能搭載的HBM容量通常有限,難以滿足超大規(guī)模模型的全量參數(shù)加載需求。而若通過“多GPU互連”來擴展內(nèi)存容量,又會帶來設(shè)備間通信開銷增加、算力利用率下降和浪費等新問題。
這種“高帶寬依賴-HBM綁定-成本飆升+容量受限”的鏈條,使得傳統(tǒng)方案在AI推理場景中性價比偏低。
與傳統(tǒng)方案不同,知合計算的阿基米德系列選擇傳統(tǒng)CPU中的DDR內(nèi)存作為存儲方案。盡管DDR的帶寬和傳輸速度低于HBM,但其核心優(yōu)勢恰好匹配了以DeepSeek為代表的新興MoE架構(gòu)大模型的需求:MoE架構(gòu)的核心特點是模型參數(shù)規(guī)模極大,但實際推理時僅激活部分“專家模塊”,這對內(nèi)存的“容量”要求遠高于“帶寬”,且單次計算的數(shù)據(jù)流并不大。此時,DDR內(nèi)存的“大容量”和“擴容成本低”成為關(guān)鍵優(yōu)勢,既能滿足MoE模型的海量參數(shù)存儲需求,又能顯著降低硬件成本。
基于上述場景需求和RISC-V架構(gòu)的靈活設(shè)計,A210芯片無需盲目追求高帶寬和大算力,而是通過內(nèi)存架構(gòu)優(yōu)化與MoE模型的特性適配,在“算力供給-帶寬需求-內(nèi)存容量”之間找到了更優(yōu)平衡點,同時避免了效率損耗和冗余成本。這種按需匹配的設(shè)計,能夠?qū)崿F(xiàn)AI推理場景下的高性價比優(yōu)勢——以更低成本提供滿足實際需求的推理能力。
當前A210芯片已完成回片和內(nèi)部測試,即將對開發(fā)者、合作伙伴和客戶提供樣片測試申請,后續(xù)將繼續(xù)推進其商業(yè)化落地和實際應(yīng)用場景的部署。
三、技術(shù)突圍背后:從架構(gòu)到生態(tài)的全鏈條創(chuàng)新
知合計算的突破并非偶然,而是建立在“芯片架構(gòu)-軟件算法-生態(tài)協(xié)同”的全鏈條創(chuàng)新之上。這種系統(tǒng)性能力,正是RISC-V向高性能領(lǐng)域突圍的核心支撐。
知合計算雖非最早入局者,卻憑借對“商業(yè)化落地”的極致聚焦,走出了一條“后發(fā)先至”的差異化路徑。知合計算從成立之初便將重心鎖定在產(chǎn)品的實際落地能力上。其團隊在芯片外圍設(shè)計、互連技術(shù)、緩存優(yōu)化等底層細節(jié),以及調(diào)試工具包、軟硬件交付配套工具鏈等生態(tài)支撐環(huán)節(jié)持續(xù)深耕,構(gòu)建起從CPU核到終端產(chǎn)品的完整技術(shù)鏈條。
眾所周知,RISC-V生態(tài)建設(shè)的難點,在于如何在軟件積累不足的情況下實現(xiàn)商業(yè)化落地。知合計算選擇了“避實就虛”的場景化策略——聚焦對軟件生態(tài)依賴度較低的領(lǐng)域率先突破。
以大模型推理為例,主流算法核心算子僅需適配十余個,知合計算完成對滿血版DeepSeek等模型的適配后,即可直接應(yīng)用于一體機場景,無需大規(guī)模投入軟件適配。孟建熠解釋:“這是一種‘以點帶面’的生態(tài)建設(shè)思路——先通過標桿場景落地建立信心,再吸引更多開發(fā)者加入,形成滾雪球效應(yīng)?!?/p>
這種策略已初見成效:目前其CPU核已實現(xiàn)對RISC-V系統(tǒng)平臺規(guī)范關(guān)鍵子項的高支持率,SoC和上層軟件棧原生兼容數(shù)十個平臺規(guī)范;同時與多家一線云廠商協(xié)作,在IP層面與合作伙伴深度聯(lián)動,構(gòu)建起“硬件-軟件-應(yīng)用”的協(xié)同網(wǎng)絡(luò)。
孟建熠對RISC-V的未來充滿信心:“如果x86像是占領(lǐng)了幾座主要島嶼,RISC-V的未來可能是一片大海。‘三分天下’是必然趨勢,很可能在未來5-10年內(nèi)實現(xiàn)。”但他也強調(diào),這需要全行業(yè)的協(xié)同——“國內(nèi)廠商要抱團取暖,提升國際標準話語權(quán);通過‘競合共生’加速技術(shù)迭代,讓RISC-V從‘概念驗證’走向‘規(guī)模商用’。”
結(jié)語:從“星星之火”到“星辰大?!?/p>
當“阿基米德”系列的樣片即將交付測試,當高性能內(nèi)核的軟件適配申請持續(xù)涌入,RISC-V在高性能計算領(lǐng)域的突圍已從“可能性”變?yōu)椤斑M行時”。知合計算的實踐表明:中國芯片企業(yè)不僅能在架構(gòu)創(chuàng)新中跟上全球節(jié)奏,更能通過場景化創(chuàng)新與生態(tài)協(xié)同,成為規(guī)則制定的重要參與者。
從物聯(lián)網(wǎng)的“輕量級玩家”到高性能計算的“挑戰(zhàn)者”,RISC-V的成長軌跡,恰是中國芯片產(chǎn)業(yè)從“跟隨”到“引領(lǐng)”的縮影。隨著“通推一體”架構(gòu)的普及、“阿基米德”系列的落地,以及全行業(yè)的協(xié)同發(fā)力,RISC-V正從過去的“點點繁星”,走向AI時代的“星辰大?!?。
免責聲明:本文內(nèi)容由開放的智能模型自動生成,僅供參考。