重塑处理器设计的开放力量

作为一种基于精简指令集(RISC)的开放硬件指令集架构(ISA)，RISC-V的设计哲学强调“大道至简”。尽管在生态系统建设、软件支持和安全性问题等方面，RISC-V仍需不断努力和完善，但凭借简洁高效、灵活多样的特点，RISC-V目前已经在嵌入式系统、云计算与大数据、人工智能(AI)与机器学习(ML)、物联网与边缘计算等领域展现出了强大的生命力和广阔的发展前景。

根据SHD Group的调研报告，2023年RISC-V相关SoC芯片产品在全球市场营收达到61亿美元，比2022年增长276.8%(图1)。预计到2030年，RISC-V全球市场规模将达到927亿美元，未来几年的年均复合增长率为47.4%。尤其值得一提的是，预计到2030年，用于AI加速器的RISC-V SoC出货量将达到41亿颗，营收将达到422亿美元。

图1：2021－2030 年所有应用的 RISC-V SoC 市场总收入。

从“开源”到“开放”

在今年6月的RISC-V欧洲峰会上，我们注意到，RISC-V作为“开放标准”的定位得到了进一步的强化。中国科学院计算技术研究所副所长、研究员包云岗博士在社交媒体上发文指出，过去几年，人们在给RISC-V加定语时往往把“开放”和“开源”混为一谈，有人说开放指令集，有人说开源指令集，造成了一些概念上的混淆。而在此次峰会上，产业基本形成了一种共识，在未来宣传口径上强调“RISC-V是一种开放标准，而非开源实现”。他认为这个概念的澄清很重要，甚至可以避免一些地缘政治上的误判。

那么，为什么会有这样的变化？我们该如何正确理解“开放”和“开源”之间的异同之处？

奕斯伟计算高级副总裁、首席技术官何宁博士(图2)从两方面对此进行了解读：一方面，复杂的国际地缘政治形势给RISC-V管理机构及其合作伙伴带来了压力；另一方面，“开源”意味着没有秘密、没有专有锁定，也不需要支付高额的许可和版税费用，不符合商业事实，因此出现了关于“开源”和“开放”的强调变化。换句话说，RISC-V可供免费使用，无需支付专利费，但芯片本身可以是开源设计，也可以是封闭的专有设计，这就是“开源”与“开放”的不同之处。

图2：奕斯伟计算高级副总裁、首席技术官何宁博士

“这种变化源自之前存在的一种对标准(指令集规范)和实现(处理器实现)的混淆。”知合计算CEO孟建熠博士(图3)对此回应称，RISC-V是一种完全免费且对外开放的规范标准，不是具体的代码和芯片设计，所有人都可以基于这种规范标准去实现自己的处理器设计。与之对应的是x86和Arm的指令集规范都掌握在单一的企业手中，所以将RISC-V称之为“开放标准”。

图3：知合计算CEO孟建熠博士

处理器实现则指的是基于指令集规范，再加上处理器微架构设计，最终流片形成芯片产品。在这个过程中，所形成的知识产权与上述规范标准对应的知识产权是相互独立的。根据处理器实现产生的知识产权是否开源，就产生了“商业实现”和“开源实现”两个概念。

综上所述，RISC-V是一种指令集规范，并且是完全对外开放的，而处理器实现则是基于RISC-V进行芯片开发的企业在做的工作。其中，“商业实现”对生态的意义更重要，只有实现了“商业实现”，才能吸引更多企业参与RISC-V生态建设，而不是让RISC-V成为停留在学术界的“玩具”。这就是为什么现在业界强调“而非开源实现”。

“RISC-V开源之说是一种不准确的提法，RISC-V国际协会在两年前就开始纠正这种说法。”赛昉科技董事长兼CEO徐滔(图4)表示。“开源”是由于业界对于软件代码共享实践而产生的概念，而RISC-V是一种开放标准，其本身不存在代码共享。但是，业界可以几乎零成本获得RISC-V标准的使用权，这和“开源”有类似之处。

图4：赛昉科技董事长兼CEO徐滔

Imagination公司产品管理总监Matthew Bubis(图5)也表达了相同的看法。他说，人们普遍存在一个误解，认为RISC-V开放标准等同于RISC-V CPU和产品是开源的。实际上，虽然RISC-V开放标准允许开发人员在指令集架构上免费且开放地使用框架去创建CPU，但这些产品可能是私有知识产权，也可能是开发人员选择将它们开源，因此开放标准并不意味着它们必须是这种模式或其他模式。

因此，这种使用开放标准与使用封闭IP之间可能产生的区别，在围绕RISC-V引入了各种限制的时候，对于避免出现意外结果至关重要。这种混淆可能会导致标准出现分化，并对RISC-V所依赖的持续开放性造成问题和挑战。所以，传递明确的信息来确保行业内外都能充分理解这一区别是十分必要的。

图5：Imagination公司产品管理总监Matthew Bubis。

寻找合适的商业模式

这是另一个有趣且严肃的话题。包云岗博士在文中谈到，全球各类Arm芯片市场规模达到上千亿美元，但Arm公司本身只有30亿美元左右的营收和3亿美元的利润。如何能向RISC-V SoC芯片企业提供Arm水准的IP，并且在商业上也能实现可持续的盈利，其实是一个充满挑战的事情。

如果采用与Arm相同的商业模式，那么RISC-V IP企业的营业额与利润一定会比Arm更低。事实上，今天全球的RISC-V IP企业都很不容易，收入都在1000～3000万美元，基本实现收支平衡。如果这一环不加以补齐，那么整个RISC-V生态大厦的底座就不够坚实。

根据Semico Research预测，到2025年RISC-V架构处理器核的出货数量将达到800亿颗。如此体量的出货，如果因为缺乏体系化、成规模的应用场景难以被外界确切地感知，或是因为各家企业单打独斗，凭借各自的产品独立拓展市场及应用生态，未能形成合力，导致在盈利上举步维艰，不免让人感到遗憾和困惑。

“在快速增长的市场和广泛的竞争带来的双重作用推动下，无论是可持续的商业模式，还是难以为继的商业模式，都将自然而然地产生。”Bubis说。只不过，在Bubis看来，随着市场方向的明确，许多企业将需要调整他们的模式，并转向增速最快的细分市场，去发现RISC-V市场中需求最大并最终能为这些领域提供最高质量的产品和服务，这是企业获得最终成功的前提。

目前来看，RISC-V在包括物联网在内的低功耗嵌入式场景中，已经实现了不错的应用成果落地，但这些市场并不能支持RISC-V未来的进一步发展。因此，对于整个RISC-V生态而言，要想实现商业盈利和进一步发展，必须找到下一个能够支撑整个生态发展的赛道。 

另一方面，当前成功的RISC-V企业往往是在已有的产品中采用了RISC-V技术。对那些纯粹靠销售RISC-V IP或产品的公司来说，他们可能需要更进一步了解系统，找到系统伙伴，共同开拓“杀手级应用(Killer Application)”，就像当年IBM成就了Intel，Nokia和TI成就了Arm一样。

所以，对于企业而言，应该利用好RISC-V开放标准带来的灵活性，去探索基于RISC-V架构如何实现更多的算力形态，从而在市场潜力更大的赛道寻找机会。目前来看，AI智算场景可能是最值得投入的赛道。

为此，奕斯伟董事长王东升在今年7月的“RDI生态·武汉创新论坛·2024”上首次发布了RISC-V数字基础设施RDI(RISC-V Digital Infrastructure)的产业概念，并呼吁产业链上下游共建RDI生态，共同推进RISC-V产业化落地。在他看来，RDI既是RISC-V从隐形走向显性、从嵌入式系统走向更大市场的契机，也是将RISC-V市场蛋糕做大、帮助产业高效发展的关键。

具体而言，RDI以垂直行业有限生态场景为切入点，以满足行业转型升级和自主创新需求为目标，以行业应用解决方案为抓手，积极推动RISC-V产品在各垂直行业场景的体系化、规模化落地，在扩大RISC-V影响力的同时，也为RISC-V公司创造了新的市场机会。同时，通过不同行业场景逐步积累应用生态，最终实现强生态场景的突破，也有利于避免前期一次性投入过多的“先发劣势”困境，从而在保障企业可持续发展的前提下实现RISC-V生态建设的推进。

中国市场热情持续高涨

“中国芯”一直是一个很热的话题，政府、产业、基金和市场都非常有兴趣想去了解RISC-V指令集会给他们的产品和商业模式带来哪些影响。尤其是开放的RISC-V指令集，从诞生之初就具备开放属性，是封闭、独家指令集的最好替代品。

对中国企业来说，使用RISC-V指令集既能和国际接轨，不闭门造车，又没有“Me Too”的限制，所以无论从技术还是商业角度来看，RISC-V在中国是有可能成功的，这对中国相关产业的意义十分巨大。市场数据也证明了这一点——2022年全球采用RISC-V架构的100亿颗处理器中，50%来自中国，标志着中国RISC-V发展已初具规模。

比持续高涨的热情更令人感到欢欣鼓舞的，是中国企业在产业链中扮演的角色。孟建熠博士指出，首先，从RISC-V诞生伊始，中国企业就向其中做了大量的技术贡献，因此中国所扮演的首个角色，是“主要贡献力量”。其次，由于RISC-V开放的特点，RISC-V已经成为中国实现原创算力产品的主要选择之一，从最近涌现出的大量利用RISC-V开发各种算力架构的创新项目来看，中国还扮演了“主要(潜在)市场”的角色。

Bubis的看法，可能代表了国际同行对中国企业的看法与认知。“中国在RISC-V领域的快速发展证明了RISC-V在多种应用中的可信度。”他说，中国在RISC-V领域处于领先地位，受到世界其他国家的密切关注，通过流片量产和终端用户的满意度也证明了RISC-V的成功，表明RISC-V是一种可替代封闭式ISA的重要架构。这种增长带来了更多的机会，使软件和安全生态系统更加成熟，竞争更加激烈，并最终提供更好的产品。

因此，通过其国内IP提供商和生态系统相关企业，中国在推动全球RISC-V产业竞争向前方面发挥了重要作用，同时通过拥有一个已准备好去采用RISC-V产品的巨大市场，在国际上支持该产业的发展。

RISC-V+AI，已成燎原之势

北京大学讲席教授、RISC-V国际基金会人工智能与机器学习专委会主席谢涛在《RISC V+AI算力系统软件栈建设》一书中分析指出，“大模型催生算力需求，异构计算范式与RISC-V技术优势高度契合”，是RISC-V架构在AI领域获得青睐的主要原因之一。从全球发展趋势来看，无论是巨头公司还是初创企业，也都符合这一判断。

例如，谷歌在其人工智能芯片中使用SiFive的X280作为协处理器，并计划在下一代人工智能系统中继续采用SiFive设计；Meta首发的AI MTIA芯片中使用两颗晶心科技(Andes Technology)的AX25V100核心处理器，其RISC-V IP内核已获认可，且第二代MTIA芯片将继续采用并增加核心数量；特斯拉的Project Dojo芯片核心包含一个整数单元，采用了部分RISC-V架构指令。

初创公司方面，Tenstorrent将基于RISC-V架构技术和SF4X工艺开发下一代AI芯片；Untether.Al推出的Boqueria Al速器拥有1458个RISC-V核心，可在由低至高功耗设备间灵活适配；Rivos的AI芯片结合高性能RISC-V CPU和针对LLM及数据分析优化的GPGPU。 

在回应“RISC-V是最适合AI的指令集架构吗？”和“在AI环境中，x86、Arm和RISC-V，哪一款CPU更具优势？”这两个问题时，徐滔都给出了肯定的答案。他分析认为，AI是高速发展的新兴应用领域，其软硬件生态仍然在高速发展之中，RISC-V和x86、Arm在AI生态上处于同一起跑线，但RISC-V是开放的架构，其模块化的架构设计可以比x86和Arm更灵活，创新的节奏会更快，更适应AI发展的需求。

孟建熠博士则强调说，目前，AI场景的核心算力仍然以GPGPU作为主力，架构层面则被单一厂商掌握的封闭GPGPU架构垄断。因此，无论是x86、Arm还是RISC-V架构要实现在AI计算中的突破，都需要基于AI计算的独特需求，对传统通用计算为主的架构进行创新。

在这样的需求下，毫无疑问是开放的RISC-V因其更大的灵活性以及更强的生态属性，相较于x86和Arm架构会更具有优势。

Bubis从软件和生态的角度给出了自己的解读——尽管所有主要的ISA都将在未来的人工智能领域发挥作用，但不同的是，与其他应用相比，人工智能领域里的传统软件要少得多。因此，与其他软件生态系统相比，基于RISC-V去建设人工智能软件生态系统和各种框架要容易得多。

这使得人工智能创新可以在RISC-V上进行，而无需致力于克服传统生态的延续性和兼容性问题带来的挑战。因此，企业可以利用开放标准的优势，而不必担心软件的兼容性问题。

“我们已经看到越来越多的RISC-V IP进入数据中心、边缘、工业物联网和消费设备等细分人工智能领域。按照目前的增长速度，RISC-V与其他ISA并驾齐驱的前景是一片光明。”Bubis说。

总体而言，RISC-V在AI领域的潜力和势头非常清晰，因为它是绿色、开放、充满活力、不断演进变化的，可以更好地适配AI时代软件与算法模型不断优化的需求，作为原生架构支撑不断涌现的新应用和新场景。

当前，RISC-V在AI领域应用的优势主要包括以下四个方面：

• 低功耗：随着生成式人工智能到来，以GPU为代表的AI加速器正在给全球数据中心的能耗和运维带来挑战，这凸显了低功耗架构的重要性。波士顿咨询集团(BCG)数据显示，到2030年，美国数据中心在美国总用电量的占比将达到7.5%，是2022年的三倍，将近美国家庭用电量的三分之一，主要原因是大模型训练和不断增加的人工智能查询。RISC-V指令设计则更加精简，没有向前兼容的历史包袱，同时能够按需裁剪和定制优化，以提升某些特定计算的效率，相比已有架构能进一步降低功耗。
• 灵活性：RISC-V架构从一开始就遵循模块化设计、可灵活扩展定制的思想，可根据用户需要灵活设计，满足云、边、端等不同场景的算力需求，如云端训练推理的大算力需求，及边、端大模型优化部署需求。
• 兼容性：RISC-V允许硬件制造商根据自己的需要定制处理器内核，而只要遵循 RISC-V 规范，就能保证软件之间的兼容性。
• 开放性与演进能力：作为开放架构，RISC-V吸引全球企业、机构和开发者共建生态，可以快速完善软件、硬件、算法和算子等资源库，推进人工智能领域RISC-V生态快速升级迭代。

随着RISC-V+AI技术路径的逐步统一，RISC-V有望形成一个开放、强大的生态系统，成为AI原生架构，为AGI时代技术的发展提供新的源动力。

多架构共存趋势不变

另一方面，也是由于AI发展尚在早期，其应用和基础设施没有到固化的时候，在今后相当长的一段时间内，会是不同的架构、固定电路、各种不同的可编程加速器的组合(Hybrid)，再以不同的PPA、价格和用量来满足不同的应用需求。

也就是说，从CPU到GPU，再到专用加速器，现有的各种人工智能推理硬件可支持多元化的灵活性、性能、效率和适应性组合。没有一种单一的最佳解决方案可以去适用于所有的应用场景，只要人工智能建模和软件栈不断创新，架构组合就有可能一直保持下去。对灵活性的追求大概率不会消失——人工智能和机器学习框架正在持续快速发展，因此需要保留那些能够适应这种发展的架构。

至于“针对具体AI模型的ASIC是否能够取代通用性更强的GPGPU”？孟建熠博士给出的判断是，“目前尚无法断言”，因为ASIC在特定模型上更高的性能与能效以及成本优势有目共睹，但针对单一算法的特定优化也让产品面临着算法迭代可能带来的巨大挑战。

因此，在未来的一段时间内，ASIC与GPGPU更可能是共存的。在某些市场规模足够、算法需求明确的应用场景中，ASIC因其性能、能效和成本优势获得部分市场，但大部分市场仍然属于通用性更强的GPGPU。

他建议在这一趋势中，同样可以关注RISC-V的表现。RISC-V并不是只能做传统的通用计算CPU，其开放特性让基于RISC-V去实现ASIC、GPGPU和DSA等不同的架构都成为可能。同时，依靠RISC-V生态的统一生态优势，不同的架构间也可以更容易地实现异构算力融合和软硬件协同设计等应用落地层面的创新尝试。因此，RISC-V也许能够成为AI推理芯片未来的“最终答案”。

何宁的观点是，“会存在‘多种架构共存’的可能性，如CPU、GPU、DPU和面向特定计算的ASIC单元等”。毕竟，从同构走向异构，再进一步走向异构融合，是计算架构从简单到复杂的必然演进趋势。异构融合计算的目标是充分发挥不同硬件单元的优势，以实现更高的性能、能效以及更多的功能扩展，通常涉及不同类型的处理器和加速器的协同，以满足日益复杂的计算需求。

但是，在各种计算单元的具体实现中，也有可能基于相同的底层基础架构，如CPU、GPU和DPU均采用RISC-V基础指令，但是通过不同的扩展和协处理器组合达成不同的计算目的，如逻辑运算、图形运算和网络处理等。这种统一底座更有利于实现不同计算单元的协同，从而实现资源池化和软件工具等平台的融合。

当然，在这一过程中，不排除一些企业有试图在特定领域架构DSA(Domain-Specific Architecture)带来的“定制化优势”与通用CPU/GPU具备的“广泛适应性”之间寻找平衡点的做法，因此，如何定义“特定领域(Domain)”十分关键。按照徐滔的说法，“如果定义太窄，就会掉入陷阱”。

而要给出一个合适的定义，一方面，企业需要对相关领域有深入的了解，然后再从应用到架构打通整个技术逻辑和商业逻辑；另一方面，所谓的“平衡点”，其实就是在追求最佳功耗、性能和面积与硬件的普遍适应性之间进行权衡。厂商如果对其工作负载的长期稳定性有很好了解，就可以放心地选择更加专用的特定领域架构，而对于那些希望产品生命周期更长、更能适应不断变化的工作负载的厂商来说，可能需要更通用的方法。

同时，鉴于对人工智能和机器学习的巨大投资，几乎没有迹象表明创新会放缓。许多工作负载的发展方向可能仍存在不确定性，因此供应商应该谨慎权衡，决定是否其芯片中只引入DSA，而不是在CPU和GPU以及专用加速器的组合上保留功能强大的计算解决方案。

寻找“定制化优势”与“广泛适用性”的平衡点，有很多尝试方向，包括加强某一个方向直到其优势彻底大到可以取代另一个方向，也包括同时获取两个方向优势的异构算力融合。这些尝试如果在一个开放架构和统一生态下，是可以并行去尝试的，也更容易获得最终的成功，而RISC-V的开放、统一生态让业界进行多个方向的尝试成为可能，目前的确已经有不少企业在这条路上进行尝试。

何宁博士指出，从技术角度来看，DSA特点在于为特定领域提供专用的优化，通过面向专用领域特定需求的定制化计算单元或IP模块的设计，使计算资源与应用需求精准匹配，实现能效的最大化。例如，针对多媒体领域的ISP、PQ专用图像处理单元设计，以及针对智能计算领域的高数据重用率、高计算单元复用率神经网络加速单元等，为这些领域提供了定制化的计算解决方案，显著提升了专用场景下特定任务的性能和能效，推动了新技术在实际应用场景中的深度融入和创新应用。 

“DSA的优势是领域定制。劣势也在于领域定制，容易导致适用范围有限、开发和维护成本高、兼容性差等问题。”他建议称，最终采用DSA还是“广泛适应性”架构，主要取决于场景和需求——当功耗和能效是主要矛盾，且市场需求量足以支撑DSA开发成本时，采用DSA的架构显然更有助于达成目标。反之，则是通用性解决方案更受青睐。

RISC-V的优势是它采用了模块化、可扩展、易定制的设计思想，有效兼顾了通用和专用双方面的需求。通过基本指令集及常用指令扩展，可以满足常规通用计算需求，而通过DSA专用指令扩展，则可以解决领域专用计算对高效性的需求，且指令扩展建立在RISC-V基础框架之上，相对于传统ASIC方式实现的DSA在设计速度和便捷度上均大为提升。因此，RISC-V是解决通用计算和DSA需求平衡的最佳途径。

何时“撼动”CUDA生态？ 

谢涛教授提出了一个形象的比喻，即将RISC-V与AI的融合比作“大房子”与“小房子”的结合，两者紧密相连共同完成复杂的任务。“‘AI+RISC-V’相当于一个CPU加协处理器。‘协处理器’不一定是小房子，也可能是一个大房子，而且可能是有很多个，形成集群的概念。” 

“我们要去推动标准的建立，过去有一些标准是偏学术的，企业没有深度参与。”谢涛说，“RISC-V可以团结起其他企业，共同构建开放开源生态，与现有的CUDA生态形成互补而非对立。”他进一步补充称，推标准不是目的，而是手段，只有看到足够大的红利，大家才会把自己的小私心放一边，才能聚集起更多的企业形成跟随效应。

乌镇智库理事长张晓东说自己观察到一个现象，就是那些“做得好”的标准，往往是先有了明确的需求和产品之后，再在其生态基础上建立标准，往往会更容易成功。反之，如果凭空制造一个标准，然后希望做产品的人来遵守，这个挑战要比在没标准的情况下做产品更大。

开放与灵活性、高度可扩展性、功耗和效率优势以及生态系统和社区支持，是基于RISC-V构建AI算力的主要优势。但与此同时，RISC-V+AI生态面临的机遇与挑战则来自生态碎片化、资源投入严重不足、缺少组织统筹和产学研协同不紧等方面。

以服务器为代表的AI智算场景，是目前RISC-V最主要的应用场景目标之一。在这一场景中，RISC-V产业还没有完全做好准备，最为关键的是：仍然需要一些标杆性的产品，去引领生态的发展。

孟建熠博士指出，在AI智算场景，RISC-V的标杆产品需要具备以下这些特点：

1. 足够的通用计算性能：标杆产品的本身算力性能必须达到x86和Arm架构高端产品的水平(图6)。
2. 针对应用实际需求的AI计算能力：除了通用计算的能力，针对AI计算的特定需求，标杆产品也必须拥有强大的AI算力，并在AI计算场景的关键三大指标(算力、内存和互连)中取得更好的平衡。
3. 更好的软件生态：利用好RISC-V统一软硬件生态的巨大优势，以及在通用计算上建设成熟生态的经验，针对AI计算建设更完善的软件生态(图7)。

图6：RISC-V芯片通用性能水平不断提高。

图7：RISC-V通用计算生态虽已逐步成熟，但仍需持续投入。

应用场景方面，除了持续提升在嵌入式处理器领域的市场占比，RISC-V在AI加速、边缘计算和智能终端等领域的应用也开始崭露头角，并通过矢量、矩阵和其它专用加速指令扩展方式，不断完善对AI计算的支撑，有望成为AI原生架构。

尽管RISC-V有着广阔的前景，但要进军高端应用场景，其软硬件生态还有待进一步完善。例如，硬件上，RISC-V产品的丰富度还不足，且其成熟度和竞争力等表现还有待时间证明；软件上，RISC-V需要在开发工具、操作系统、中间件和应用软件等的兼容适配方面进行持续的完善和优化。此外，由于RISC-V的开放特性，企业在使用和发布RISC-V产品时可能会面临版权保护和商业模式等方面的挑战。

因此，RISC-V要在高端应用场景成为主流架构仍需一定时日打磨和积累，需要产业链上下游企业坚定信心，加强投入，尤其是在软件生态建设上的投入，以推动RISC-V在高端应用场景的早日落地。

汽车，是另一个RISC-V志在必得的行业。汽车产品生命周期越长，再加上其更高等级的安全性和质量要求，将不可避免地促使RISC-V产品被逐步采用。与此相对应的是，汽车行业一直在寻求可降低成本和实现差异化的解决方案。随着新的IP提供商凭借改进的PPA和更具创新性的安全解决方案进入市场，RISC-V可以通过推动更激烈的竞争来实现这一目标。

不过，需要承认的是，目前支撑这些行业应用的软件生态系统、核心应用中IP的PPA和成熟度不可避免地存在不足，有待提高；还需要更多系统厂家的参与和经验的传承，以加速IP的成熟度，提高产品竞争力。

更快更稳的产业化落地

在不同应用领域，RISC-V产业发展和落地的情况不尽相同。在服务器领域，RISC-V IP 平台的建设、性能和鲁棒性的提升，都还有大量的工作要做——例如RISC-V国际协会正在定义的服务器平台(Server Platform), 除了不同类的内核外，还需要有适配的总线和外设器件等，为服务器提供一站式端到端解决方案。

“我们现在正进入这样一个阶段：在编译器、库、调试和分析工具、安全性、内核、发行版和语言运行等方面，生态系统已经非常成熟。最大的挑战是如何让更多的受众群体了解这个日趋成熟的生态系统，从而在更广泛的应用中建立对RISC-V已准备就绪这一事实的信心。”Bubis说。

因此，最关键的任务是通过客户和用户对RISC-V产品的参与，提升对RISC-V当前成熟度的共同认识。同时，迅速采纳对生态系统中存在的任何不足提出的反馈意见，然后通过协调努力加以解决，将有助于生态系统更快地成熟起来，并增加人们对RISC-V现状的信心。这既能加快对RISC-V的采用，又能通过更高质量的反馈，使开发人员能够继续专注于开发生态系统迫切需求的部分。

在这个过程中，何宁博士说奕斯伟有以下三点体会：

• 一是内核定制优化能力要强。原因是从做出内核到产业化落地，如果在同一个公司里，无论是周期还是路径都非常短，内核团队可以马上根据不同需求做出调整，这种适配能给产品带来很强的竞争力，而且能够大大加快产品落地的速度。有竞争力的产品落地反过来又会带动RISC-V的架构落地，提升用户对RISC-V的信心。
• 二是做有影响力的产品。一个行业头部产品的落地和所形成的示范效应，一定强于那些已经杀成红海的产品，所以每一个立项的产品至少应该有潜力能够成为行业头部。
• 三是要实现生态的规模化推广，应用的产品数量一定要多。奕斯伟的原则是：凡是能采用RISC-V架构的都采用，并且保持多颗芯片同时产业化落地的速度。这样，采用RISC-V架构的芯片比例越高，规模化效应就越强，用户对RISC-V的认知度和接受度就越高。

如前文所述，为了快速推动RISC-V产业化落地，奕斯伟还一直在推动RISC-V数字基础设施(RDI)这一产业概念，并强调以垂直行业领域应用为切入点，加速推动RDI产业化落地。

由于垂直领域的软件数量相对可控，生态兼容适配难度相对较小，这就有利于实现RISC-V方案的率先落地，并在此过程中不断积累软件生态，最终渗透和突破更多强生态场景。同时，通过在不同垂直领域整合RDI方案，规模化体系化的展示RISC-V的价值和能力，才有可能将RISC-V从“隐性”变为“显性”的存在，大大提升RDI影响力、增强社会各界对RISC-V的信心度和接受度。

孟建熠博士特别强调了RISC-V产业化落地的关键点——“应用定义产品”。他解释说，在AI场景等新的应用场景中，应用对软硬件产生的需求往往会频繁产生巨大的变化。因此，要想产品能够在这些场景中获得更好的商业化落地，关键就是改变传统“产品驱动应用”的生产关系，而是从下而上变成“应用定义产品”的全新生产关系。

这就要求企业能够利用好开放的RISC-V所带来的灵活性优势，并发挥好RISC-V的生态优势，以软硬件协同开发加全产业链生态共建的模式，贯彻“应用定义产品”，去快速实现、迭代真正满足应用需求的产品，只有这样才能在RISC-V的产业化上实现突破。

本文为《电子工程专辑》2024年10月刊杂志文章，版权所有，禁止转载。免费杂志订阅申请点击这里。