今朝相对做得好一些的，反而是一些软件相对简单的嵌入式场景，比如做存储的企业，把 RISC-V 用来做存储控制器。这类场景软件异常简单，确切能用，也用得不错。但一旦进入计算范畴RISC-V面对的问题就多了很多。
作者｜包永刚
编辑｜林觉平易近
但异构计算带来了编程、软件兼容性两大年夜难题：
2025年12月12-13日，第八届GAIR全球人工智能与机械人大年夜会在深圳·博林天瑞喜来登酒店正式启幕。
作为AI 产学研投界的标杆嘉会，GAIR自2016年创办以来，始终逝世守“传承+立异”内核，始终致力于连接技巧前沿与家当实践。
在人工智能慢慢成为国度竞争核心变量的当下，算力正以前所未有的速度重塑技巧路径与家当构造。13日举办的「AI 算力新十年」专场聚焦智能体系的底层核心——算力，从架构演进、生态构建到家当化落地展开体系评论辩论，试图为将来十年的中国AI家当，厘清关键变量与成长偏向。
他强调，跟着生成式 AI 对算力需求的快速增长，单靠 CPU 已无法知足实际需求，异构计算（CPU+XPU）成为必定选择。但硬件本身并非决定身分，真正影响算力释放的，是软件与应用生态。他经由过程对x86、Arm和RISC-V的分析，指出身态惯性和软件兼容性在贸易化和技巧落地中起到决定性感化，生态成熟度往往比硬件机能更能决定芯片成败。
唐志敏也强调，软件定义一切，这不仅意味着应用开辟与机能优化，更决定了算力芯片的经久竞争力和家当格局。
在算力体系演进中，硬件是基本，但软件和生态才是真正的“决定身分”。无论是 CPU、GPU 照样将来的 XPU，控制和构建完全的软件生态，才能在高速增长的算力需求与复杂的技巧挑衅中立于不败之地。
以下为唐志敏师长教师的出色演讲内容，雷峰网("大众,"号：雷峰网)作了不改变原意的整顿与编辑：
从“算力”到 Computility：算力正在被从新定义
“算力”其实是中国人本身创造出来的一个词。以前在计算机范畴，更多讲的是performance（机能），而不是算力。中国人什么工作都爱好讲“力”，比如体力、臂力、脑力，如今又有了算力。
既然是我们本身创造的词，那怎么翻译成英文？有人翻成Computing Power，但这个词我认为不太好，听起来就很费电，如今的算力确切费电，但我们并不欲望算力特别“更费电”。
所以有计算所的师长教师创造了一个新词，叫 Computility，把Compute（计算）和Utility（设置）合在一路，我小我是比较认同这个说法的。我们欲望算力像水、电一样，成为一种基本举措措施。
实际上算力就是：在可接收的资本、可接收的时光内，完成某种计算义务的才能。
各类各样的计算芯片，是算力的基本。我本来是做高机能计算机体系构造，后来进入半导体行业，会发明处理器和其它很多芯片并不一样。处理器不是一个纯真的硬件，它最复杂的处地点于，要支撑运行异常复杂、范围巨大年夜的软件体系，所以出现了“软件定义一切”的概念，比如软件定义存储，软件定义收集，软件定义无线电。
所谓生态，就是能在处理器上运行的所有软件的总和，包含应用软件、操作体系、编译器、中心件、函数库和开辟对象。最终真正产生临盆力的，是应用软件，而不是芯片本身。
在算力这个概念之上，比来几年又出现了很多新的“力”。比如如今大年夜家讲得比较多的：
训力，就是快速练习出大年夜模型的才能；
推力，就是基于大年夜模型快速推理、生成成果的才能。
将来还可能会有什么力？我本身也做过一些畅想。如今的大年夜模型已经可以懂得说话，也可以生成视频，GPU 可以衬着高度逼真的图形。假如把这些才能结合起来，也许有一天，我们可以把小说直接“演”成电视剧。这种才能，本质上照样算力体系赓续演进的成果。
CPU 不克不及知足需求，异构计算成为必定选择
固然摩尔定律逐渐放缓，但算力需求，尤其是生成式人工智能对算力的需求，却在持续快速增长，并且增长速度远远跨越了制程和工艺所能带来的机能晋升。
在这种情况下，只靠CPU肯定不克不及知足对算力的需求。CPU的主频和整体架构，二十多年里并没有产生本质变更，所以我们只能经由过程CPU + XPU的方法，比如CPU+GPGPU，或者其他的PU，总称为XPU，和CPU形成异构计算架构，在通用性、机能、能耗和成本之间寻找均衡。
XPU 的本质：硬件只是资本，机能取决于软件
编程变得加倍艰苦；
深圳理工大年夜学算力微电子学院院长、龙芯 CPU 与海光 CPU 开创人唐志敏揭橥了题为《XPU的将来——软件决定成败》的主题演讲。
本来只在CPU上运行的法度榜样，如今要分为两部分，一部分仍在CPU上，另一部分放到XPU上运行。
从计算机体系构造的角度看，我习惯把架构分成三类。
第一类是比较激进的构造，重要靠硬件做动态优化。为了运行复杂应用，硬件要分析指令之间的并行性，典范代表就是传统 CPU。
第二类是比较保守的构造，硬件并不去做复杂分析，而是供给大年夜量运算部件和存储资本，至于这些资本怎么用，重要依附软件，比如GPU和各类XPU。
第三类是动静态优化相结合的构造。
XPU本质上属于保守型构造。硬件只负责把计算资本供给出来，并不包管机能必定能发挥出来。机能能不克不及出来，更多取决于软件、编译器和法度榜样员。
唐师长教师指出，算力不仅是硬件机能的表现，更是一种在资本与时光束缚下完成义务的才能体系。在这一背景下，训力、推力等新型算力才能正在慢慢形成，推动人工智能从说话懂得向多模态生成成长。
主动并行化这个偏向，学术界和工业界研究了几十年，后果始终有限。实际中，真正能把机能跑出来的，照样依附经验丰富的法度榜样员和成熟的软件体系。
也正因为如许，我一向强调，算力芯片真正面对的核心问题，不是硬件架构，而是应用生态。
生态惯性：x86、Arm与RISC-V的实际界线
在CPU范畴，x86生态经由四五十年的成长，已经有异常高的市场占领率和生态惯性。哪怕是英特尔本身，也很难去推动一个不兼容x86的体系。
根据Gartner给出的全球企业软件的情况，经由多年成长，x86软件市场越来越大年夜，基于x86软件的发卖收入是3000多亿美元。为x86开辟软件的费用，每年大年夜概是600亿美元。而全球办事器市场总的收入，大年夜概是800亿美元。也就是说，一年卖出800亿美元的办事器，为了开辟x86软件，每年要新增600亿美元。可见软件开辟须要消费大年夜量精力。
在手机范畴很成功的Arm也想要进入办事器范畴，可以看到一个又一个Arm架构办事器公司屡战屡败。他们的掉败有各类各样的原因，我认为Arm架构在办事器范畴要成功须要有两个原因：一个原因是控制全栈技巧的大年夜公司不再应用x86，这是Arm的机会，典范的比如苹果不消x86，本身控制软件栈可以切换。另一个原因是端云融合，手机上和云端都用Arm架构，如许手机上的应用比较轻易迁徙到云端，包含云游戏等，如许Arm在办事器市场才更轻易成功。
除了Arm，RISC-V也是一个大年夜家都在存眷的偏向，但RISC-V到底灵不灵？它的开放性确切带来了新的可能性，但开放和开源本身，并不主动等于成功，开放的CPU有很多，比如OpenRISC、OpenSPARC、OpenPower如今也开放了。
也有人说Arm太贵，用RISC-V可以省钱。但我之前做芯片公司的时刻，一向买Arm的IP授权，也没认为有多贵。若干年前，Arm一年的收入十几亿美元，如今Arm每年收入三四十亿美元，Arm收入的增长是在很多公司应用RISC-V的背景下，这从某个角度说清楚明了做RISC-V的公司须要反思。
还有人说RISC-V更合适做研究，因为可以随便修改。但我认为做研究用什么架构都可以，不必定要用RISC-V，用x86、Arm照样可以做研究，这不是来由。
RISC-V开放，很多人欲望用开源硬件去走一条类似开源软件的成长路径，但我一向认为，这条路并没有那么轻易。和开源软件比拟，开源硬件的难度要大年夜得多。
从实际情况看，如今全球的 RISC-V 都面对着贸易化的艰苦。我看到一条消息，Jim Keller——这个行业里做CPU架构的顶级人物——创办了一家做RISC-V的公司Tenstorrent，比来开端裁人了。包含Tenstorrent在内美国好几家公司做出了RISC-V芯片，但问题是不知道卖给谁。
这背后反应的，不只是软件生态的问题，硬件生态本身也还不成熟。只如果 CPU，就必定会走向多核，多核就涉及片上互联收集，Arm在片上互联这件事上，已经有比较成熟的解决筹划，但RISC-V还没有。
于是就出现一种很实际的困境：想做RISC-V CPU，但片上互联又要去找Arm买。Arm愿意把互联收集卖给你，也想趁便把CPU核一路卖给你。这就是RISC-V今朝在工程层面面对的实际艰苦，也解释还有很长的路要走。
为什么兼容 CUDA 轻易，复制 CUDA 生态极难？
也有人认为，将来指令体系可能没那么重要，因为如今是“软件定义一切”，上层可以用 Python、Java 这些平台无关的高等说话。但从实际成长来看，情况并不是如许。以Intel为例，无论是以前的AVX-512、SGX，照样如今环绕人工智能赓续参加的新指令，都解释：硬件指令的直接支撑，对机能和能效始终是有价值的。
在XPU范畴也是类似的情况。如今大年夜家都在讲兼容 CUDA，因为 CUDA 的生态确切做得好。很多做其他XPU、AI加快器的厂商，第一件事就是要兼容CUDA。
但 CUDA本质上是什么？它其实就是一个高等说话接口，是英伟达的一套API。从技巧角度看，兼容一个API并不难，有一个编译器，就可以兼容CUDA的接口。但真正难的，是兼容 CUDA 背后的软件生态。
生态从来不只是一个 API，它包含了大年夜量算力库、函数库、开辟对象和工程实践，这是一套异常复杂、经久演进的体系，工作量极其宏大年夜。
也正因为如斯，如今国度层面也意识到这个问题的重要性，正在推动大年夜家一路做生态扶植。从这个角度看，打造我们本身的算力生态是异常有须要的。除了CUDA，英特尔、AMD 也都在做各自的生态，我们假如不做，就永远受制于人。
谁能把芯片做成？软件生态决定成败
从整体来看，我们如今的算力体系仍然存在不小的缺口和瓶颈。中国甚至全球范围内，半导体的成长速度都在放慢，但算力需求却在持续增长。中国还面对制程方面的限制，这就决定了我们必须经由过程跨学科交叉，在体系、软件和算法层面，去寻找实际机能的冲破。
算力的发挥，靠的不只是硬件。硬件当然是基本，但硬件的峰值机能，本质上只是一个指标。真正的机能晋升，很大年夜一部分来自软件优化。
做高机能计算的人都知道，LINPACK可以把整机效力跑到60%～70%，但LINPACK只是测试法度榜样，不是真实应用。真正的应用软件，能跑到整机20%～30%的效力已经异常不轻易。这里面还有很大年夜的优化空间。
我们的芯片峰值机能可能很难做到最高，但假如能打破硬件和软件之间的隔阂，在软件、编译、体系层面多做一些优化，即便在峰值机能相对低一些的芯片上，也完全有可能获得不错的应用后果。这是将来异常重要的一项工作。
别的，如今大年夜家都在做 GPGPU，但GPU最根本的才能同样重要，比如纹理生成、图案着色、光照和暗影处理等。如今有些GPGPU已经产生了“异化”，只能计算，不克不及衬着。但假如我们真的要实现从小说生成电视剧，不仅须要 GPGPU 的计算才能，也同样须要GPU的图形衬着才能。AIGC不只是生成文章，还应当能生成影视内容。
计算芯片家当的成长，本身是一个螺旋式上升的过程。早期体系厂商都邑本身做CPU，因为 CPU是计算机体系的核心；后情因为量产和成本压力，x86快速成长，体系厂商慢慢退出；而如今，体系厂商和平台厂商又从新开端自研芯片。
美国的互联网巨擘如斯，中国的互联网厂商、体系厂商也都在自研CPU。自研自用这条路能不克不及走通，关键并不在于“能不克不及做芯片”，而在于：可否为产品和办事供给足够大年夜的增值，可否掌控全栈软件体系。
苹果是一个异常典范的成功案例。从跟摩托罗拉和IBM结合开辟PowerPC CPU，到转向采取Intel CPU，再到基于Arm架构自研CPU，它之所以能成功，原因其实异常简单：经由过程自研高机能芯片，合营自有的软件体系，形成异常领先的用户体验，在此基本上把产品卖得很贵。手机卖得贵，笔记本也卖得贵。其它厂商假如做不到这一点，仅仅自研芯片，最终大年夜概率都邑掉败。只有软硬件通吃，才能真正卖得贵。
我们要不要再搞新的指令体系？我小我的看法是：架构立异不须要依附新的指令体系。指令体系只是硬件和软件之间交换的说话，我们没须要赓续增长新的说话。假如要做立异，在现有指令体系下完全可以做，RISC-V 已经足够了。
归根结底，谁能把芯片做成功？不管是CPU照样GPU，只有真正看重软件和应用生态，才有成功的可能。“软件定义一切”，这个“一切”，同样包含成功和掉败。
对于平台厂商和体系厂商来说，假如要自研芯片，必定要有清楚的差别化，并且这个差别化必须能为体系或办事带来明显增值，不然应用成熟的商用芯片，反而是更理性的选择。
最后我照样欲望，大年夜家能把RISC-V作为一个同一的指令体系偏向。无论是CPU、GPU照样其他处理器，都尽量同一到同一架构平台上，削减反复投入。
我们常说“三国定律”，合久必分，分久必合。以前是CPU为中间，如今是CPU + XPU的异构体系，将来也许会回到以CPU为中间的新一体化架构。RISC-V具备必定的包涵性，有机会融合 CPU、GPU 和 AI 处理器的特点，接收开源体系的力量，慢慢冲破 CUDA 的生态壁垒。
以上就是我全部的分享，感谢大年夜家。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
发表评论 取消回复