电子产品世界

RISC‑V 的开源特性带来了模块化、免版税指令集架构（ISA），消除了授权费用，可加速开发进程，并支持针对人工智能（AI）、机器学习（ML）、物联网（IoT）与嵌入式系统等多样化应用进行定制化设计。

从零售消费交易、工业 4.0 运营到自动驾驶，众多应用的自动化水平正在不断提升。RISC‑V 实现了供应商独立性，通过架构透明性增强安全性，并支持定制化专用处理器，以适配对功耗敏感的物联网与边缘应用。

它还能支撑用于高级自动化方案的混合边缘 / 云系统架构。混合架构借助云计算实现可扩展性，而边缘计算与嵌入式 AI/ML 则带来低延迟、隐私保护、高能效与离线可用能力（图 1）。

图 1. 面向 AI/ML 的云计算与边缘计算优势对比。（图片来源：CSEM）

借助 RISC‑V，可设计出针对特定 AI/ML 应用优化、同时功耗更低的处理器。开源环境加速了技术创新，推动了边缘 AI 的普及。

统一且精简的指令集有助于在各类 AI 硬件上实现统一软件环境与编程体系，以支撑复杂边缘应用。RISC‑V 凭借开放、模块化、可扩展的架构，支持存内计算（IMC）与近存计算（NMC），帮助开发者突破 AI/ML 应用中 “内存墙” 带来的限制。

RISC‑V 天然支持优化的资源管理，这对电池供电的边缘设备至关重要。其高效的 AI 推理能力，可在资源受限的边缘设备中实现高级图像分类与自然语言处理。

边缘设备常需要安全的实时处理能力，而这正是 RISC‑V 的强项。除感知类任务外，基于 RISC‑V 的边缘方案还能支撑生成式 AI 的实时计算需求，以适应用户习惯、精细调节性能并延长边缘设备续航。

并非只能在边缘计算与云计算之间二选一。RISC‑V 可全面支撑云 — 边缘 — 嵌入式设备三级计算连续体。

连续计算

连续计算是一种架构思路，它打破云计算、边缘计算与嵌入式计算的孤立壁垒，以最大化整体系统性能与可持续性。计算会在最高效、最具价值的位置执行。

它被视为一种协同方案，将边缘与云计算融合为更连贯的系统。在最先进的实现中，计算位置并非固定，而是动态调度：系统会将计算分配到当前延迟、能耗与处理能力组合最优的位置（图 2）。

图 2. 连续计算架构、结构及关键要素关系。（图片来源：ECS SRIA）

RISC‑V 处理器是连续计算的理想选择，覆盖从低功耗边缘设备到多核高性能方案的全场景，包括嵌入式微控制器，以及用于数据中心与 AI/ML 的高性能片上系统（SoC）。

此外，RISC‑V 指令集凭借开放、模块化、可扩展的架构支撑连续计算。统一的基础指令集实现了跨硬件的软件兼容，而各类扩展则能在统一平台上提供定制化、高能效、面向特定应用的高性能计算能力。

外设与指令集扩展

面向 RISC‑V 处理器的神经网络处理单元（NPU）与各类 AI/ML 加速外设日益丰富，进一步提升了其在连续计算场景中的适用性。RISC‑V 生态包含专用 AI IP 核、向量扩展与专用矩阵引擎，可集成到片上系统（SoC）中。

RISC‑V 指令集对 AI/ML 的具体支持包括：

• 面向并行数据处理的标准向量扩展（RVV）

• 自定义指令能力

• 面向矩阵乘法的专用矩阵扩展（RVM），对加速神经网络层至关重要

此外，RISC‑V 的 打包单指令多数据（SIMD） 即 P 扩展，支持在标准 32/64 位通用整数寄存器（GPR）中实现 8/16/32 位子字并行。打包 SIMD 允许单条 CPU 指令同时操作多个数据元素，非常适合低功耗 DSP 与 AI 任务。

RISC‑V 指令集中的 位操作扩展（B） 新增指令以加速位运算、循环移位与字段提取，减小代码体积并提升 AI 算法效率，尤其适用于量化神经网络（QNN）与二值神经网络（BNN）。

总结

RISC‑V 提供丰富的硬件选择与软件能力，非常适合嵌入式、边缘与云端的 AI/ML 应用。其生态包含大量针对 AI/ML 需求优化的硬件外设与指令集扩展。RISC‑V 同时支持混合云 / 边缘架构与最新的连续计算架构。

关键词： RISC‑V 人工智能 机器学习 嵌入式系统