<mark id="oztn4"></mark>
0
曾軼辦公室里的那壺茶續了一遍又一遍，談話就是這么松松散散地展開的——很典型的廣東式會客，不必正襟危坐，事情卻也談得不含糊。
他講話帶著潮汕口音的余韻，語速不快，總是笑著把一句話說完。笑的時候眼睛瞇起來，人也跟著往前傾一點，很容易讓人放松下來。
聊AI、聊RISC-V，話題落到行業里，他有一種克制不住的興奮。
過去兩三年，RISC-V在國內的勢頭比他預想的還要快，端側和IoT已經全面鋪開，尤其在深圳和大灣區，大量公司正在從ARM往RISC-V切。更讓他興奮的是AI帶來的變量——各家科技巨頭都在用RISC-V做定制化AI處理器，高通、谷歌、Meta，沒有例外。
他覺得，這是RISC-V第一次摸到了一個真正的大機會。
隼瞻就踩在這條線上。22年起家，二十來個人，押注領域專用架構（DSA），為客戶提供客制化的CPU、DSP、NPU等處理器內核，曾軼曾在行業里摸爬了二十年，太清楚通用處理器在后摩爾時代的半導體行業已經難以滿足芯片和算法的需求。
三年過去，生意已經實實在在地跑起來了。
生意做起來之后，客戶和隼瞻的關系也逐漸變得緊密——緊密到我問他，客戶會不會擔心被綁定在隼瞻的平臺上，這本該是個不太好接的問題。
曾軼沒回避，笑著說：“就是要讓客戶上我們的‘賊船’。”
隨后他補了一句，真正讓客戶留下來的，并不是“綁定”，而是定制帶來的價值。
這大概是曾軼身上最鮮明的東西：不太回避生意的本質，也不太掩飾自己想要什么。他不太相信憑空造出來的風口，更相信被需求一步步逼出來的路徑——就像他后來反復講到的，ARM是被手機的低功耗需求逼出來的，這一次，他賭的是AI會把RISC-V逼到臺前。
以下是雷峰網與曾軼的對話，經整理發布。
雷峰網：過去多年，處理器架構的競爭格局相對穩定，但近兩年RISC-V迅速進入產業視野。在您看來，AI究竟改變了哪些底層邏輯？
曾軼：AI極大地改變了，甚至可以說完全打破了整個處理器架構的格局。整個芯片行業的設計范式，或者說芯片架構的決定權正在轉移：以前是芯片公司決定芯片的架構，其他人跟著芯片公司來寫程序；現在芯片架構的決定權跑到了AI公司那里，是AI的模型決定了芯片的架構，這是大格局上的變化。
過去，客戶基于英特爾這類通用CPU就能運行各種算法和應用，CPU的地位因此非常穩固，但現在，不同的AI模型對算力需求截然不同，單一的通用CPU已無法高效支撐。雖然早期可以通過NVIDIA的GPU來應對，但隨著AI向端側部署、落地為各種智能硬件，設備內部往往需要一顆專用芯片來運行特定模型。
在處理器微觀層面，CPU的角色正在弱化。面對AI模型，負責矢量處理的VPU和負責張量計算的TPU/NPU反而變得更為關鍵。它們之間的協同，以及針對特定模型和算法進行的架構與指令集優化，成為AI時代對處理器的核心需求。正因如此，英特爾受到顯著沖擊，ARM的重要性也相對下降。
而RISC-V之所以能在此刻脫穎而出，正是因為上述幾種處理單元都需要高度面向模型進行定制。不同模型需要不同的定制指令，這些指令在ARM和英特爾等封閉架構上要么不存在，要么效率極低。于是，各家公司開始在RISC-V架構上自行開發。
這一趨勢已在產業界形成共識。高通、特斯拉相繼收購RISC-V公司，Google、Meta乃至英特爾自身，都與RISC-V公司建立了深度合作。這些合作無一例外，都是將開放、靈活、可任意修改的RISC-V架構，作為其下一代AI處理器的基座。
雷峰網：在這場競爭中，RISC-V相較于X86與ARM，最關鍵的優勢是否在于其可定制性？
曾軼：是的，其核心優勢在于可定制與開源。正是這種開放特性，使得各家公司能夠根據自身需求對架構進行深度修改與優化，而這種“魔改”的自由度，恰恰體現了RISC-V的優越性。
雷峰網：這是否意味著，x86和ARM這類由原廠掌控擴展權的封閉架構，在AI時代已難以滿足需求？
曾軼：明顯不夠用了，行業已形成共識，僅靠購買一顆ARM CPU來運行AI模型的做法已成過去，取而代之的是一種整合多種處理單元的專用設計思路。
雷峰網：您此前判斷AI與RISC-V的融合已至臨界點。在您看來，AI技術對RISC-V最大的催化作用體現在哪里？
曾軼：最大的催化作用，在于AI讓芯片設計技術走向平臺化了。
五到十年前，一家小型公司涉足CPU設計幾乎是不可想象的，而如今，CPU設計已隨處可見。我們與合作伙伴在兩個月內便推出了一款新CPU，正是得益于這一轉變。
在我們的開發流程中，引擎本身已大量運用AI技術，能夠快速生成設計方案。近期，我們還將AI進一步導入代碼生成引擎，我在內部和同事說，我們要做處理器行業的“Claude Code”——用AI的方式，輔助用戶自動生成DSA處理器。
可以說，AI推倒了芯片設計行業原本高不可攀的技術壁壘，同時也催生了大量的市場機會。
雷峰網：從產業落地的角度看，決定一個架構能否真正成熟并被大規模采用的根本因素是什么？
曾軼：這個問題很大，但我覺得最核心的因素是市場需求。
我們把馮·諾依曼架構奉為圭臬，但從學術角度看，它并非效率最優的方案，其最終勝出，很大程度上得益于二戰后的軍事需求與美國的廣泛采用，而非單純的技術先進性。同樣，ARM也并非天生就是手機的最佳選擇，它本質上也是一種RISC架構，關鍵在于，手機對功耗極度敏感，市場急需一款與英特爾路線不同、能以極低功耗運行的處理器架構，正是這種對低功耗的強烈需求，讓ARM脫穎而出。
RISC-V的興起遵循相同的規律，它是被AI浪潮、定制化需求和處理器專用化的趨勢共同推向前臺的，脫離市場來談論架構，意義不大。學術界積累了大量處理器架構，但只有當市場出現明確而強烈的需求時，這些架構才會被重新激活并迭代完善。
從國內現狀來看，RISC-V的發展呈現出兩條路徑：一條主攻服務器，聲勢浩大但商業化進程緩慢；另一條主攻領域專用架構，商業化落地更快。越來越多的公司正涌入DSA方向，說明市場正在做出選擇。
歸根結底，架構的成敗取決于它能否切中市場的真實方向，市場反過來也會反哺技術的演進。與此同時，生態建設同樣不可或缺，國內在這方面正在逐步推進，雖然需要時間，但方向是確定的。
雷峰網：借鑒ARM進入服務器市場約耗時十年的經驗，您認為RISC-V與ARM、x86形成穩定的三分格局，大概還需要多長時間？
曾軼：當前的市場格局是：英特爾主導服務器與PC，ARM主導手機。ARM多年來一直試圖向上切入PC和服務器市場，過程很不容易。相比之下，RISC-V的發展速度已經相當快了，它在疫情之后，即2021至2022年才真正全面鋪開，如今在端側和IoT領域已成星火燎原之勢，尤其在深圳及大灣區，大量公司已經或正在考慮采用，其開放授權和可定制的特性優勢明顯。
但要真正形成三分天下的格局，RISC-V需要一個爆點，我認為這個爆點不太可能來自對傳統市場的正面強攻。正如ARM當年的崛起并非吞并Intel的地盤，而是抓住了手機這一全新機遇，RISC-V的機會同樣在于抓住AI這波浪潮。
RISC-V未來的路徑很可能是：各家公司用它打造形態各異的AI處理器，進而以AI應用反向滲透傳統的服務器、PC和手機市場。
雷峰網：長遠來看，RISC-V在服務器市場會走出一條什么樣的路？會成為主要的架構嗎？
曾軼：我沒有足夠的信息來判斷這件事，很多人問過我這個問題，我覺得這背后有一個潛臺詞——大家認定這是一個好市場，所以關心什么時候能超越Intel。
但我的疑問恰恰在于：RISC-V這個市場，真的有那么好嗎？
隼瞻成立初期，我們確實考慮過進入多核與服務器CPU市場，也做了相應的技術儲備，但去年以來，DPU的出現讓我意識到這個市場正在發生變化，它有可能會變成一個沒那么有吸引力的市場。相比之下，將資源投向NPU的回報似乎要高得多——NPU是典型的DSA，其核心邏輯是以犧牲通用性為代價，換取特定任務上的極致效率，因此在相同功耗和面積下，NPU的推理吞吐遠高于通用RISC-V CPU。
也許在未來，CPU真的沒那么重要了，計算設備也可能不再依賴Windows或安卓這樣的傳統操作系統。所以，真正值得我們思考的是：AI時代到來時，處理器應該做什么事情？
雷峰網：隨著Token經濟時代的來臨，CPU重新獲得市場關注，業內出現了未來CPU、GPU、NPU配比可能趨向1:1:1的觀點。
曾軼：確實存在這種觀點，我并非認為CPU會失去生存空間。我的立場是，不去固化地瞄準某一塊CPU市場，而是回到市場本身的需求。
市場真正需要的，是AI整體解決方案，在這個方案中，我們的判斷很明確：它本質上是CPU、VPU與NPU的組合。我們布局了這幾種處理單元的產品，并提供定制方案，它們之間的配比也會根據實際場景靈活調整。
因此，我們正在做兩件事：一是構建足夠豐富的貨架式產品矩陣；二是將這些產品整合，設計出最貼合客戶模型和垂直領域的處理器解決方案，這個方案通常包含若干CPU和VPU，以及數量更多的NPU。在這個體系里，CPU對我們依然至關重要。
雷峰網：若RISC-V要成為主流的第三代架構，高性能通用計算是無法回避的領域。它目前在這一方向上的成熟度如何？
曾軼：大有希望，但需要分層來看。
從架構與標準層面看，RISC-V已具備進入高性能計算的技術基礎。無論是x86、ARM還是RISC-V，經過充分演進都能做出最高標準的處理器內核與架構；從技術實現層面看，尤其在自主可控的政策驅動下，中科院計算所、阿里等機構持續投入，香山、昆明湖等系列項目推進，技術上的可實現性已經具備，差距在逐步減小。
然而，商用層面的挑戰則比較復雜，困難不僅在于技術本身，更在于生態與市場的接受度。服務器領域積累了龐大的軟件生態，性能達標只是第一步，若軟件配套和用戶體驗跟不上，市場就很難真正接納，這構成了極高的準入門檻。
從這個角度看，服務器大芯片的攻堅，或許更適合由大型國資企業來承擔。華為已經在這條路上走得不錯，中興通訊同樣具備條件，當這類企業持續投入，市場長期關注的問題自然會找到答案。
雷峰網：您預計RISC-V還需要多長時間，才能在高性能通用計算領域真正立足？
曾軼：我覺得五年內出現像樣的技術方案是大概率事件，但技術方案能否真正商用落地，可以參考另一個參照物——ARM在服務器市場的表現。時至今日，ARM在服務器領域的市場占比仍然不高，而其他創業公司要發展到飛騰或華為鯤鵬的狀態極為困難。ARM經歷過的每一步，RISC-V一步都繞不開，所以何時能在服務器市場真正站穩，現在很難給出明確的時間表。
雷峰網：ARM服務器市場占比偏低，核心原因在于性能層面的不足，還是更多受制于客戶接受度、準入門檻與生態適配等非技術因素？
曾軼：我覺得與生態有很強的關聯。生態適配的不足，最終也會直接體現在性能體驗上，標稱性能或許很高，但實際跑應用時頻繁掉幀、發揮失常，這本質上就是適配問題。
雷峰網：隼瞻的產品線覆蓋從低功耗到高性能的全系列，您認為哪一類市場有望率先成熟？
曾軼：首先，IoT市場已經成熟；而當前成長性最強的領域，毫無疑問是AI，RISC-V在AI領域的迭代速度極快，形態上也將高度多元化，未來兩三年內，國內外會出現大量基于RISC-V且設計各異的AI處理器。
另一個值得期待的市場是工控DSP。從新能源逆變器、步進電機，到飛控、低空經濟，再到具身機器人，技術脈絡具有很強的延續性，該市場長期被TI高度壟斷，TI的生態本質上是封閉的，是一套包含大量定制指令的大型DSA。國內企業若想與其競爭，沿用ARM架構無法對抗TI，必須走DSA定制設計路線。目前，這一領域的多家公司已與我們合作進行定制開發。隨著靈巧手、具身機器人、無人機等方向快速發展，RISC-V在工控DSP領域的滲透率將顯著提升。
此外，通信領域同樣是可期待的增長點。
雷峰網：結合您的產業實踐，您如何評估RISC-V碎片化帶來的風險及其對行業發展的實質影響？
曾軼：我覺得大家有時候會望文生義，“碎片化”一詞常被誤解為負面，但它本質上是一個中性詞，與行業發展需求緊密相連。
比如，ARM架構不碎片化，帶來的結果是同質化。過去，大量芯片設計公司每年發布的芯片，架構和規格高度相似，因為它們購買的是ARM預先定義好的同一套公版方案——不僅包含CPU內核，連總線、外設都完整打包。廠商花高價獲得授權，本質上是在為ARM打工，自身利潤空間有限。
而碎片化恰恰提供了差異化競爭的可能，我們的客戶在采用基于RISC-V的定制處理器后，獲得了與競爭對手完全不同的指令集和架構，性能顯著提升，并隨即申請了專利，這正是碎片化帶來的正面價值。
所以首先我想澄清一個觀點：碎片化不是壞事。
但碎片化也伴隨風險。RISC-V的高度靈活性使得定制指令成為可能，而定制指令本身技術門檻極高，如果開發者自行編寫RTL并添加指令，但配套編譯器質量不佳，產品推向市場后就難以獲得認可，不同廠商的方案之間也會產生兼容性問題。這就需要有統一的檢測標準和實現規范，而工委會正在推進的測試平臺，正是為了對碎片化進行適度收斂。
此外，碎片化之所以很不規范，是因為很多工程師都是自己手搓的。我們隼瞻的做法是用更高層次的工具平臺來替代這種模式，客戶只需定義頂層架構，底層的編譯器、代碼、驗證平臺均由工具自動生成。這相當于在保留碎片化差異化優勢的同時，在相當程度上消解了它帶來的風險。
雷峰網：那您認為當前RISC-V生態建設中最關鍵的卡點在哪里？
曾軼：實踐。
RISC-V的基礎架構本身很簡潔，但當各行業真正用起來時，需要完成大量的適配與配套工作。最簡單的例子是基礎軟件庫：ARM有豐富的現成庫可以直接調用，而RISC-V在這方面仍顯不足。雖然我們近幾年做了大量補充，但缺口依然明顯，也因此期望政府在推動生態建設方面能加大力度。
雷峰網：但從更宏觀的行業視角來看，RISC-V在中長期缺乏一個能有效統籌各方資源的協調機制，可能導致企業各自為戰、重復造輪子。在您看來，產業協作真正的突破口最有可能在哪個方向率先打通？
曾軼：ARM實際上也面臨類似的協調問題，只是表現方式不同。RISC-V作為開源平臺，百花齊放的同時，自然會引發“何時統一協調”的追問。比如中國RISC-V發展迅速，我們時常感到國際基金會的配套節奏跟不上，甚至產生自立門戶的念頭。而ARM之所以顯得沒有這個問題，是因為它擁有獨家裁決權，可以一錘定音，對外呈現高度統一。
正因如此，我非常推崇RISC-V工委會在國內所發揮的作用。RISC-V天然具備開放競爭的特性，很難由某一家商業機構來主導標準制定，我們在推動DSA時也不敢以牽頭者自居，因為一旦商業公司出面，友商便可能退避。任何一家商業機構都不太適合充當這個協調角色。
某種程度上，這恰恰是我們社會主義國家可以發揮優勢的地方。像工信部、中標協這類機構，本身就是天然的生態組織者。換個角度看，所謂“生態建設”，落到操作層面就是制定一系列行業標準，讓各方有章可循，各行各業都面臨類似的問題，需要圍繞中立組織來推進。
我們公司現在的做法，便是在各種場合積極推動工委會，以其為方向指引來開展各項工作。目前國內已有多家公司圍繞在工委會周圍共同推進，并非我們一家在努力。
雷峰網：你們目前進展到什么階段了？
曾軼：進展較快。我們近期在上海浦東成立了DSA領域計算實驗室，與浦東軟件園共建，由RISC-V工委會指導。
之所以命名為DSA領域計算實驗室，而非隼瞻科技實驗室，是因為這是一個開放式實驗室。DSA本身就是一個領域專用的概念，它的研究方向天然就很分散——不像服務器領域那樣目標集中，而是覆蓋大量細分方向。成立這個實驗室的目的，就是為企業、研究機構、高校甚至極客組織提供一個可共同參與的平臺。
實驗室從一開始就在RISC-V工委會的指導下運行，上個月成立時由工委會領導主持。有了這個實體平臺，我們便可對RISC-V DSA領域的標準性工作進行前期儲備。
雷峰網：在追求差異化的同時，如何兼顧客戶方案的可遷移性？
曾軼：關于可遷移性，要看它是否真的是客戶的需求。比如今年我們與某個客戶合作開發處理器時，對方在簽約時額外付費，明確要求不對其他客戶介紹此項技術——他們要的不是可遷移性，而是完全的獨立性和差異化。這正是我們在行業中的定位：幫助不同客戶建立各自的技術護城河，同時借助自動化與AI化手段讓這個過程變得簡潔高效。
相較可遷移性，您真正關心的或許是可實現性——即客戶能否快速將想法變為現實。原本可能需要組建大型團隊、投入數年時間，如今雙方各出兩名工程師，兩到三個月即可完成包含驗證和平臺適配在內的全套交付。我們要做的，就是大幅拉低處理器定制的門檻，將定制化的理念和能力普惠到整個行業，而客戶最終拿到的產品，依然各自保持差異化。
雷峰網：客戶是否會產生被綁定在隼瞻平臺上的顧慮？
曾軼：從實際反饋看，客戶普遍認可這種深度合作關系。我們的目標本就是與客戶實現深度綁定，而客戶也同樣樂在其中。
以一家頭部芯片客戶為例，他們早期便與我們進行了架構層面的綁定，客戶粘性很高。一旦進入這套定制體系，客戶往往會形成依賴，因為他們能真實感受到定制帶來的差異化優勢。這就像購買衣服，習慣了購買標準化成衣后，一旦體驗過依據個人身材與風格快速定制并交付的模式，就很難再回到從前的消費習慣?？蛻裘磕瓿掷m向我們下單，這種綁定對雙方而言是雙贏的。
雷峰網：RISC-V芯片對EDA工具提出了哪些特殊要求？
曾軼：有很多特殊要求，EDA工具覆蓋設計、驗證、系統集成到物理分析的全流程，而CPU架構設計本身難度極高。以往ARM或英特爾的CPU內核，都是由少數團隊在封閉環境下完成，如今要將其變為可被廣泛定制的普適性產品，復雜度大幅提升，對工具的支撐能力也提出了更高標準。
最典型的挑戰在驗證環節。RISC-V CPU的驗證遠比傳統電路復雜，其靈活可定制的特性會產生大量隨機功能路徑，難以在傳統流程中實現全面覆蓋，這與架構碎片化帶來的多樣性直接相關。
針對這一問題，行業內有不同應對路徑。我們的做法是，在為客戶生成DSA處理器的同時，配套交付一套專屬的測試環境和測試代碼?？蛻粼趥鹘yEDA驗證工具上運行這套代碼，基本可實現98%至100%的覆蓋率，這是我們為行業解決實際問題所做的貢獻。
雷峰網：Synopsys和Cadence都是EDA和IP雙輪驅動，隼瞻目前是國內唯一一家同時做這兩個領域的企業。為什么選擇這樣的布局？
曾軼：我此前在Codasip的經歷，奠定了一部分理念基礎。在我看來，IP與EDA之間存在天然的共性——兩者都服務于半導體行業和芯片企業，邊界并不那么涇渭分明。
因此，較為合理的做法正是我們當前所實踐的：以IP為核心，同時配套提供EDA平臺，使客戶能夠基于該平臺完成定制。這一模式有其內在邏輯，新思與楷登走的也是類似路徑，他們同樣擁有對標的解決方案。
雷峰網(公眾號：雷峰網)：行業預測到2030年RISC-V市場份額有望達到三分之一甚至更高，在這一節點，您期望隼瞻在行業中扮演怎樣的角色？
曾軼：這個預測是完全有可能的，而我們的目標是成為DSA領域的領導者，坦率地說，在國內這一方向上，我們目前已經在一定程度上處于這樣的位置了——這個賽道一直由我們在推動，我們判斷其市場即將迎來爆發。
我所說的領導者，是指技術的領先性與完備性，以及市場生態位的精準卡位。目前我們通過工具平臺為客戶定制CPU、DSP和NPU，業務增長迅速，今年上半年業績已達到去年全年水平，全年營收翻番的可能性很大。
因此，我們將堅定地舉起DSA這面旗幟，并在未來兩年有對應的出海計劃。
雷峰網：若要成為行業領導者，未來幾年需要突破哪些關鍵的技術節點或生態節點？
曾軼：要成為行業領導者，未來有兩個關鍵節點必須突破。
第一，定制工具的全面AI化，這是我們目前最急迫、也最具挑戰的方向。目標很明確：真正成為半導體行業的Copilot，以AI驅動的方式幫助客戶自動生成處理器方案，我們正與國內某知名科研院所圍繞模型優化與導入展開持續探討，這個方向至關重要。
第二，在碎片化中推進“反碎片化”。在完成大量高度定制化的項目后，我們開始沉淀共性平臺——并非每個客戶都需要從頭定制一切，部分客戶更傾向于獲得現成的基核方案。例如在AI領域，我們分別規劃了1T以下、20至50T、100至200T算力的梯度方案；或者在對標TI的2800、2900系列的工控DSP領域，同樣會有相應布局。這些方案內部被稱為“預制菜”——高度封裝、稍作調整即可投入使用，這也是我們下一階段的重點發力方向。
作者長期關注AI芯片和算力行業，歡迎添加微信 EATINGNTAE 交流。
雷峰網雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
