作為一種基于精簡指令集(RISC)的開放硬件指令集架構(ISA),RISC-V的設計哲學強調“大道至簡”。盡管在生態系統建設、軟件支持和安全性問題等方面,RISC-V仍需不斷努力和完善,但憑借簡潔高效、靈活多樣的特點,RISC-V目前已經在嵌入式系統、云計算與大數據、人工智能(AI)與機器學習(ML)、物聯網與邊緣計算等領域展現出了強大的生命力和廣闊的發展前景。
根據SHD Group的調研報告,2023年RISC-V相關SoC芯片產品在全球市場營收達到61億美元,比2022年增長276.8%(圖1)。預計到2030年,RISC-V全球市場規模將達到927億美元,未來幾年的年均復合增長率為47.4%。尤其值得一提的是,預計到2030年,用于AI加速器的RISC-V SoC出貨量將達到41億顆,營收將達到422億美元。
圖1:2021-2030 年所有應用的 RISC-V SoC 市場總收入。
從“開源”到“開放”
在今年6月的RISC-V歐洲峰會上,我們注意到,RISC-V作為“開放標準”的定位得到了進一步的強化。中國科學院計算技術研究所副所長、研究員包云崗博士在社交媒體上發文指出,過去幾年,人們在給RISC-V加定語時往往把“開放”和“開源”混為一談,有人說開放指令集,有人說開源指令集,造成了一些概念上的混淆。而在此次峰會上,產業基本形成了一種共識,在未來宣傳口徑上強調“RISC-V是一種開放標準,而非開源實現”。他認為這個概念的澄清很重要,甚至可以避免一些地緣政治上的誤判。
那么,為什么會有這樣的變化?我們該如何正確理解“開放”和“開源”之間的異同之處?
奕斯偉計算高級副總裁、首席技術官何寧博士(圖2)從兩方面對此進行了解讀:一方面,復雜的國際地緣政治形勢給RISC-V管理機構及其合作伙伴帶來了壓力;另一方面,“開源”意味著沒有秘密、沒有專有鎖定,也不需要支付高額的許可和版稅費用,不符合商業事實,因此出現了關于“開源”和“開放”的強調變化。換句話說,RISC-V可供免費使用,無需支付專利費,但芯片本身可以是開源設計,也可以是封閉的專有設計,這就是“開源”與“開放”的不同之處。
圖2:奕斯偉計算高級副總裁、首席技術官何寧博士
“這種變化源自之前存在的一種對標準(指令集規范)和實現(處理器實現)的混淆。”知合計算CEO孟建熠博士(圖3)對此回應稱,RISC-V是一種完全免費且對外開放的規范標準,不是具體的代碼和芯片設計,所有人都可以基于這種規范標準去實現自己的處理器設計。與之對應的是x86和Arm的指令集規范都掌握在單一的企業手中,所以將RISC-V稱之為“開放標準”。
圖3:知合計算CEO孟建熠博士
處理器實現則指的是基于指令集規范,再加上處理器微架構設計,最終流片形成芯片產品。在這個過程中,所形成的知識產權與上述規范標準對應的知識產權是相互獨立的。根據處理器實現產生的知識產權是否開源,就產生了“商業實現”和“開源實現”兩個概念。
綜上所述,RISC-V是一種指令集規范,并且是完全對外開放的,而處理器實現則是基于RISC-V進行芯片開發的企業在做的工作。其中,“商業實現”對生態的意義更重要,只有實現了“商業實現”,才能吸引更多企業參與RISC-V生態建設,而不是讓RISC-V成為停留在學術界的“玩具”。這就是為什么現在業界強調“而非開源實現”。
“RISC-V開源之說是一種不準確的提法,RISC-V國際協會在兩年前就開始糾正這種說法。”賽昉科技董事長兼CEO徐滔(圖4)表示。“開源”是由于業界對于軟件代碼共享實踐而產生的概念,而RISC-V是一種開放標準,其本身不存在代碼共享。但是,業界可以幾乎零成本獲得RISC-V標準的使用權,這和“開源”有類似之處。
圖4:賽昉科技董事長兼CEO徐滔
Imagination公司產品管理總監Matthew Bubis(圖5)也表達了相同的看法。他說,人們普遍存在一個誤解,認為RISC-V開放標準等同于RISC-V CPU和產品是開源的。實際上,雖然RISC-V開放標準允許開發人員在指令集架構上免費且開放地使用框架去創建CPU,但這些產品可能是私有知識產權,也可能是開發人員選擇將它們開源,因此開放標準并不意味著它們必須是這種模式或其他模式。
因此,這種使用開放標準與使用封閉IP之間可能產生的區別,在圍繞RISC-V引入了各種限制的時候,對于避免出現意外結果至關重要。這種混淆可能會導致標準出現分化,并對RISC-V所依賴的持續開放性造成問題和挑戰。所以,傳遞明確的信息來確保行業內外都能充分理解這一區別是十分必要的。
圖5:Imagination公司產品管理總監Matthew Bubis。
尋找合適的商業模式
這是另一個有趣且嚴肅的話題。包云崗博士在文中談到,全球各類Arm芯片市場規模達到上千億美元,但Arm公司本身只有30億美元左右的營收和3億美元的利潤。如何能向RISC-V SoC芯片企業提供Arm水準的IP,并且在商業上也能實現可持續的盈利,其實是一個充滿挑戰的事情。
如果采用與Arm相同的商業模式,那么RISC-V IP企業的營業額與利潤一定會比Arm更低。事實上,今天全球的RISC-V IP企業都很不容易,收入都在1000~3000萬美元,基本實現收支平衡。如果這一環不加以補齊,那么整個RISC-V生態大廈的底座就不夠堅實。
根據Semico Research預測,到2025年RISC-V架構處理器核的出貨數量將達到800億顆。如此體量的出貨,如果因為缺乏體系化、成規模的應用場景難以被外界確切地感知,或是因為各家企業單打獨斗,憑借各自的產品獨立拓展市場及應用生態,未能形成合力,導致在盈利上舉步維艱,不免讓人感到遺憾和困惑。
“在快速增長的市場和廣泛的競爭帶來的雙重作用推動下,無論是可持續的商業模式,還是難以為繼的商業模式,都將自然而然地產生。”Bubis說。只不過,在Bubis看來,隨著市場方向的明確,許多企業將需要調整他們的模式,并轉向增速最快的細分市場,去發現RISC-V市場中需求最大并最終能為這些領域提供最高質量的產品和服務,這是企業獲得最終成功的前提。
目前來看,RISC-V在包括物聯網在內的低功耗嵌入式場景中,已經實現了不錯的應用成果落地,但這些市場并不能支持RISC-V未來的進一步發展。因此,對于整個RISC-V生態而言,要想實現商業盈利和進一步發展,必須找到下一個能夠支撐整個生態發展的賽道。
另一方面,當前成功的RISC-V企業往往是在已有的產品中采用了RISC-V技術。對那些純粹靠銷售RISC-V IP或產品的公司來說,他們可能需要更進一步了解系統,找到系統伙伴,共同開拓“殺手級應用(Killer Application)”,就像當年IBM成就了Intel,Nokia和TI成就了Arm一樣。
所以,對于企業而言,應該利用好RISC-V開放標準帶來的靈活性,去探索基于RISC-V架構如何實現更多的算力形態,從而在市場潛力更大的賽道尋找機會。目前來看,AI智算場景可能是最值得投入的賽道。
為此,奕斯偉董事長王東升在今年7月的“RDI生態·武漢創新論壇·2024”上首次發布了RISC-V數字基礎設施RDI(RISC-V Digital Infrastructure)的產業概念,并呼吁產業鏈上下游共建RDI生態,共同推進RISC-V產業化落地。在他看來,RDI既是RISC-V從隱形走向顯性、從嵌入式系統走向更大市場的契機,也是將RISC-V市場蛋糕做大、幫助產業高效發展的關鍵。
具體而言,RDI以垂直行業有限生態場景為切入點,以滿足行業轉型升級和自主創新需求為目標,以行業應用解決方案為抓手,積極推動RISC-V產品在各垂直行業場景的體系化、規模化落地,在擴大RISC-V影響力的同時,也為RISC-V公司創造了新的市場機會。同時,通過不同行業場景逐步積累應用生態,最終實現強生態場景的突破,也有利于避免前期一次性投入過多的“先發劣勢”困境,從而在保障企業可持續發展的前提下實現RISC-V生態建設的推進。
中國市場熱情持續高漲
“中國芯”一直是一個很熱的話題,政府、產業、基金和市場都非常有興趣想去了解RISC-V指令集會給他們的產品和商業模式帶來哪些影響。尤其是開放的RISC-V指令集,從誕生之初就具備開放屬性,是封閉、獨家指令集的最好替代品。
對中國企業來說,使用RISC-V指令集既能和國際接軌,不閉門造車,又沒有“Me Too”的限制,所以無論從技術還是商業角度來看,RISC-V在中國是有可能成功的,這對中國相關產業的意義十分巨大。市場數據也證明了這一點——2022年全球采用RISC-V架構的100億顆處理器中,50%來自中國,標志著中國RISC-V發展已初具規模。
比持續高漲的熱情更令人感到歡欣鼓舞的,是中國企業在產業鏈中扮演的角色。孟建熠博士指出,首先,從RISC-V誕生伊始,中國企業就向其中做了大量的技術貢獻,因此中國所扮演的首個角色,是“主要貢獻力量”。其次,由于RISC-V開放的特點,RISC-V已經成為中國實現原創算力產品的主要選擇之一,從最近涌現出的大量利用RISC-V開發各種算力架構的創新項目來看,中國還扮演了“主要(潛在)市場”的角色。
Bubis的看法,可能代表了國際同行對中國企業的看法與認知。“中國在RISC-V領域的快速發展證明了RISC-V在多種應用中的可信度。”他說,中國在RISC-V領域處于領先地位,受到世界其他國家的密切關注,通過流片量產和終端用戶的滿意度也證明了RISC-V的成功,表明RISC-V是一種可替代封閉式ISA的重要架構。這種增長帶來了更多的機會,使軟件和安全生態系統更加成熟,競爭更加激烈,并最終提供更好的產品。
因此,通過其國內IP提供商和生態系統相關企業,中國在推動全球RISC-V產業競爭向前方面發揮了重要作用,同時通過擁有一個已準備好去采用RISC-V產品的巨大市場,在國際上支持該產業的發展。
RISC-V+AI,已成燎原之勢
北京大學講席教授、RISC-V國際基金會人工智能與機器學習專委會主席謝濤在《RISC V+AI算力系統軟件棧建設》一書中分析指出,“大模型催生算力需求,異構計算范式與RISC-V技術優勢高度契合”,是RISC-V架構在AI領域獲得青睞的主要原因之一。從全球發展趨勢來看,無論是巨頭公司還是初創企業,也都符合這一判斷。
例如,谷歌在其人工智能芯片中使用SiFive的X280作為協處理器,并計劃在下一代人工智能系統中繼續采用SiFive設計;Meta首發的AI MTIA芯片中使用兩顆晶心科技(Andes Technology)的AX25V100核心處理器,其RISC-V IP內核已獲認可,且第二代MTIA芯片將繼續采用并增加核心數量;特斯拉的Project Dojo芯片核心包含一個整數單元,采用了部分RISC-V架構指令。
初創公司方面,Tenstorrent將基于RISC-V架構技術和SF4X工藝開發下一代AI芯片;Untether.Al推出的Boqueria Al速器擁有1458個RISC-V核心,可在由低至高功耗設備間靈活適配;Rivos的AI芯片結合高性能RISC-V CPU和針對LLM及數據分析優化的GPGPU。
在回應“RISC-V是最適合AI的指令集架構嗎?”和“在AI環境中,x86、Arm和RISC-V,哪一款CPU更具優勢?”這兩個問題時,徐滔都給出了肯定的答案。他分析認為,AI是高速發展的新興應用領域,其軟硬件生態仍然在高速發展之中,RISC-V和x86、Arm在AI生態上處于同一起跑線,但RISC-V是開放的架構,其模塊化的架構設計可以比x86和Arm更靈活,創新的節奏會更快,更適應AI發展的需求。
孟建熠博士則強調說,目前,AI場景的核心算力仍然以GPGPU作為主力,架構層面則被單一廠商掌握的封閉GPGPU架構壟斷。因此,無論是x86、Arm還是RISC-V架構要實現在AI計算中的突破,都需要基于AI計算的獨特需求,對傳統通用計算為主的架構進行創新。
在這樣的需求下,毫無疑問是開放的RISC-V因其更大的靈活性以及更強的生態屬性,相較于x86和Arm架構會更具有優勢。
Bubis從軟件和生態的角度給出了自己的解讀——盡管所有主要的ISA都將在未來的人工智能領域發揮作用,但不同的是,與其他應用相比,人工智能領域里的傳統軟件要少得多。因此,與其他軟件生態系統相比,基于RISC-V去建設人工智能軟件生態系統和各種框架要容易得多。
這使得人工智能創新可以在RISC-V上進行,而無需致力于克服傳統生態的延續性和兼容性問題帶來的挑戰。因此,企業可以利用開放標準的優勢,而不必擔心軟件的兼容性問題。
“我們已經看到越來越多的RISC-V IP進入數據中心、邊緣、工業物聯網和消費設備等細分人工智能領域。按照目前的增長速度,RISC-V與其他ISA并駕齊驅的前景是一片光明。”Bubis說。
總體而言,RISC-V在AI領域的潛力和勢頭非常清晰,因為它是綠色、開放、充滿活力、不斷演進變化的,可以更好地適配AI時代軟件與算法模型不斷優化的需求,作為原生架構支撐不斷涌現的新應用和新場景。
當前,RISC-V在AI領域應用的優勢主要包括以下四個方面:
- 低功耗:隨著生成式人工智能到來,以GPU為代表的AI加速器正在給全球數據中心的能耗和運維帶來挑戰,這凸顯了低功耗架構的重要性。波士頓咨詢集團(BCG)數據顯示,到2030年,美國數據中心在美國總用電量的占比將達到7.5%,是2022年的三倍,將近美國家庭用電量的三分之一,主要原因是大模型訓練和不斷增加的人工智能查詢。RISC-V指令設計則更加精簡,沒有向前兼容的歷史包袱,同時能夠按需裁剪和定制優化,以提升某些特定計算的效率,相比已有架構能進一步降低功耗。
- 靈活性:RISC-V架構從一開始就遵循模塊化設計、可靈活擴展定制的思想,可根據用戶需要靈活設計,滿足云、邊、端等不同場景的算力需求,如云端訓練推理的大算力需求,及邊、端大模型優化部署需求。
- 兼容性:RISC-V允許硬件制造商根據自己的需要定制處理器內核,而只要遵循 RISC-V 規范,就能保證軟件之間的兼容性。
- 開放性與演進能力:作為開放架構,RISC-V吸引全球企業、機構和開發者共建生態,可以快速完善軟件、硬件、算法和算子等資源庫,推進人工智能領域RISC-V生態快速升級迭代。
隨著RISC-V+AI技術路徑的逐步統一,RISC-V有望形成一個開放、強大的生態系統,成為AI原生架構,為AGI時代技術的發展提供新的源動力。
多架構共存趨勢不變
另一方面,也是由于AI發展尚在早期,其應用和基礎設施沒有到固化的時候,在今后相當長的一段時間內,會是不同的架構、固定電路、各種不同的可編程加速器的組合(Hybrid),再以不同的PPA、價格和用量來滿足不同的應用需求。
也就是說,從CPU到GPU,再到專用加速器,現有的各種人工智能推理硬件可支持多元化的靈活性、性能、效率和適應性組合。沒有一種單一的最佳解決方案可以去適用于所有的應用場景,只要人工智能建模和軟件棧不斷創新,架構組合就有可能一直保持下去。對靈活性的追求大概率不會消失——人工智能和機器學習框架正在持續快速發展,因此需要保留那些能夠適應這種發展的架構。
至于“針對具體AI模型的ASIC是否能夠取代通用性更強的GPGPU”?孟建熠博士給出的判斷是,“目前尚無法斷言”,因為ASIC在特定模型上更高的性能與能效以及成本優勢有目共睹,但針對單一算法的特定優化也讓產品面臨著算法迭代可能帶來的巨大挑戰。
因此,在未來的一段時間內,ASIC與GPGPU更可能是共存的。在某些市場規模足夠、算法需求明確的應用場景中,ASIC因其性能、能效和成本優勢獲得部分市場,但大部分市場仍然屬于通用性更強的GPGPU。
他建議在這一趨勢中,同樣可以關注RISC-V的表現。RISC-V并不是只能做傳統的通用計算CPU,其開放特性讓基于RISC-V去實現ASIC、GPGPU和DSA等不同的架構都成為可能。同時,依靠RISC-V生態的統一生態優勢,不同的架構間也可以更容易地實現異構算力融合和軟硬件協同設計等應用落地層面的創新嘗試。因此,RISC-V也許能夠成為AI推理芯片未來的“最終答案”。
何寧的觀點是,“會存在‘多種架構共存’的可能性,如CPU、GPU、DPU和面向特定計算的ASIC單元等”。畢竟,從同構走向異構,再進一步走向異構融合,是計算架構從簡單到復雜的必然演進趨勢。異構融合計算的目標是充分發揮不同硬件單元的優勢,以實現更高的性能、能效以及更多的功能擴展,通常涉及不同類型的處理器和加速器的協同,以滿足日益復雜的計算需求。
但是,在各種計算單元的具體實現中,也有可能基于相同的底層基礎架構,如CPU、GPU和DPU均采用RISC-V基礎指令,但是通過不同的擴展和協處理器組合達成不同的計算目的,如邏輯運算、圖形運算和網絡處理等。這種統一底座更有利于實現不同計算單元的協同,從而實現資源池化和軟件工具等平臺的融合。
當然,在這一過程中,不排除一些企業有試圖在特定領域架構DSA(Domain-Specific Architecture)帶來的“定制化優勢”與通用CPU/GPU具備的“廣泛適應性”之間尋找平衡點的做法,因此,如何定義“特定領域(Domain)”十分關鍵。按照徐滔的說法,“如果定義太窄,就會掉入陷阱”。
而要給出一個合適的定義,一方面,企業需要對相關領域有深入的了解,然后再從應用到架構打通整個技術邏輯和商業邏輯;另一方面,所謂的“平衡點”,其實就是在追求最佳功耗、性能和面積與硬件的普遍適應性之間進行權衡。廠商如果對其工作負載的長期穩定性有很好了解,就可以放心地選擇更加專用的特定領域架構,而對于那些希望產品生命周期更長、更能適應不斷變化的工作負載的廠商來說,可能需要更通用的方法。
同時,鑒于對人工智能和機器學習的巨大投資,幾乎沒有跡象表明創新會放緩。許多工作負載的發展方向可能仍存在不確定性,因此供應商應該謹慎權衡,決定是否其芯片中只引入DSA,而不是在CPU和GPU以及專用加速器的組合上保留功能強大的計算解決方案。
尋找“定制化優勢”與“廣泛適用性”的平衡點,有很多嘗試方向,包括加強某一個方向直到其優勢徹底大到可以取代另一個方向,也包括同時獲取兩個方向優勢的異構算力融合。這些嘗試如果在一個開放架構和統一生態下,是可以并行去嘗試的,也更容易獲得最終的成功,而RISC-V的開放、統一生態讓業界進行多個方向的嘗試成為可能,目前的確已經有不少企業在這條路上進行嘗試。
何寧博士指出,從技術角度來看,DSA特點在于為特定領域提供專用的優化,通過面向專用領域特定需求的定制化計算單元或IP模塊的設計,使計算資源與應用需求精準匹配,實現能效的最大化。例如,針對多媒體領域的ISP、PQ專用圖像處理單元設計,以及針對智能計算領域的高數據重用率、高計算單元復用率神經網絡加速單元等,為這些領域提供了定制化的計算解決方案,顯著提升了專用場景下特定任務的性能和能效,推動了新技術在實際應用場景中的深度融入和創新應用。
“DSA的優勢是領域定制。劣勢也在于領域定制,容易導致適用范圍有限、開發和維護成本高、兼容性差等問題。”他建議稱,最終采用DSA還是“廣泛適應性”架構,主要取決于場景和需求——當功耗和能效是主要矛盾,且市場需求量足以支撐DSA開發成本時,采用DSA的架構顯然更有助于達成目標。反之,則是通用性解決方案更受青睞。
RISC-V的優勢是它采用了模塊化、可擴展、易定制的設計思想,有效兼顧了通用和專用雙方面的需求。通過基本指令集及常用指令擴展,可以滿足常規通用計算需求,而通過DSA專用指令擴展,則可以解決領域專用計算對高效性的需求,且指令擴展建立在RISC-V基礎框架之上,相對于傳統ASIC方式實現的DSA在設計速度和便捷度上均大為提升。因此,RISC-V是解決通用計算和DSA需求平衡的最佳途徑。
何時“撼動”CUDA生態?
謝濤教授提出了一個形象的比喻,即將RISC-V與AI的融合比作“大房子”與“小房子”的結合,兩者緊密相連共同完成復雜的任務。“‘AI+RISC-V’相當于一個CPU加協處理器。‘協處理器’不一定是小房子,也可能是一個大房子,而且可能是有很多個,形成集群的概念。”
“我們要去推動標準的建立,過去有一些標準是偏學術的,企業沒有深度參與。”謝濤說,“RISC-V可以團結起其他企業,共同構建開放開源生態,與現有的CUDA生態形成互補而非對立。”他進一步補充稱,推標準不是目的,而是手段,只有看到足夠大的紅利,大家才會把自己的小私心放一邊,才能聚集起更多的企業形成跟隨效應。
烏鎮智庫理事長張曉東說自己觀察到一個現象,就是那些“做得好”的標準,往往是先有了明確的需求和產品之后,再在其生態基礎上建立標準,往往會更容易成功。反之,如果憑空制造一個標準,然后希望做產品的人來遵守,這個挑戰要比在沒標準的情況下做產品更大。
開放與靈活性、高度可擴展性、功耗和效率優勢以及生態系統和社區支持,是基于RISC-V構建AI算力的主要優勢。但與此同時,RISC-V+AI生態面臨的機遇與挑戰則來自生態碎片化、資源投入嚴重不足、缺少組織統籌和產學研協同不緊等方面。
以服務器為代表的AI智算場景,是目前RISC-V最主要的應用場景目標之一。在這一場景中,RISC-V產業還沒有完全做好準備,最為關鍵的是:仍然需要一些標桿性的產品,去引領生態的發展。
孟建熠博士指出,在AI智算場景,RISC-V的標桿產品需要具備以下這些特點:
- 足夠的通用計算性能:標桿產品的本身算力性能必須達到x86和Arm架構高端產品的水平(圖6)。
- 針對應用實際需求的AI計算能力:除了通用計算的能力,針對AI計算的特定需求,標桿產品也必須擁有強大的AI算力,并在AI計算場景的關鍵三大指標(算力、內存和互連)中取得更好的平衡。
- 更好的軟件生態:利用好RISC-V統一軟硬件生態的巨大優勢,以及在通用計算上建設成熟生態的經驗,針對AI計算建設更完善的軟件生態(圖7)。
圖6:RISC-V芯片通用性能水平不斷提高。
圖7:RISC-V通用計算生態雖已逐步成熟,但仍需持續投入。
應用場景方面,除了持續提升在嵌入式處理器領域的市場占比,RISC-V在AI加速、邊緣計算和智能終端等領域的應用也開始嶄露頭角,并通過矢量、矩陣和其它專用加速指令擴展方式,不斷完善對AI計算的支撐,有望成為AI原生架構。
盡管RISC-V有著廣闊的前景,但要進軍高端應用場景,其軟硬件生態還有待進一步完善。例如,硬件上,RISC-V產品的豐富度還不足,且其成熟度和競爭力等表現還有待時間證明;軟件上,RISC-V需要在開發工具、操作系統、中間件和應用軟件等的兼容適配方面進行持續的完善和優化。此外,由于RISC-V的開放特性,企業在使用和發布RISC-V產品時可能會面臨版權保護和商業模式等方面的挑戰。
因此,RISC-V要在高端應用場景成為主流架構仍需一定時日打磨和積累,需要產業鏈上下游企業堅定信心,加強投入,尤其是在軟件生態建設上的投入,以推動RISC-V在高端應用場景的早日落地。
汽車,是另一個RISC-V志在必得的行業。汽車產品生命周期越長,再加上其更高等級的安全性和質量要求,將不可避免地促使RISC-V產品被逐步采用。與此相對應的是,汽車行業一直在尋求可降低成本和實現差異化的解決方案。隨著新的IP提供商憑借改進的PPA和更具創新性的安全解決方案進入市場,RISC-V可以通過推動更激烈的競爭來實現這一目標。
不過,需要承認的是,目前支撐這些行業應用的軟件生態系統、核心應用中IP的PPA和成熟度不可避免地存在不足,有待提高;還需要更多系統廠家的參與和經驗的傳承,以加速IP的成熟度,提高產品競爭力。
更快更穩的產業化落地
在不同應用領域,RISC-V產業發展和落地的情況不盡相同。在服務器領域,RISC-V IP 平臺的建設、性能和魯棒性的提升,都還有大量的工作要做——例如RISC-V國際協會正在定義的服務器平臺(Server Platform), 除了不同類的內核外,還需要有適配的總線和外設器件等,為服務器提供一站式端到端解決方案。
“我們現在正進入這樣一個階段:在編譯器、庫、調試和分析工具、安全性、內核、發行版和語言運行等方面,生態系統已經非常成熟。最大的挑戰是如何讓更多的受眾群體了解這個日趨成熟的生態系統,從而在更廣泛的應用中建立對RISC-V已準備就緒這一事實的信心。”Bubis說。
因此,最關鍵的任務是通過客戶和用戶對RISC-V產品的參與,提升對RISC-V當前成熟度的共同認識。同時,迅速采納對生態系統中存在的任何不足提出的反饋意見,然后通過協調努力加以解決,將有助于生態系統更快地成熟起來,并增加人們對RISC-V現狀的信心。這既能加快對RISC-V的采用,又能通過更高質量的反饋,使開發人員能夠繼續專注于開發生態系統迫切需求的部分。
在這個過程中,何寧博士說奕斯偉有以下三點體會:
- 一是內核定制優化能力要強。原因是從做出內核到產業化落地,如果在同一個公司里,無論是周期還是路徑都非常短,內核團隊可以馬上根據不同需求做出調整,這種適配能給產品帶來很強的競爭力,而且能夠大大加快產品落地的速度。有競爭力的產品落地反過來又會帶動RISC-V的架構落地,提升用戶對RISC-V的信心。
- 二是做有影響力的產品。一個行業頭部產品的落地和所形成的示范效應,一定強于那些已經殺成紅海的產品,所以每一個立項的產品至少應該有潛力能夠成為行業頭部。
- 三是要實現生態的規模化推廣,應用的產品數量一定要多。奕斯偉的原則是:凡是能采用RISC-V架構的都采用,并且保持多顆芯片同時產業化落地的速度。這樣,采用RISC-V架構的芯片比例越高,規模化效應就越強,用戶對RISC-V的認知度和接受度就越高。
如前文所述,為了快速推動RISC-V產業化落地,奕斯偉還一直在推動RISC-V數字基礎設施(RDI)這一產業概念,并強調以垂直行業領域應用為切入點,加速推動RDI產業化落地。
由于垂直領域的軟件數量相對可控,生態兼容適配難度相對較小,這就有利于實現RISC-V方案的率先落地,并在此過程中不斷積累軟件生態,最終滲透和突破更多強生態場景。同時,通過在不同垂直領域整合RDI方案,規模化體系化的展示RISC-V的價值和能力,才有可能將RISC-V從“隱性”變為“顯性”的存在,大大提升RDI影響力、增強社會各界對RISC-V的信心度和接受度。
孟建熠博士特別強調了RISC-V產業化落地的關鍵點——“應用定義產品”。他解釋說,在AI場景等新的應用場景中,應用對軟硬件產生的需求往往會頻繁產生巨大的變化。因此,要想產品能夠在這些場景中獲得更好的商業化落地,關鍵就是改變傳統“產品驅動應用”的生產關系,而是從下而上變成“應用定義產品”的全新生產關系。
這就要求企業能夠利用好開放的RISC-V所帶來的靈活性優勢,并發揮好RISC-V的生態優勢,以軟硬件協同開發加全產業鏈生態共建的模式,貫徹“應用定義產品”,去快速實現、迭代真正滿足應用需求的產品,只有這樣才能在RISC-V的產業化上實現突破。
本文為《電子工程專輯》2024年10月刊雜志文章,版權所有,禁止轉載。免費雜志訂閱申請點擊這里。