RISC?V 的開源特性帶來了模塊化、免版稅指令集架構（ISA），消除了授權費用，可加速開發進程，并支持針對人工智能（AI）、機器學習（ML）、物聯網（IoT）與嵌入式系統等多樣化應用進行定制化設計。

從零售消費交易、工業 4.0 運營到自動駕駛，眾多應用的自動化水平正在不斷提升。RISC?V 實現了供應商獨立性，通過架構透明性增強安全性，并支持定制化專用處理器，以適配對功耗敏感的物聯網與邊緣應用。

它還能支撐用于高級自動化方案的混合邊緣 / 云系統架構。混合架構借助云計算實現可擴展性，而邊緣計算與嵌入式 AI/ML 則帶來低延遲、隱私保護、高能效與離線可用能力（圖 1）。

圖 1. 面向 AI/ML 的云計算與邊緣計算優勢對比。（圖片來源：CSEM）

借助 RISC?V，可設計出針對特定 AI/ML 應用優化、同時功耗更低的處理器。開源環境加速了技術創新，推動了邊緣 AI 的普及。

統一且精簡的指令集有助于在各類 AI 硬件上實現統一軟件環境與編程體系，以支撐復雜邊緣應用。RISC?V 憑借開放、模塊化、可擴展的架構，支持存內計算（IMC）與近存計算（NMC），幫助開發者突破 AI/ML 應用中 “內存墻” 帶來的限制。

RISC?V 天然支持優化的資源管理，這對電池供電的邊緣設備至關重要。其高效的 AI 推理能力，可在資源受限的邊緣設備中實現高級圖像分類與自然語言處理。

邊緣設備常需要安全的實時處理能力，而這正是 RISC?V 的強項。除感知類任務外，基于 RISC?V 的邊緣方案還能支撐生成式 AI 的實時計算需求，以適應用戶習慣、精細調節性能并延長邊緣設備續航。

并非只能在邊緣計算與云計算之間二選一。RISC?V 可全面支撐云 — 邊緣 — 嵌入式設備三級計算連續體。

連續計算

連續計算是一種架構思路，它打破云計算、邊緣計算與嵌入式計算的孤立壁壘，以最大化整體系統性能與可持續性。計算會在最高效、最具價值的位置執行。

它被視為一種協同方案，將邊緣與云計算融合為更連貫的系統。在最先進的實現中，計算位置并非固定，而是動態調度：系統會將計算分配到當前延遲、能耗與處理能力組合最優的位置（圖 2）。

圖 2. 連續計算架構、結構及關鍵要素關系。（圖片來源：ECS SRIA）

RISC?V 處理器是連續計算的理想選擇，覆蓋從低功耗邊緣設備到多核高性能方案的全場景，包括嵌入式微控制器，以及用于數據中心與 AI/ML 的高性能片上系統（SoC）。

此外，RISC?V 指令集憑借開放、模塊化、可擴展的架構支撐連續計算。統一的基礎指令集實現了跨硬件的軟件兼容，而各類擴展則能在統一平臺上提供定制化、高能效、面向特定應用的高性能計算能力。

外設與指令集擴展

面向 RISC?V 處理器的神經網絡處理單元（NPU）與各類 AI/ML 加速外設日益豐富，進一步提升了其在連續計算場景中的適用性。RISC?V 生態包含專用 AI IP 核、向量擴展與專用矩陣引擎，可集成到片上系統（SoC）中。

RISC?V 指令集對 AI/ML 的具體支持包括：

• 面向并行數據處理的標準向量擴展（RVV）

• 自定義指令能力

• 面向矩陣乘法的專用矩陣擴展（RVM），對加速神經網絡層至關重要

此外，RISC?V 的 打包單指令多數據（SIMD） 即 P 擴展，支持在標準 32/64 位通用整數寄存器（GPR）中實現 8/16/32 位子字并行。打包 SIMD 允許單條 CPU 指令同時操作多個數據元素，非常適合低功耗 DSP 與 AI 任務。

RISC?V 指令集中的 位操作擴展（B） 新增指令以加速位運算、循環移位與字段提取，減小代碼體積并提升 AI 算法效率，尤其適用于量化神經網絡（QNN）與二值神經網絡（BNN）。

總結

RISC?V 提供豐富的硬件選擇與軟件能力，非常適合嵌入式、邊緣與云端的 AI/ML 應用。其生態包含大量針對 AI/ML 需求優化的硬件外設與指令集擴展。RISC?V 同時支持混合云 / 邊緣架構與最新的連續計算架構。