2 月 27 日在波士頓舉辦的一場技術研討會上，發生了一件看似細微卻意義重大的事：開發者們坐在一臺 RISC-V 架構筆記本電腦前，成功安裝了 Fedora 系統，并運行了本地大語言模型。全程無仿真模擬，無外接顯示器的開發板，就是一臺真正的筆記本電腦。

十多年來，RISC-V 架構的擁護者一直承諾，這一開源指令集終將走進主流計算設備。但在此之前，其實際應用大多局限于評估板、嵌入式系統和科研平臺，而ROMA II 筆記本電腦徹底改變了這一現狀。開發者可將其當作普通電腦使用 —— 開機、安裝 Linux 系統、運行軟件、開展人工智能相關測試。這場隸屬于 RISC-V 全球日活動、由深度計算公司、紅帽公司與 RISC-V 國際協會聯合贊助的波士頓研討會，與其說是一場產品發布會，不如說是一次技術實測。參會者直接上手操作硬件、調試操作系統，并對設備進行極限測試，以此摸清其功能亮點與現存短板。在任何技術生態中，當開發者開始能對平臺進行極限測試、發現其問題時，這個平臺才算真正走向成熟。

這款筆記本電腦基于玄鐵 K1 芯片打造，該芯片是一款面向邊緣人工智能和通用計算的 RISC-V 架構片上系統。其研發初衷并非與蘋果 M 系列芯片或高通新一代人工智能電腦處理器展開競爭，二者的定位截然不同。這是一款基于開源指令集的開發者專用設備，旨在探索以 RISC-V 架構為核心的人工智能筆記本電腦的實際形態。該芯片架構融合了三大計算核心模塊：一是主頻約 2GHz 的八核 64 位通用計算核心；二是搭載 256 位 RISC-V 向量擴展指令集（RVV 1.0）的向量計算引擎；三是名為人工智能融合引擎的專用神經網絡處理器，其算力可達約 2 萬億次運算 / 秒。

其中，標量計算核心負責運行操作系統和處理應用邏輯；向量計算引擎承接人工智能工作負載中各類復雜的中間處理環節，包括量化、反量化、歸一化及數據重塑；而神經網絡處理器則專門加速 Transformer 模型推理過程中占比極高的稠密矩陣乘法運算。不熟悉 RISC-V 向量擴展指令集的讀者，可在 GitHub 上參考唐川博士的《RISC-V 向量擴展入門指南》（網址：https://github.com/simplex-micro/riscv-vector-primer）。該設備搭載最高 16GB 的 LPDDR4X 內存，搭配 NVMe 固態硬盤，整體采用兼容 Framework 標準的模塊化機身設計，定位十分明確 —— 就是一款開發者專用筆記本電腦。

本次波士頓研討會將操作重心放在 Fedora Linux 系統上，這一選擇經過了深思熟慮。紅帽公司早已暗中將 RISC-V 架構列為重點上游架構研發目標，而本次研討會則直觀展現了這一研發工作的推進成果。參會者在 ROMA II 硬件上成功啟動 Fedora 系統，檢測了內核支持情況、軟件包覆蓋范圍，并梳理出了仍需完善的技術空白。這是主流 Linux 發行版首次在公開的開發者研討會上，在 RISC-V 架構筆記本電腦上實現交互式運行。放在幾年前，單是這一點就足以成為行業焦點，而后續的技術演示則更具里程碑意義。

研討會的演示環節很快從操作系統切換至人工智能領域：開發者成功加載了參數量約 10 億至 30 億的輕量級語言模型，并實現了本地推理，Token 生成全程實時可見，還可靈活調整量化參數，設備的熱功耗表現也清晰可測。此次演示的目的，并非證明 RISC-V 架構能與 GPU 服務器匹敵，而是用更簡單的方式驗證：該平臺可切實實現本地人工智能推理。測試過程中，幾個技術特點立刻顯現：神經網絡處理器是實現本地推理的核心，一旦模型參數量超出基礎水平，純 CPU 推理的速度會大幅下降；向量計算引擎則默默承擔了大量周邊處理工作，包括量化、鍵值緩存更新、歸一化和數據重塑，而這些正是現代人工智能系統不可或缺的銜接性邏輯運算。整套執行模式并不陌生：由 CPU 統籌調度，神經網絡處理器負責高強度數學運算，向量計算單元則處理二者之間的數據轉換工作。

測試發現，設備的核心性能瓶頸在于內存帶寬。當模型參數量接近 30 億時，LPDDR4X 內存的吞吐能力便會受限，這也是深度計算公司將 ROMA II 定位為開發者平臺，而非消費級人工智能筆記本電腦的原因之一。即便如此，該系統在持續高負載運行下仍表現穩定：開發者進行了長時間的推理測試，設備僅出現可預測的熱節流降頻現象，內核驅動全程穩定，未發生任何崩潰或卡死情況。對于第一代 RISC-V 架構筆記本電腦平臺而言，這樣的穩定性遠比跑分數據更重要。

這款設備的落地，已然實現了 RISC-V 生態多年來的多個期待：可原生運行 Fedora 系統、能本地執行真實的大語言模型工作負載、且完全基于開源指令集生態運行。兼容 Framework 標準的模塊化機身，對從事內核、驅動和機器學習軟件研發的工程師而言極具吸引力。與此同時，其短板也十分明顯：2 萬億次運算 / 秒的神經網絡處理器算力僅能支撐小參數量模型，無法運行 70 億參數量的更大規模網絡；CPU 性能與當下主流筆記本處理器相比處于中等水平；內存帶寬限制了算力的橫向擴展；現階段獨立顯卡對機器學習工作負載的助力微乎其微。簡言之，ROMA II 并非一款消費級人工智能筆記本電腦，而是為 RISC-V 生態打造的開發者工作站。

盡管如此，這場波士頓研討會仍釋放出了更深遠的行業信號。多年來，關于 RISC-V 架構筆記本電腦的討論，大多停留在演示文稿和產品路線圖層面，而此次研討會上，開發者們真正在實體硬件上完成了 Linux 系統安裝、軟件編譯和人工智能模型運行 —— 這一轉變徹底改變了行業對該架構的討論維度。當工程師能將一款平臺當作普通電腦使用，對其進行開機、修改、極限測試時，這一架構就不再只是一個科研課題，而成為了真正的工程研發目標。

深度計算公司的產品路線圖，已明確指向了下一步研發方向：即將推出的DC-ROMA 人工智能電腦，將搭載奕斯偉雙芯片架構的片上系統，配備八核思爾芯 P550 計算核心，神經網絡處理器算力可達約 40 萬億次運算 / 秒，內存升級為 32GB 至 64GB 的 LPDDR5，同時搭載定制化向量計算集群，且兼容 Framework 13 英寸筆記本的機身設計。這一算力水平，足以輕松支撐 40 億至 70 億參數量的人工智能模型。從這一角度來看，ROMA II 并非 RISC-V 架構人工智能筆記本的終點，而是通往更成熟產品的橋梁。

從外界視角看，波士頓這場研討會的成果似乎微不足道 —— 不過是一屋子開發者在電腦上安裝 Linux 系統、運行語言模型。但技術生態的變革，往往就源于這樣的時刻：筆記本成功開機、軟件順利運行、開發者開始展開各類實驗。從這一刻起，RISC-V 架構不再是紙上談兵的構想，而讓基于該架構的個人計算設備真正照進了現實。