RISC-V来势汹汹，你了解吗？

面对来势汹汹的RISC-V，很多人表示很疑惑，这到底是什么？

RISC-V的作者David Patterson 在加州大学伯克利分校担任计算机科学教授 40 年后于 2016 年退休，随后加入 Google 担任杰出工程师（distinguished engineer， Google 的职位）。在 20 世纪80 年代，David Patterson领导了四代精简指令集计算机（RISC， Reduced Instruction Set Computer）项目，伯克利最新的 RISC 因此得名“RISC Five”。

RISC-V是一种指令集，一般被念做：risk five。V，即罗马数字5。该指令集是RISC系列指令集的第五代产品；是一种基于“精简指令集（RISC）”原则的开源指令集架构。

那指令集又是什么呢？指令集就是存储在CPU内部，引导CPU进行运算，并帮助CPU更高效运行，介于软件和底层硬件之间的一套程序指令合集，每一种新型的CPU在设计时就规定了一系列与其他硬件电路相配合的指令系统。

两大CPU指令集：CISC与RISC

CPU（中央处理器），也被称为微处理器，相当于电子产品的大脑。在通信领域当中，几乎所有的重要信息都要由这个“大脑”所掌控，CPU芯片和操作系统是网信领域最基础的核心技术。

早期指令集的设计分为 CISC 和 RISC 两种风格，分别为复杂指令集计算机和精简指令集计算机，前者以Intel，AMD的 x86 系列 cpu 为代表，后者以MIPS，ARM等为代表。

复杂指令集（Complex Intruction Set Computer，CISC）架构——x86                            

精简指令集（Reduced Intruction Set Computer，RISC）架构——ARM、MIPS和RISC-V

CPU的架构一直以来是x86与ARM的天下，而自2010年RISC-V诞生以后，隐约在CPU架构呈现出三足鼎立的趋势。

CPU主流架构：x86、ARM、RISC-V

X86：传统PC市场的主流，善于处理大数据，IP掌握在英特尔和AMD手中。

ARM：移动（手机）市场，处理快数据为主，目前也使用在便携笔记本中，IP大部分掌握在ARM公司。

RISC-V：当需要同时兼顾数据传输速度与传输量时，这两类主流架构的胜任能力有限。RISC-V表现出了较强的优势。

RISC-V的优势

完全开源

对指令集使用，RISC-V基金会不收取高额的授权费。开源采用宽松的BSD协议，企业完全自由免费使用，同时也容许企业添加自有指令集拓展而不必开放共享以实现差异化发展。

架构简单

RISC-V架构秉承简单的设计哲学。体现为：

在处理器领域，主流的架构为x86与ARM架构。x86与ARM架构的发展的过程也伴随了现代处理器架构技术的不断发展成熟，但作为商用的架构，为了能够保持架构的向后兼容性，其不得不保留许多过时的定义，导致其指令数目多，指令冗余严重，文档数量庞大，所以要在这些架构上开发新的操作系统或者直接开发应用门槛很高。而RISC-V架构则能完全抛弃包袱，借助计算机体系结构经过多年的发展已经成为比较成熟的技术的优势，从轻上路。RISC-V基础指令集则只有40多条，加上其他的模块化扩展指令总共几十条指令。 RISC-V的规范文档仅有145页，而“特权架构文档”的篇幅也仅为91页。

易于移植*nix

现代操作系统都做了特权级指令和用户级指令的分离，特权指令只能操作系统调用，而用户级指令才能在用户模式调用，保障操作系统的稳定。RISC-V提供了特权级指令和用户级指令，同时提供了详细的RISC-V特权级指令规范和RISC-V用户级指令规范的详细信息，使开发者能非常方便的移植linux和unix系统到RISC-V平台。

模块化设计

RISC-V架构不仅短小精悍，而且其不同的部分还能以模块化的方式组织在一起，从而试图通过一套统一的架构满足各种不同的应用场景。用户能够灵活选择不同的模块组合，来实现自己定制化设备的需要，比如针对于小面积低功耗嵌入式场景，用户可以选择RV32IC组合的指令集，仅使用Machine Mode（机器模式）；而高性能应用操作系统场景则可以选择譬如RV32IMFDC的指令集，使用Machine Mode（机器模式）与User Mode（用户模式）两种模式。

完整的工具链

对于设计CPU来说，工具链是软件开发人员和cpu交互的窗口，没有工具链，对软件开发人员开发软件要求很高，甚至软件开发者无法让cpu工作起来。在cpu设计中，工具链的开发是一个需要巨大工作量的工作。如果用RISC-V来设计芯片，芯片设计公司不再担心工具链问题，只需专注于芯片设计，RISC-V社区已经提供了完整的工具链，并且RISC-V基金会持续维护该工具链。当前RISC-V的支持已经合并到主要的工具中，比如编译工具链gcc, 仿真工具qemu等

RISC-V的应用

IoT的“碎片化”需求，群雄逐鹿

因为IoT领域对AI芯片即要求高计算能力，又需要低延迟。所以，IoT芯片设计速度要快、成本要低、能量身定制。同时嵌入式市场具备少量多样的特点，在各细分应用场景并未形成真正壁垒，架构的选择五花八门。因此，这是RISC-V绝佳的突破口。RISC-V的开源能降低成本，也能让用户自由修改，可定制化，RISC-V生态与敏捷设计同源。目前，国内外已有多家芯片企业投入大量资金研发RISC-V在IoT领域的应用。

应用一：IoT的安全问题

未来的物联网大概会有300亿个设备被链接起来，那么物联网安全并不是奢侈品，而是必需品。而RISC-V的开源特性允许广泛的受众检查其体系结构，并在它们成为大范围的安全事件之前纠正它们。RISC-V可以通过提供“修复”核心而无需实际更改核心的机会来影响我们现有的网络犯罪流行。

应用二：手机市场

SiFive首席执行官Naveed Sherwani曾提到过，RISC-V进军手机市场，与高通、苹果、三星、联发科等ARM公司抢智能手机处理器市场，同时有可能威胁低功耗笔记本处理器。

目前ARM公司的营收数据略有下滑，2017与2018年，ARM的设计IP市占率分别下滑1.6%及1.5%。因此，ARM也作出了相应的改善策略。2019年7月，Arm推出新的授权模式“Flexible Access”：对于中低阶芯片的授权，未来客户不再需要缴纳“预付款”才能看到设计细节。

应用三：服务器市场

虽然目前RISC-V的高性能市场一片空白，但RISC-V本身用来设计高性能芯片是没有问题的，学术界已经有基于RISC-V架构的511核处理器（Celerity）。只是基于RISC-V的低门槛特点，进入的企业体量较为小巧，没有足够的资金做长期布局与研发，高性能等需要较长研发时间的领域尚无人尝试。

SiFive首席执行官Naveed Sherwani曾在数年前预测RISC-V指令的处理器就有可能进军服务器市场，AMD、英特尔这样的x86处理器公司也许将要担心。

应用四：存储器市场

硬盘本身并不需要像SSD那样庞大的计算资源，但是由于新的磁记录技术，更复杂的功能（例如，基于NAND Flash的缓存，健康管理，QoS），它们的处理要求也在增长增强等。这对存储器中控制芯片的计算能力要求变高了。2017年，根据IDC和希捷的数据，2016年全球产生了16.1个ZB（ZetaBytes）数据，到2025年全球数据球体将增长一个数量级到163个ZB。并且需要实时处理和低延迟的数据量正在增长。虽然数据可以就近传输到附近的服务器汇总进行处理，这需要更为强大的服务器，但服务器本身对处理快数据的效率不高，因此硬盘不仅存储数据，还需要处理它。

2018年基于RISC-V的软件工具和IP全球营收5000万美元，2025年将达到20倍。

目前RISC-V被认为最适合应用在IoT市场。因为IoT市场的情况更为灵活，是一个“碎片化”的市场，客户需求相对多样化，目前尚无任一架构统一市场，而RISC-V具有低功耗、低成本、灵活可扩展及安全可靠的特性。虽然RICS-V本身是开源免费的，但是用户对RICS-V的架构进行使用和修改后可以进行销售。根据Tractica的预测，基于RISC-V的IP和软件工具的全球收入将在2025年增加到11亿美元，高于2018年的5200万美元。

Meta自研RISC-V AI芯片

根据半导体行业观察，Meta打造自主研发的RISC-V AI推理芯片MTIA v1，再次把RISC-V推向受关注的焦点。生成式AI是机器学习领域的最新进展之一，因此，支持生成式AI或将成为RISC-V芯片发展的一大里程碑。在过去十年左右的时间里，Meta花费了数十亿美元来招募顶级数据科学家并构建新型人工智能，一直在努力将其许多雄心勃勃的AI研究创新转化为产品，尤其是在生成式AI方面。

直到2022年，Meta主要使用CPU和专为加速AI算法而设计的定制芯片的组合来运行其AI工作负载，但CPU在处理这类任务时的效率往往低于GPU。因此，Meta取消了计划于2022年大规模推出定制芯片的计划，转而订购了价值数十亿美元的Nvidia GPU，这需要对其多个数据中心进行重大重新设计。

为了扭转局面，Meta计划开始开发更具雄心的内部芯片，并于近日公布了其AI训练与推理芯片项目。Meta将新芯片称为Meta Training and Inference Accelerator，简称MTIA，并将其描述为加速AI训练和推理工作负载的芯片“家族”的一部分。据了解，与GPU相比，MTIA在全连接层上的每瓦性能最高可达两倍，该芯片计划将于2025年推出。

值得注意的是，Meta在5月初收购了英国AI芯片独角兽Graphcore的AI网络技术团队。Graphcore创始人Nigel Toon曾公开表示，Graphcore不属于CPU、GPU和ASIC中的任何一类，而是一款全新的专为AI加速而生的处理器，既有极高的运算能力以处理高性能计算业务，又和GPU一样可编程，以满足不同的场景需求。

如今，像Meta一样，很多云计算、人工智能公司也逐渐开始基于RISC-V开发芯片。在云数据中心领域，指令集架构一般被期待用于解决高性能、高效能问题。一个典型的例子就是Esperanto公司创造了第一个高性能 RISC-V AI处理器——ET-SoC-1 ML推理芯片，该芯片利用RISC-V创建了一个定制的1000多个核心系统，专门用于数据中心推理，加速许多可并行化的工作负载，旨在与AI推荐系统中强大的GPU处理器竞争。

另一家初创公司Ventana Microsystems也开发了面向数据中心的多核RISC-V小芯片——Veyron V1。值得一提的是，Veyron V1采用了类似AMD EPYC处理器那样的Chiplet设计。Vnetana表示，Veyron V1支持高性能并行Die to Die互连，拥有低延迟和低功耗，高度可扩展等特性。Ventana表示，其I/O总线延迟可以低至7ns，其缓存一致性架构也可提高工作效率，Chiplet设计也使得其更具可组合性。

有行业专家表示，RISC-V最有机会发力的领域是AI和机器学习，RISC-V架构将从AI专用芯片切入，逐步扩展至通用芯片。当前，随着生成式AI领域的发展，业界将进一步加速行业对RISC-V的评估，对RISC-V日益增长的兴趣标志着半导体行业的一个重要转折点。