奕斯伟计算：做“可交付、可规模”的AI“边缘底座”

2019年，奕斯伟计算（ESWIN Computing）创立，作为一家智能化解决方案提供商，奕斯伟计算采用新一代RISC-V计算架构，创新领域专用算法及IP，构建高效开放的软硬件平台，提供智能终端和具身智能等智能化系统级解决方案。

奕斯伟计算智能计算事业部方案生态总监李建宇博士在湾芯展期间介绍了奕斯伟计算在智能计算领域的发展目标：以RISC-V为技术底座，自研NPU，从智能计算SoC延伸到“板、卡、盒”多形态产品，力图为边缘侧提供一个稳定、可扩展的计算底座。

奕斯伟计算的智能计算产品形态介绍

“只做芯片不足以覆盖客户场景。” 李建宇博士表示，围绕RISC-V边缘计算SoC EIC7700X和多用途智能计算SoC EIC7702X，奕斯伟计算推出了三种产品形态，分别对应开发、集成、部署三个阶段：

SBC单板计算机：轻量AI的“口袋机”

尺寸接近信用卡，静态功耗约6W，支持20 TOPS推理、4K/8K视频播放与3D图形处理，亦可使用常规办公软件；可在本地运行“千问”“DeepSeek”等千万参数级模型。其定位是教学、科创与嵌入式开发者的快速上手平台，降低学习与原型验证门槛。

AI加速卡：给既有服务器加一块AI插槽

面向AI视频分析、视频转码、语义识别等任务的AI视频转码卡集成5颗EIC7702 SoC，已进入通信行业头部客户测试与部署阶段，目标是在算力密度与能效上兼顾运维与交付。

AI Box：直面“现场”的微型服务器

把SoC、存储、网络与I/O做成即插即用的标准盒子，面向智慧城市、智慧教育等使用“视频+AI”频率较高的场景，如人脸与行为分析、交通违章检测等。它强调部署灵活、成本可控、易维护，并支持私有化部署，减少数据外流。

在软件侧，奕斯伟计算一方面推动RISC-V在主流开源体系中的可用性，如RedHat基于搭载奕斯伟计算RISC-V智能计算SoC EIC7700X的HiFive Premier P550开发平台，发布了RedHat企业版Linux（RHEL 10）以完善RISC-V企业级操作系统生态；另一方面，面向行业既有工具链做兼容与迁移测试。其目标并非“谁替代谁”，而是降低迁移成本，让开发者沿用熟悉的框架与工具，把模型、算子顺畅落到边缘设备上；对系统集成商而言，则需要从驱动、编译器、推理引擎到运维工具的一揽子交付。

为什么选择RISC-V+自研NPU架构？

在全球供应链不确定性增强的环境下，RISC-V以开放、灵活著称，便于按业务负载做指令与微架构层面的裁剪，为长期产品演进提供空间。

奕斯伟计算多用途智能计算SoC EIC7702X单芯片算力40 TOPS，拥有更大的片上与片外存储容量，最高支持64GB DDR5、102GB/s带宽，意在把“算力、容量、带宽”三者结构平衡，避免“算力很强、数据喂不饱”的空转。面对DDR4供需波动，奕斯伟计算采用DDR5在带宽与能效上具备综合优势，在同一芯片内统一规划NPU、CPU、GPU、DSP与内存通道，针对视频、图形、AI推理、信号处理等复合任务实现“一芯多用”。

在大模型推理的资源组织上，奕斯伟计算给出一个对比：若目标是满足类似deepseek671B的内存总量需求，部分同类48GB推理卡需要24张才能达到1128GB；而基于4颗EIC7702X的推理卡，5张即可满足。这种“大容量+高带宽”的组合，减少并行卡数，均衡算力配置，随之降低整机功耗、成本与集成复杂度。

可以说，奕斯伟计算的“RISC-V +自研NPU”架构精准瞄准了高增长的AI应用市场，其产品矩阵覆盖了AI PC、智能汽车、机器视觉与视频分析等领域。例如，EIC7700X SoC就是专为对算力要求苛刻的边缘AI视觉应用而设计的。这些应用场景的共同特点是，既需要CPU处理复杂的控制逻辑和操作系统，也需要NPU提供海量的并行AI算力，这正是奕斯伟计算异构架构的用武之地。

云计算时代，为何还需要边缘AI？

近年来以大型语言模型（LLM）为代表的生成式AI爆发，其背后是云端数据中心提供的强大计算能力和海量的数据存储支持。从模型训练到推理服务，云端似乎是生成式AI理所当然的运行环境：无论是复杂的文本生成、代码编写，还是高质量的图像与视频创作，都依赖于部署在云端的庞大模型。

然而在自动驾驶、智能制造、个人健康监测、实时交互式客服等领域，对即时响应、数据安全和运行可靠性的要求达到了前所未有的高度。

生成式AI应用进入行业现场后，云端集中模式的三类限制缺点变得突出：

其一，时延。任务频繁往返云端，实时性不足；

其二，带宽/成本。大量数据上传下载，传输与存储成本攀升；

其三，隐私/合规。人员与企业数据集中处理，安全压力增大。

在此背景下，将更多计算“搬到数据产生地”成为趋势。李建宇博士对与非网记者表示：“我们要解决的不只是算力，更是边缘落地的可行性——能不能稳定跑、能不能规模部署、能不能长期维护。”围绕同一任务把推理就近处理，可以降低网络依赖，减少整体能耗与费用，同时便于做私有化部署与生命周期管理。

总结：做“可交付、可规模”的边缘AI底座

边缘计算不是“一次性交付”，而是长期运行与维护。奕斯伟计算在产品规划中更关注稳定性、功耗、软件栈迭代与可运维性，以“可跑、可管、可扩”为目标，保证系统长期处于可用的“稳态”。

边缘计算并非与云端“此消彼长”，而是更合理的任务分工：边缘计算就地处理、提升实时性、减轻带宽负荷，兼顾隐私与合规；云端仍承担训练与大规模集中调度。当行业从“有没有算力”走向“怎么用、怎么管、怎么长期稳定运行”，工程能力与交付体系的权重就显著上升。

如果说云端的目标是“规模极致”，那么边缘的价值在于把“小而强”的每一个节点做稳做久，让一线场景获得可持续的计算供给。在算力自主化与行业应用加速并进的阶段，奕斯伟计算的智能计算产品选择以RISC-V的开放性与自研NPU的确定性，结合DDR5带宽与容量的结构平衡，从产品到系统的稳步推进。站在智能计算的维度，这句愿景落到当下，就是以明确的技术路线与执行力，做出“可交付、可规模”的边缘AI底座。