芯耀
与非AI
238
RISC-V正在从边缘走向中心
阿里达摩院首席科学家孟建熠在2026玄铁RISC-V生态大会上说了一句话：RISC-V正在迎来一个关键的临界点。
过去一年，AI算力需求重构、物理AI概念兴起、芯片定制化成为主流趋势，RISC-V这个开源指令集架构的处境已经完全不同了。
几个关键信号：
生态加速成熟。 2026年RISC-V芯片行业报告指出，计算控制芯片已经广泛应用于电机驱动、电源管理及机器人控制器。产品设计聚焦实时任务处理、低功耗运行和安全隔离——这些恰好是边缘AI推理的核心需求。
国产化推动。 在自主可控的大背景下，RISC-V的开源属性让它成为国产芯片的重要选择。不少厂商已经在RISC-V架构上集成了NPU，做边缘推理。
成本优势明显。 相比ARM的授权费用，RISC-V的零授权费模式对中小团队和创业公司很友好。定制化空间也更大——你可以根据自己的需求裁剪指令集，而不是用ARM给你的全套方案。
边缘AI推理的需求在爆发
全球边缘AI芯片市场2025年突破420亿美元，2026年还在加速。AI边缘计算网关集成了多协议通信（5G、Wi-Fi 6、TSN）、本地AI推理引擎（NPU/GPU）及安全隔离机制，广泛部署于智能制造、智慧能源与城市物联场景。
对硬件工程师来说，这意味着选型时不能只看主频和功耗了。AI推理能力成了新的关键指标。
具体来说，选型时要额外关注这几个维度：
NPU算力。 不是所有带NPU的芯片都够用。要看支持的模型格式（INT8/FP16）、推理速度（TOPS）、以及是否支持主流框架（TensorFlow Lite、ONNX Runtime）。
内存带宽。 边缘推理的瓶颈往往不在算力，在内存带宽。模型参数需要频繁读取，带宽不够的话NPU再强也白搭。
功耗预算。 边缘设备的功耗预算通常很紧张。一颗芯片的AI推理能力再强，功耗超标也没法用。得在算力和功耗之间找平衡。
开发生态。 工具链是否完善、文档是否清晰、社区是否活跃——这些"软指标"在实际开发中影响巨大。芯片再好，文档写得稀烂，你也用不起来。
人形机器人正在倒逼芯片升级
2026年被定义为人形机器人的"场景筛选年"。瑞银证券估计今年全球出货量约3万台，规模不大但增速很快。
人形机器人对芯片的要求很特殊：既要高算力做AI推理，又要低延迟做实时控制，还要低功耗续航。这三个需求互相矛盾，选型难度很大。
目前主流方案是"主控+协处理器"架构。主控芯片跑Linux做AI推理和任务规划，协处理器跑RTOS做电机控制和传感器采集。两者通过高速总线通信。
选主控芯片时，NPU算力和多模态处理能力是关键。选协处理器时，实时性和外设接口（PWM、ADC、CAN）是关键。两颗芯片的配合需要仔细调，时序对不上就出大问题。
AI工具在芯片选型中的实际用法
说说我怎么用AI辅助选型的。
第一步：用Gemini 3.1 Pro做Datasheet分析。 把几份候选芯片的PDF丢给它，让它提取关键参数——主频、NPU算力、内存带宽、功耗、外设接口、温度范围。一份几百页的手册，几分钟出结构化对比表。多模态能力在这一步优势最大。
第二步：用Claude做方案评估。 把Gemini提取的参数和项目需求一起喂给Claude，让它做匹配分析。Claude的指令遵循很严格，输出格式规范，适合做结构化的对比评估。
第三步：用GPT做技术文档。 选型完成后，用GPT生成选型报告和技术方案。GPT在文字生成上的生态最成熟，输出质量稳定。
三个模型各干各的活，效率比单模型硬刚高不少。
2026下半年几个值得关注的方向
第一，RISC-V+AI的组合会越来越多。 开源指令集+边缘推理，这个组合在工业物联网和机器人领域很有竞争力。达摩院的玄铁系列已经在推了，后续会有更多厂商跟进。
第二，芯片定制化会加速。 RISC-V的最大优势就是可定制。针对特定AI任务裁剪指令集，能大幅提升推理效率。这个方向在2026年会快速成熟。
第三，工具链会越来越重要。 芯片本身的算力在趋同，差异化的战场在开发生态。工具链完善、文档清晰、社区活跃的芯片，会更容易被开发者接受。
最后说个实际感受
2026年的嵌入式芯片选型，比以前复杂多了。以前主要看性能和价格，现在还得看AI推理能力、开发生态、社区活跃度。
但好消息是，AI工具也在帮你做选型。Datasheet分析、参数对比、方案评估——这些以前要花几天的工作，现在几小时就能搞定。
工具用对了，选型效率翻倍。用错了，反而添乱。关键是搞清楚每个模型擅长什么，按场景分配。
