芯耀
与非AI
151
随着人工智能从“AI+”向智能体与物理智能（Physical AI）加速跃迁，RISC-V架构正迎来从通用计算走向具身智能、机器人、自动驾驶等物理世界交互场景的关键窗口期。在主流CPU指令集架构中，能够同时兼顾自主可控、生态繁荣与持续创新的，RISC-V几乎是不可替代的选择。其开放基因与灵活架构，正与物理智能技术浪潮形成共振，驱动新一轮产业变革。
7月18日，2026世界人工智能大会（WAIC）同期，“RISC-V赋能空间计算与物理智能”主题论坛举办了一场深度圆桌讨论。本次论坛由芯原股份董事长、首席执行官、总裁，上海开放处理器产业创新中心理事长戴伟民主持，嘉宾包括：灵睿智芯联合创始人、副总裁李华庆，MIPS（格罗方德旗下公司）中国区业务发展负责人李勇，进迭时空联合创始人兼总裁孙彦邦，芯原股份执行副总裁、定制芯片平台事业部总经理汪志伟，上海开放处理器产业创新中心秘书长谢涛，SiFive现场应用工程师张岩。
上述嘉宾汇聚了芯片设计、CPU IP、系统应用与开源生态等多方视角，就RISC-V在物理智能领域的技术优势、标准演进、架构路线、车规突破、战略选择与工具链生态六大议题展开讨论，不仅贡献了多维洞察，更引入多轮现场实时投票，以量化数据为产业判断提供了务实的参考坐标。这场讨论，可以看作是RISC-V在物理智能时代“从可能到可行”的一个缩影。
核心技术优势
首轮投票显示，RISC-V进军物理智能市场的前三大优势为：
- 可针对AI算法扩展指令（得票最高）架构可创新定制全球生态协同创新
李华庆指出，物理智能（以机器人为例）涵盖感知、决策、动作三大闭环环节，不同场景需求差异显著：自动驾驶为非接触式感知、结构化决策与点对点执行；而人形机器人需处理触觉、柔性物体等复杂多变信息，对算力与能效提出更高要求。
RISC-V凭借模块化、可扩展、可定制的特性，能够按需实现功能定制与硬件加速，在能效和计算效率上较x86和Arm更具灵活性。孙彦邦则从机器人整机企业视角补充：当前客户最迫切的需求并非单纯的PPA（性能、功耗、面积）优化，而是"如何让机器人快速跑起来、上战场"，以及方案能否快速迭代。因此，基于RISC-V构建CPU算力、AI算力与实时算力的融合方案，加速客户软件开发与迭代，是市场最直接的诉求。
多样化与碎片化的边界
针对RISC-V国际基金会提出的三种矩阵扩展方案——IME（复用Vector）、VME（向量+矩阵兼顾）与AME（独立大算力矩阵扩展），谢涛指出三者算力逐级递增、功耗也随之上升，分别面向不同AI计算负载场景，但客观上带来了软件生态的碎片化隐忧。第二轮投票显示，业界对三种方案走势的主流判断为："会优胜劣汰后自然收敛"（得票最高）。
李勇认为，硬件实现虽有差异，但RISC-V开放架构可通过统一的软件栈适配不同硬件配置（如编译器针对不同Matrix架构优化），从而在满足多样化需求的同时化解碎片化问题。戴伟民则提醒业界应区分"多样化"与"碎片化"，暗示前者是生态健康的标志，后者是需治理的风险。
架构路线之争
第三轮投票显示，面向物理智能的高性能芯片架构路线中，"AI算力与CPU深度耦合"与"原生集成和异构长期并存"并列获得最高票（两者票数接近），反映出产业界对技术路径的共识。
张岩以1968年哈佛教授在Display Controller中引入灵活指令的历史类比，指出物理智能应用需求仍在快速演变，RISC-V开放架构能够找到通用计算的"最大公约数"并在"留白"领域加入加速逻辑，实现同一线程下的上下文融合——类似英伟达从图形处理器演进为通用AI算力护城河的路径。
车规级突破
汪志伟透露，芯原去年完成6款车规芯片，汽车电子已成为重要增长点。当前一辆车约需200颗芯片，MCU占整车芯片需求的98%以上，RISC-V在MCU领域通过功能安全认证的接受度正快速提升。
但在智驾座舱等高端场景，由于需采用5nm、12nm等先进工艺，IP成本占整体流片设计成本比重下降，RISC-V的成本优势被削弱；加之功能安全准备尚不充分、用户接受度需时间验证，进入门槛相对较高。汪志伟判断，随着一两个成功量产案例落地，市场接受度将逐步提升，RISC-V在车规市场前景广阔。
第四轮投票显示，RISC-V在物理智能领域最先量产的三大场景为：
- 工业自动化消费级具身智能智慧汽车
战略选择
第五轮投票显示，RISC-V在物理智能时代最应采取的发展战略中，"抓住云侧、边侧和端侧AI ASIC的历史机遇"获得最高票。
李华庆建议分层应对：硬件层面充分发挥RISC-V灵活可定制优势；软件与应用层面则优先解决"可用性"，兼容现有生态与用户习惯，待硬件充分创新后再逐步引导切换。
孙彦邦提出更具前瞻性的观点：应与模型公司、算法公司深度协同，不再以"云、边、端"划分芯片定位，而按模型参数量级（如3B、7B、30B、200B、1000B）定义产品规格。以端侧30B模型、15 Token/s的可用智能为例，算力、内存与带宽需求可精确反推，形成清晰的产品定义牵引力。戴伟民则指出超轻量场景（如AI眼镜，基于0.27B模型）同样存在明确需求，证明模型分级具备从超轻量到高性能的全覆盖适用性。
工具链困境
第六轮投票显示，破解RISC-V在物理智能开发工具链"难用"问题的首选路径为："靠开源社区，快速迭代"（得票最高）。
谢涛指出，短期应尽快兼容并接入当下主流开源软件生态；中长期来看，当前GPGPU主导的市场格局恰恰为RISC-V提供了发起新开源软件生态的历史机遇。
尤为关键的是，大模型与智能体系统可极大加速软件迁移——谢涛团队已发布AKO自动算子优化框架，能够将已有未优化算子通过智能体系统自动生成针对性优化实现，这是AI时代赋予RISC-V软件生态建设的独特时代红利。
结语
本次圆桌共识清晰勾勒出RISC-V在物理智能时代的战略价值，物理智能是AI从数字走向物理的必然趋势，而作为开放架构的代表，RISC-V正站在这个历史性机遇的十字路口，从"技术可行性验证"向"场景落地推广"过渡的关键阶段。
正如戴伟民所言，RISC-V的"留白"既是机遇也是挑战：标准化的扩展需要全球协同，私有化的扩展需要场景深耕。而物理智能，或许正是RISC-V证明自己"不仅是替代，更是创新"的最佳场景。
