1488
处理器芯片CPU，是电子设备的大脑，你在几乎所有电子设备里都会找到它。能做CPU的公司很多，但全世界的CPU却主要基于两种结构：一个是英特尔AMD在用的x86架构，另外一个是苹果高通海思等等很多公司在用的ARM架构。
直到最近几年，一个名叫RISC-V的新架构横空出世，谷歌、高通、英特尔等国外公司，阿里平头哥、华为、中兴等国内公司，都已经在深度布局RISC-V CPU了。甚至有人说，RISC-V会和x86和ARM形成CPU领域的三足鼎立。
那么RISC-V到底是什么，它有哪些独到之处值得受到全球的关注？它对中国的芯片行业、特别是最关键的处理器芯片领域，到底有哪些好处？能否帮助中国芯片实现突围？今天的文章，我们就一起来看一下。
RISC-V：x86与arm之外的第三极
处理器芯片是电子产品和设备的核心，而处理器芯片的核心，就是指令集。指令集就好比是我们语言的语法规则，根据这套语法和规则，我们就可以遣词造句写出不同的文章。
不管是x86、arm还是RISC-V，其实都是一种指令集，就好像中文、英文、日文一样，都有着不同的语法和规则。根据指令集规范，就可以设计出不同的处理器，比如基于x86的酷睿和锐龙，基于arm的苹果M1和高通骁龙，基于RISC-V的平头哥玄铁和中科院计算所的香山，等等。
RISC-V之所以会受到越来越多的关注，是因为RISC-V最大的特点就是开源、开放、免费。在RISC-V出现之前，主要的指令集都归少数几个大公司所有。比如英特尔和AMD拥有x86指令集的所有权，但他们并不对外授权，而是直接做成芯片自产自销，借着互联网的东风和个人电脑的普及，英特尔与微软达成了Wintel联盟，让x86成为了现在计算机领域使用最广泛的指令集。
相比之下，ARM稍微开放一点，它并不自己设计生产芯片，而是授权给苹果高通英伟达这些公司，让它们使用ARM指令集架构去造芯片，每造出来一颗就收一点钱。而趁着移动互联网的浪潮，ARM与Android联手，主导了手机和平板电脑市场。
不过不管是x86还是ARM，它们这些语言的语法规则都是少数几个大公司制定的。你想说这门语言，或者你想用这门语言写文章，那你就要先花钱买这些公司的授权。如果张三有个绝妙的想法，需要用一种处理器芯片去实现，但是兜里连一个大钢镚都没有，那就没办法去实现这个想法了。
因此在2010年的时候，加州大学伯克利分校的几位学者，包括后来获得图灵奖的David Patterson教授提出了一个口号，叫做“指令集应该免费 - Instruction Sets Want to be Free” 。也就是说，需要有一个全球通用的指令集标准，这样全世界所有的张三、李四，以及所有的公司和大学，都可以基于这个标准去做自己的处理器。而更重要的是，这个指令集标准应该是Free的。他们当时团队4个人仅花了三个月的时间，就完成了RISC-V指令集的设计和开发。
值得一提的是，RISC-V这个名字由两部分组成，RISC指的是精简指令集。和它相对的是复杂指令集，也就是CISC，x86架构就是典型的CISC。而这个V其实是罗马数字的5，所以RISC-V的意思就是第五代精简指令集处理器。这是因为伯克利的David Patterson他们之前已经做了四代RISC，所以最终留下来的是第五代，也就是RISC-V。
RISC-V的核心理念就是“Free”，这个Free其实有几层含义。首先就是免费：和x86、arm不一样，RISC-V是完全免费的，没有授权费，没有黑心中间商赚差价，但这只是它最底层的意义。
Free在英语中还有“自由”的意思，也就是说RISC-V是开放的，使用起来也非常自由，你可以自己给他加新的指令，可以在原有指令的基础上进行扩展，甚至也可以删掉那些不必要的指令，最终实现一个专门为你量身定做的处理器芯片。
就拿人工智能应用来举例，RISC-V里就有专门的矢量指令扩展，它就是用来加速人工智能应用里常见的矢量运算的。很多的RISC-V处理器也通过在芯片里集成专门的矢量执行单元，来重点支持RISC-V的矢量指令。比如阿里平头哥的C906，就可以支持INT8到INT64、FP16到FP64，以及BFP16的这些新型数据格式。
RISC-V有着很高的灵活性和可定制性，这特别适合于AIoT这种非常碎片化的场景。很多的智能设备的功能各不相同，一方面并不需要一个面面俱到的CPU去进行控制，另一方面对某些特定的应用场景还需要专门的优化，同时还要兼顾高性能和低功耗。这样一来，RISC-V就可以通过各种不同的配置，特别适用于这种有很强碎片化的场景。
很多人觉得RISC-V只能做低端低性能的处理器，其实并不是这样。比如率先实现对安卓系统兼容的玄铁C910、还有很多朋友都听说过的香山处理器，都是高性能RISC-V处理器的代表。
除了通用性能之外，RISC-V在专用性能上也可以做的很高，比如前面说的平头哥C906对人工智能的优化实现，包括对矢量运算的支持、对不同数据精度的支持等等，都可以让C906的AI性能上一个大的台阶。
在全球的人工智能领域有个基准测试叫MLPerf，各种AI芯片做出来之后都会拿MLPerf跑个分。除了传统的那些人工智能的大规模高算力的场景，近两年MLPerf增加了一个叫Tiny的新分类，专门针对低功耗和高性价比的AIoT领域。
在4月7日的最新榜单里，平头哥玄铁C906在全部4个基准测试的数据上都拿到了世界第一，并且领先第二名10到20倍，这也创造了RISC-V架构在MLPerf tiny里有史以来的最好成绩。
值得注意的是，平头哥做的这个并不是AI加速器，而是直接在RISC-V CPU里提供对人工智能应用的支持。这样就比使用额外的AI加速器有更好的能效。
提升性能的秘诀：软硬件协同
有了指令集和处理器芯片本身，其实还远远不够。事实上，我们每个人都可以自立门户，在很短的时间里自己任意设计一套新指令集RISC-250。但是为了让它真正广泛的用起来，配合这个芯片硬件进行使用的软件同样重要。
之前写过，“没有软件，芯片就只是昂贵的沙子”，软件给芯片注入了灵魂。再拿人工智能举例，即使芯片上集成了指令集扩展和矢量加速引擎，也需要通过软件给开发者提供使用的方法。
但是说起软件，其实并不是只有一种。芯片厂商通常会提供一系列不同的软件，并且像夹心饼干或者汉堡一样把它们一层一层摞起来。这样最大的好处是能够让每一层专注于某个具体的功能，而不需要设计一个巨大巨复杂的软件负责所有事情。
比如平头哥就有一个名叫HHB的软件框架，它是平头哥提供的一套针对玄铁 CPU 平台的神经网络模型部署工具集，包括了部署神经网络模型的时候需要的编译优化、性能分析、过程调试、结果模拟等一系列工具。
HHB在整个软件大汉堡的中间，上面是Caffe、TensorFlow这些业界通用的机器学习库和框架，下面是用于底层硬件实现的函数库和系统环境。HHB最重要的功能，就是负责将上层机器学习框架训练导出的各种模型文件，转换成底层的函数库的调用。HHB的功能还有很多，包括支持多种数据类型的多种量化方式 ，可以自动为指定的玄铁CPU平台选择最优的量化方案等等。
除了HHB，平头哥还有一个叫CSI-NN2的开源神经网络加速库。它一方面对各种常用的算子进行了接口抽象，另一方面考虑了不同的数据精度和量化方法，针对CPU的流水线，分支预测和高速缓存这些硬件特性进行了代码优化。这种软硬件结合的优化方式，其实也正是现在处理器芯片设计和优化的最主流的方法。
有了软件、框架和函数库，还需要一个集成的开发环境把这些工具整合起来，并且给软件工程师提供一个统一的开发界面。再拿平头哥举例，他们提供了一个叫剑池CDK的集成开发环境，它能自动对接底层的RISC-V芯片平台，并且自动获取芯片上面的开发资源。
剑池CDK主要包含四个部分，分别是各种开发包和组件、图形化的编辑器、调试器、还有分析器。这四个部分，其实也是绝大多数软件或者嵌入式开发环境都会包含的主流配置，但是剑池CDK把这些集成到了RISC-V的芯片开发里。
通过提供的这些开发包和组件池，开发者可以直接在这个池子里选择需要的组件，然后拼接成系统，这一方面增强了组件重复使用的能力，另一方面也提高了芯片的开发速度，不需要开发者自己再造轮子了。而产业链下游的厂商，则可以根据对市场需求的了解，在此基础上进一步开发出更定制化的AI功能和应用。
处理器生态：走向成熟的必要条件
前面说过，RISC-V最重要的特点，就是开源开放。比如平头哥就开源了包括C910和C906在内的四个玄铁RISC-V处理器、以及相应的多个操作系统和全栈软件工具。这种开源的商业模式，和人们的传统理解相比其实有着很大的差异。
很多人都会有这样的疑问，如果我把所有的源代码、文档和秘密都公开了，那我还怎么赚钱，还怎么活？
开源的逻辑是，仅凭一家公司或机构，很难既完成核心技术突破，又能在此基础上实现丰富多样的应用开发，而后者就是我们通常说的生态，它往往更能决定一个架构的兴衰成败。英特尔与微软，Arm与安卓，这两大架构的成功，都极端依赖于生态的繁荣。
有一个说法，在处理器上投入1块钱，生态就会长出20块钱，生态是处理器架构发展的价值放大器。这也好理解，如果每个人都守着自己的一亩三分地，那迟早会遇到发展的瓶颈。只有不断把生态这个蛋糕做大，每个人才能分到更多的蛋糕。
另外，生态的好处就是，每个人都可以针对自己擅长的领域去做，不需要从头造轮子，这也将极大加快创新涌现。事实上，软件开发早就基于开源生态了，比如某个公司想做一个APP，肯定绝大部分代码都不需要自己写，可以直接在开源社区里获取，而自己只需要专注在那10%的、和自己业务直接相关的代码开发上。而就是这10%，才构成了这个公司最重要的核心竞争力。
这就大大降低了软件创新的门槛，国内外的那些互联网巨头，其实都是通过这种方式成长起来的。他们也成为了软件开源生态的主要贡献者，比如前面说的TensorFlow、PyTorch这些AI框架，还有Linux、Redis、Kubernetes等等。
尽管硬件开源还是件新鲜事，但如何去做可以参考软件开源。比如我想做一个定制的AI芯片，就完全可以拿平头哥开源的玄铁C906，然后在上面加上我的核心算法、或者对RISC-V的指令集扩展，并且再用开源的EDA工具，就能快速地完成一个AI处理器的设计开发。这种方式，在x86或者arm时代，是绝对不可能想象的。
结语
在开源软件里，Linux是整个生态的基石。基于Linux人们开发出了编程语言、编译器、开发框架模型等等一整套工具链和大量开源软件。
在芯片领域， RISC-V未来和可能会像Linux那样，成为芯片和计算机创新的基石。处理器性能刷新，软硬件协同效率提升，芯片应用越来越广泛，匹配领域也不断扩大，种种迹象表明，现在我们已经走在了RISC-V生态繁荣的前夜，相信未来会有越来越多的软硬件开发者加入这个生态。
（注：本文不代表老石任职单位的观点。）
下载ECAD模型
