随着人工智慧 (AI) 技术的演进，AI 算力的需求正从单纯的效能比拼转向以「价值」为主导。当前开发者与下游客户的关注点已延伸至降低 Token 成本、缩短开发周期及优化业务耦合度。

据陆媒《中国电子报》报导，在这一趋势下，RISC-V 凭借其模组化、指令可客制化及灵活裁剪的特性，被视为构建 AI 硬体与内化运算能力的重要选择。

底层特性与高性能计算的突破

针对 RISC-V 的技术契合度，北京 RISC-V 数位基础设施创新中心总经理陈景伟指出，RISC-V 具有「底层且原生」的优势，且无历史包袱与商业授权限制，能迅速搭建适合快速演进 AI 算法的架构。他将基础指令集比喻为螺丝刀，扩充指令集则为按需更换的批头，可快速应对新出现的运算需求。

在数据中心领域，赛昉科技创办人兼 CEO 徐滔认为，随着 AI 从对话工具转向自主执行任务的「智慧体 (Agent)」，CPU 的角色已转变为「系统总调度员」，负责任务拆解与结果验证等复杂操作。

上海灵睿智芯副总裁李华庆进一步补充，单一架构难以支撑复杂的长尾业务，而 RISC-V 的模组化设计能实现「工作负载定义晶片」，对智慧体开发者具备吸引力。

指令进化与设计理念转型

在算力底座的构建上，中国电子工业标准化技术协会 RISC-V 工委会执行秘书长周萌强调，向量扩充 (RVV)、矩阵扩充与异构集成是构筑 AI 算力平台的中心模组。其中，矩阵扩充规范正透过三条技术路线覆盖从低功耗到高算力的全场景。

关于晶片设计的转型，奕斯伟计算 CTO 何宁分析，传统 x86 与 Arm 架构多聚焦通用计算，而 AI 计算则以海量并行运算为核心。因此，面向 AI 的 RISC-V 晶片正转向异构融合架构，强调存算协同、并行处理与多精度混合计算，并利用 Chiplet 封装实现架构的弹性扩容。

建立互信机制与生态建设

尽管技术具备潜力，但在智慧驾驶、数据中心等高可靠领域，软体生态仍是主要障碍。openKylin 生态委员会主任李震宁表示，由于高价值领域出错代价巨大，业界普遍存在观望心态。他建议透过建立联合验证平台、公开透明的兼容清单、推动参考设计、明确长期维护责任及共享生态收益等五大机制来建立产业信任。

针对未来布局，何宁建议 RISC-V 应采取差异化策略：在终端侧利用低功耗优势，在边缘侧发力推理业务，并在云端探索大模型服务，以此打造端、边、云协同的特色 AI 发展路径。