過去幾年，RISC-V不斷打破性能紀錄，逐漸擺脫了外界對其只能應用於低功耗、嵌入式領域的固有印象。但當高性能RISC-V真正站上主流計算市場的門檻，一個更加現實的問題也隨之浮現：處理器性能達標之後，距離真正的規模量產，還有多遠？
10月19日，在深圳舉行的2026 RISC-V中國峰會上，這一問題也成為產業關注的焦點。經過多年的高速增長，行業機構預測RISC-V處理器年出貨量正保持50%的高速增長，預計到2030年市場佔有率將達到約25%。
作為國內較早佈局高性能RISC-V的團隊之一，阿里巴巴達摩院玄鐵自2018年投入RISC-V研發以來，已形成業內覆蓋最全面的CPU IP產品線，支撐超過60億顆晶片交付，落地200餘款量產晶片，服務400多家晶片及硬體裝置廠商，初步建立起覆蓋不同計算場景的產品與生態體系。而在此次峰會上，達摩院玄鐵再次投下重磅“炸彈”——不僅展現了旗艦核C950在Agentic AI與伺服器多核互聯上的深厚積澱，更首發車規產品路線圖與車規增強處理器玄鐵E908A。
“高性能RISC-V正在經歷從“可用”走向“可靠”，並進一步邁向規模量產的關鍵階段。”在接受半導體行業觀察的採訪時，達摩院首席科學家孟建熠表示。
一、突破70分之後，RISC-V還要翻越幾座大山？
今年3月，達摩院發佈新一代旗艦處理器玄鐵C950，主頻達到3.2GHz，單核SPECint2006成績突破70分，刷新了RISC-V高性能處理器紀錄，使開放指令集架構在單核性能上進一步逼近主流伺服器CPU的競爭區間。
從2019年玄鐵C910運行頻率突破2GHz，到2025年面向伺服器級計算的C930，再到如今的C950，玄鐵不斷向更高性能演進，也逐漸證明RISC-V在高性能通用計算領域具備足夠的發展潛力。
但性能紀錄的刷新，並不意味著商業競爭的勝利。孟建熠指出：“3月份，我們向大家展示了很好的基準測試表現，相當於拿到了150公斤級比賽的入場券。拿到入場券後，大家接下來就要看，我們在具體比賽中到底能打敗誰。”
事實上，標準基準測試能夠反映處理器的部分核心能力，但進入真實伺服器場景後，決定系統性能的因素遠不止單核算力。隨著CPU核心數量不斷增加，互聯頻寬、快取一致性、記憶體訪問效率以及並行調度能力，都會影響最終的計算表現。
這也是玄鐵C950此次持續升級的重要方向之一：從單核高性能，向多核高性能邁進。單核性能決定了一顆CPU的起點，而多核擴展效率與系統穩定性，則進一步決定其能否真正進入高性能伺服器市場。
孟建熠解釋，單核設計主要關注核心內部的執行效率，而多核系統首先需要解決互聯匯流排的吞吐問題。多個核心同時訪問記憶體或交換資料時，頻寬競爭與訪問衝突隨之增加，使整體性能難以隨核心數量線性增長。例如，假設單核性能為100，100個核心理論上應達到10000，但實際運行可能只有7000，多核性能線性度便只有70%。
按照孟建熠披露的資料，玄鐵相關設計目前已將多核性能線性度提升至75%以上。為此，達摩院重點推進了XT-LINK多核互聯技術，圍繞多核通訊效率、互聯頻寬及快取一致性展開最佳化。
其中，快取一致性尤其具有挑戰性。隨著核心數量增加，系統必須確保多個核心在並行訪問共享資料時保持正確性，同時儘可能降低一致性維護帶來的額外開銷。對於資料庫、雲端運算等高並行業務而言，這些能力直接關係到處理器能否在更大規模下釋放性能。
然而，硬體架構的完善只是其中一環。另一項同樣重要的工作，是讓處理器在真實業務中跑出具有競爭力的性能。
相較於今年3月主要展示基準測試成績，此次達摩院進一步強化了C950在雲端運算、AI推理及Agentic AI等應用場景中的最佳化。據其披露，在四類Agentic工作負載測試中，C950相比部分主流傳統架構處理器取得了10%以上的性能優勢。
孟建熠坦言，C950在通用計算和AI擴展方面已具備一定競爭力，但與x86、Arm相比，仍需要持續完善軟體適配。從編譯器、執行階段環境到應用程式，不同層級的軟體都需要針對處理器架構進行最佳化，才能充分釋放硬體性能。
“如果說C950的發佈是很大的一步，那麼今天這些最佳化看起來很小，卻是聚沙成塔、一點點搭起來的，都是很細、很不容易的工作。”
這也意味著，高性能RISC-V的競爭正在進入更加精細化的階段：不再只是通過一項標誌性指標證明架構實力，而是需要依靠多核設計、軟體最佳化與持續的工程驗證，將性能優勢轉化為真實場景中的競爭力。
二、Agentic AI，給RISC-V打開另一扇門
儘管RISC-V在性能上持續突破，但如果沿著傳統通用CPU的競爭路徑前進，仍然需要面對x86和Arm歷經數十年建立的軟體生態與產業壁壘。對客戶而言，採用一種新架構不僅涉及硬體替換，還意味著軟體遷移、系統驗證及後續維護成本，僅憑局部性能優勢往往難以形成足夠的吸引力。
不過，AI計算形態的變化，正在為RISC-V提供新的切入機會。
過去幾年，AI算力競爭主要圍繞GPU展開，從大模型訓練到推理部署，產業持續追求更高的平行計算密度和Token吞吐量。然而，隨著AI應用從單次模型呼叫走向複雜的Agentic AI工作流，計算系統中的任務結構正在發生變化。
一個典型的智能體應用，並不是簡單地將資料送入模型、等待結果返回。它可能需要先完成任務拆解、資訊檢索和工具呼叫，再執行一次模型推理，隨後訪問資料庫、運行外部程序，甚至根據中間結果反覆進行規劃和決策。
在這個過程中，並非所有計算都適合交給GPU。大量任務編排、邏輯處理、資料搬運和系統調度仍然需要CPU承擔，而模型推理又需要矩陣計算等AI加速能力。不同計算單元之間反覆切換，帶來的不僅是算力開銷，也包括資料移動、任務調度和響應延遲。當AI競爭從單純追求模型吞吐量，延伸到整條智能體工作流的執行效率，CPU與AI加速器之間的邊界也開始重新調整。
這正是達摩院試圖抓住的機會。
孟建熠介紹，玄鐵C950圍繞AI工作負載持續進行架構最佳化，包括矩陣計算、記憶體架構，以及啟動函數和特殊函數計算等環節，並進一步在軟體層面對執行階段環境和算子庫進行最佳化。
其中，一個重要方向是將RISC-V通用計算能力與專用AI計算模組結合，形成所謂的“通推一體”架構，延遲更低、成本更優，也可以本地化部署。按照孟建熠的判斷，在部分30B參數以下模型的應用中，這一路徑可能具備明顯優勢，尤其是需要頻繁進行任務協同、對端到端延遲較為敏感的Agentic AI場景。
然而，孟建熠並沒有將RISC-V的未來侷限於通用CPU。在他看來，未來AI計算系統可能由CPU、GPU和各種專用XPU共同組成，不同計算單元分別處理適合自己的任務，再通過系統級調度實現整體效率最優。
那麼，在異構計算逐漸成為主流的背景下，RISC-V能否成為各種專用計算架構的共同基礎？孟建熠給出了明確判斷，RISC-V應該成為各種XPU的基座。
這背後有著重要的產業邏輯。當前，面向特定AI計算任務設計專用加速器，已成為半導體行業的重要趨勢。企業可以通過專門最佳化資料流、記憶體結構和計算單元，提高目標負載的執行效率。但如果每一家企業都從零設計一套封閉的專用處理器架構，往往需要同時承擔軟體工具鏈、編譯器和執行階段系統的建設成本。
RISC-V則提供了另一種可能：在保留標準化、可程式設計計算基礎的同時，允許企業根據實際應用需求，擴展矩陣計算、資料處理等專用能力。通用計算部分可以做得更精簡，專用AI計算模組則可以更強大，最終形成面向特定工作負載的XPU，同時儘可能復用RISC-V已有的軟體基礎設施。
從這一角度看，RISC-V的開放性不僅是授權模式上的優勢，更有可能成為異構計算時代的一種架構創新能力。
此外，Agentic AI還可能在軟體層面為RISC-V帶來新的切入機會。孟建熠指出，相比大量依賴圖形介面及傳統應用生態的計算場景，許多Agent任務主要圍繞API呼叫和後台工作負載運行，對原有桌面軟體生態的依賴相對較低。孟建熠將這一變化視為重要機遇。
在談及CPU供應鏈緊張是否也會為RISC-V帶來機會時，他表示，供應鏈因素固然能夠形成推動力，“但這只是東風，核心還是Agent CPU的整個應用形態發生了變化。”對RISC-V而言，AI帶來的機會未必只是追趕傳統CPU架構，更在於新的計算範式正在形成，使其有機會從架構設計階段參與下一代計算系統的建構。
三、首發雙規車規IP，錨定Physical AI
如果說Agentic AI代表了虛擬世界的計算變革，那麼以自動駕駛和具身智能為代表的Physical AI（物理AI），則是RISC-V向高價值領域滲透的“第二曲線”。
本屆峰會上，達摩院正式發佈了面向車載場景的車規增強處理器玄鐵E908A。這是業內首款同時滿足ASIL-B（軟體級可靠性）和ASIL-D（硬體級極高可靠性）標準的RISC-V CPU IP，其單點安全度量（SPFM）首次突破90%，為安全島、域控製器及車載閘道器提供了極高安全等級的即時計算底座。
同時，達摩院公佈了自動駕駛與具身智能的下一代產品路線圖：預計於明年年底推出下一代高性能車規CPU C950A，其目標性能將達到現有RISC-V車規產品的5倍。
RISC-V進入汽車，早已不是新鮮事，國內外不少RISC-V的企業都已經進入。那為何達摩院此時選擇進入汽車領域呢？
孟建熠坦言，玄鐵進入車規市場，主要想帶來兩方面的提升：
第一是可靠性。這次我們在 ASIL-B 和 ASIL-D 方面作了很大增強。有一個車規領域用於衡量可靠性的重要指標，我們做得比它們都高，大家屆時可以看具體指標。
第二是向高價值方向發展。我們要把車規產品性能提升到前所未有的高度，讓 RISC-V 領域也有像輝達那樣的產品，否則難以跟上輝達的產品。我們主要作這兩方面貢獻，其他方面大家也都在貢獻。
談及RISC-V入局汽車與機器人領域的底層邏輯，孟建熠表達了清晰的判斷：“相比Agentic AI，Physical AI的難度更大，對算力和即時性的要求更高。今天的通用計算架構肯定還不夠，需要在此基礎上擴展，更好地面向 Physical AI 的演算法、模型和硬體架構。在這方面，RISC-V可以比傳統的幾種架構走得更快。”
孟建熠進一步指出，RISC-V在機器人領域機會不僅在機器人的“小腦”，也在“大腦”。“小腦”方面，現有架構已經證明可以做，並不是做不了。但從“大腦”的角度，RISC-V 還有很大機會，關鍵仍然是 AI 能力和可靠性，這些都可以做更好的定製化。
不過，相比仍處於快速探索階段的具身智能，孟建熠認為，自動駕駛對高性能算力的需求更加明確，因此可能成為高性能RISC-V率先取得突破的方向。
四、拒絕生態碎片化：工程打磨與前沿創新的雙輪驅動
對於正在向高性能計算市場進軍的RISC-V而言，處理器性能的突破只是第一步，真正決定其能否規模化落地的，還有軟體生態這道關卡。
軟體生態短板，始終是懸在RISC-V頭頂的“達摩克利斯之劍”。以開源社區 OpenEuler 為例，x86與Arm的軟體包已超3萬個，而RISC-V目前尚不足3000個，差距依然顯著。
對於RISC-V而言，下一步不僅需要解決軟體“能不能跑”，還需要進一步解決“跑得好不好”“維護是否方便”，以及“客戶是否願意為遷移付出成本”。
面對生態建設這一長周期工程，達摩院正從標準建設、基礎軟體最佳化和商業應用適配等多個層面推進生態成熟。
在標準化方面，作為全球軟體生態計畫RISE創始成員中唯一的中國企業，達摩院深度參與RISC-V國際組織CSC認證基線建設，開源2796個測試用例，為不同軟硬體平台建立共同的相容性基礎。
在基礎軟體方面，達摩院在GCC社區的RISC-V相關程式碼貢獻量位居全球第二，推動典型性能提升10%以上；OpenJDK社區過半數的RISC-V程式碼來自玄鐵團隊。玄鐵C950還實現了與伺服器級Java的深度適配，性能提升30%。與此同時，玄鐵已獲得多家主流商業作業系統的原生支援，並持續推動淘寶、釘釘、微信、WPS等商業應用的深度適配。
在生態相容的同時，達摩院也在積極探索技術創新。達摩院聯合北京開源晶片研究院、中興微等機構開展多線程技術研究，實現雙線程約30%的性能收益；同時參與如意社區建設，攜手國內外20多家機構共同推進面向矩陣計算的AME指令集擴展軟體適配，在開放協作中拓展RISC-V的AI計算能力。這些工作都是在保持開放生態相容性的基礎上，讓RISC-V具備更強的AI計算能力。
RISC-V的開放生態與商業競爭並不矛盾。標準化是產業做大的前提，差異化工程能力才是廠商建立競爭壁壘的關鍵。
寫在最後
RISC-V究竟有沒有完成產業化？如果從整個架構的應用規模來看，答案或許早已寫進了出貨的數量當中：玄鐵已形成業內覆蓋最全面的RISC-V CPU IP產品線，相關晶片累計交付超過60億顆，落地200餘款量產晶片，服務400余家晶片及硬體裝置廠商。不得不說，RISC-V已經在大量嵌入式、邊緣計算及其他應用場景中，形成了成熟的商業實踐。
但在伺服器、高性能AI計算和自動駕駛等高端市場，RISC-V依然任重道遠。面對RISC-V何時能全面進入主流計算市場的提問，孟建熠的回答相當克制：“我覺得還需要挺長時間，三年肯定是要的。”
對於達摩院玄鐵而言，從C950的高性能突破，到AI計算擴展、車規產品佈局和軟體生態建設，一系列技術進展正逐漸匯聚成更加完整的產品化能力。
在談及RISC-V的未來時，孟建熠給出了這樣一句話：“一顆晶片的價值，不在於它跑分多高，而在於有多少客戶敢把它裝進自己的量產產品裡。我們認為RISC-V最終會成功，這與它的特質有關：它源自科研，成於產業，並會興於開放合作。”
從可用到量產，對高性能RISC-V而言，這場最艱難也最精彩的硬仗才剛剛開始。 (半導體行業觀察)