更多精彩，请点击上方蓝字关注RVEI
范式跃迁
Agentic AI 时代为什么需要 SMT？
达摩院首席科学家孟建熠在 WAIC 2026 发表演讲
过去两年，算力叙事几乎被 GPU 垄断。但当 AI 从"生成内容"跃迁到"自主执行完整任务链"的 Agentic AI 阶段，控制流密集型负载让 CPU 重回系统核心。智能体不再被动应答，而是持续进行任务拆解、工具调用、上下文管理与子智能体编排——全球围绕 Agentic AI 算力底座的竞争已全面展开。
7 月 17 日，世界人工智能大会（WAIC）“RISC-V 与 AI 融合发展论坛”上，阿里达摩院首席科学家孟建熠认为：在智能体的工作流总延迟中，高达 90.6% 发生在 CPU 端的工具处理环节。
这意味着，当智能体任务变得复杂，CPU 的吞吐与响应速度直接决定了整个系统的天花板，单纯堆砌 GPU 算力无法解决工具调用与逻辑协同的瓶颈。SMT（同步多线程）是高性能 CPU 从"单核极致"走向"系统级算力释放"的关键架构能力。
这套能力对三类 Agentic AI 场景至关重要。国际主流 CPU 产品（如英伟达 Vera CPU）对 Spatial SMT 的探索，已从侧面验证“确定性多线程”是智能体时代的刚需。
不同的是，玄铁正将这一能力在 RISC-V 开源架构上实现自主可控，并赋予其更灵活的生态适配性。在智能体时代，多线程的“确定性”与“隔离性”，将和绝对吞吐同等重要。
RL 沙箱：每个沙箱是一个独立线程，负责编译代码、运行测试，必须在固定时间窗口内完成，否则会拖慢 GPU 训练周期。空间多线程保证即使上百个线程全开，每个沙箱仍获得可预测的高性能。
智能体工具调用：一次用户请求可能触发多个工具调用（查数据库加执行脚本），这些任务不能因其他租户的请求而变慢。空间多线程提供强隔离，在多租户环境下依然守住 SLA。
灵活调度：运行时可在“1 线程/核（最大化单线程性能）”与“2 线程/核（提升吞吐）”之间动态切换，无需重启。
这一技术判断，正是达摩院玄铁深度参与 RISC-V 开源生态建设、推动 SMT 技术攻关的核心动因。
玄铁从 C910 到 C950，持续推动 RISC-V 架构从嵌入式向高性能方向突破。今年 3 月 24 日，在上海举行的 2026 玄铁 RISC-V 生态大会上，明确将 SMT 列为联合研发的三大关键技术攻关方向之一，同时规划了 RISC-V 高性能软件生态共建与行业标杆应用孵化的合作路线。
目前 SMT 已经走进了实质性的技术协作——达摩院团队深入 KMH-SMT 微架构代码分析并提交了多个 PR 合入 XS-GEM5。
SMT 技术深潜
从微架构代码分析到系统性的性能优化
针对 IQ 发射队列分配策略，发现全动态共享存在线程饥饿风险，引入 WM2 水位线保留策略有效缓解 IQ 满载问题； 对 ROB 重排序缓冲区的 dynamic borrowing 机制进行 6 组对照实验，发现 donor 线程判定过于灵敏，建议引入延迟滤波，将 donor 保留条目提升至 64 时获得约 0.5% 性能改善； Preg 物理寄存器分配初步验证了从全共享向策略化分配转变的价值。
郝子轶同时分析了线程取值截流策略与 store buffer 跨线程反压问题，提出按线程拆分 store buffer 的优化方向。
面向未来，提出 SPECint2006 双线程性能从 20% 向 30% 推进、同步推进 SPECint2017 切片、探索 SMT 向 4/8/16 线程扩展以应对 AI 并发场景、将资源分配策略参数化构建可调优的策略矩阵，以及空间多线程探索的路线图。他强调团队以最大化开源贡献为衡量标准，分析成果必须转化为有效的代码合入，"Talk is cheap, show me the code"。
玄铁联合中兴微电子、开芯院举办的「SMT SIG 首期技术沙龙：AI 时代的多线程架构创新」在近期成功举办，相关视频回顾已上线，欢迎前往玄铁视频号查看。
来源：玄铁
