更多精彩，请点击上方蓝字关注RVEI
从标准议题出发，打通技术与应用
标准 · 软件 · 产业生态
三位致辞嘉宾从标准、软件和产业生态出发，勾勒出矩阵扩展走向应用的关键链条。阿里巴巴达摩院首席科学家孟建熠将 AME 定位为 RISC-V 社区共同探索的技术方向。他提出，是否需要独立矩阵扩展、应保持怎样的独立性、适用于哪些负载，都需要通过模型、算子、应用和硬件实现的数据回答。贯通指令集、软件栈与真实场景，才能让架构选择成为可验证、可落地的行业方案。
图 2｜阿里巴巴达摩院首席科学家孟建熠致辞
上海开放处理器产业创新中心秘书长、北京大学讲席教授谢涛关注 AI 对基础软件研发方式的改变。他认为，软件生态建设不能长期依赖人力扩张，模糊测试、智能体等方法可以加速编译器测试、算子优化和软硬件协同；形式化语义与验证则应为 AI 参与系统软件开发建立可靠边界，让效率与正确性同步提升。
图 3｜上海开放处理器产业创新中心秘书长、北京大学讲席教授谢涛致辞
北京开源芯片研究院院长唐丹指出，AI 算力架构和软件接口仍存在碎片化问题，开放、免费的矩阵指令标准有望为多样化实现建立共同基础。面向增长的 AI 推理需求，RISC-V 可以通过指令、处理器 IP 和软件生态协同，形成新的产业机会，吸引全球开发者参与。
图 4｜北京开源芯片研究院院长唐丹致辞
不止于算力，矩阵扩展回应真实负载
计算密度 · 数据搬运 · 指令集设计
「为什么需要矩阵计算」，是理解 AI 架构的一道基础问题。IBM 杰出研究员 José Moreira 从计算密度和数据移动出发，解释矩阵架构的价值：乘加能力快速增长后，数据能否及时送达计算单元，成为决定效率的重要因素。GEMM 与 GEMV 的数据复用和算术强度不同，矩阵扩展应面向负载设计数据搬运机制，与标量、向量能力互补，而非单纯追求峰值算力。
图 5｜IBM 杰出研究员 José Moreira：Why matrix computations?
玄铁处理器高级研发工程师谢瑞祺介绍了当前 AME v0.6 的寄存器架构、核心矩阵乘指令，以及与向量和访存能力的衔接。AME 采用独立二维矩阵状态及相应计算、访存机制，使矩阵能力不受 RVV 向量寄存器长度的直接限制，并为不同实现保留扩展空间。
v0.6 已通过任务组 Development Complete 阶段投票，但数据类型表达、方形与非方形操作数组织、M 与 ACC 寄存器是否继续分离等问题仍需结合软硬件实现评估。工作组将推进评审与方案收敛，以 2027 年 4 月底完成正式批准为目标。
图 6｜玄铁处理器高级研发工程师谢瑞祺：AME Spec 当前进展与基本特性介绍
规范只批准一次，相关代码却会被反复编译，矩阵上下文也需频繁切换。RISC-V International TSC 副主席、VRULL 创始人兼首席技术专家 Philipp Tomsich 将讨论延伸到编译器和操作系统契约。他提出，数据类型应尽可能被工具链静态识别，矩阵状态应由操作系统精确分配、保存和恢复。32 位、48 位和 64 位指令编码的选择，需平衡编码空间、类型信息和操作数表达能力。静态类型、统一寄存器类别及矩阵上下文管理仍是社区提案，需通过原型与性能模型检验。
图 7｜RISC-V International TSC 副主席 Philipp Tomsich：Typed Tiles, Shared State
从 PyTorch 到 FPGA，建立端到端验证链路
系统软件栈 · 仿真验证 · 硬件原型
中国科学院软件研究所助理研究员张洪滨介绍了 RuyiAI 从 PyTorch 模型到 AME 硬件的系统软件路径，通过 MLIR/LLVM、GCC 等工具链及图编译、算子库，连接上层框架与底层矩阵指令。面向不同微架构，软件需在统一接口与定制优化之间取得平衡；软件可控的异步语义也是后续协同议题，为编译器和运行时留出高效调度空间。
图 8｜中国科学院软件研究所助理研究员张洪滨：面向 RISC-V AME 扩展的 AI 系统软件栈
图 9｜香山·八达岭项目负责人高明晋分享 AME 指令提案、仿真验证与 FPGA 原型
五场报告共同呈现出一条主线：矩阵扩展不是孤立的指令，而是架构、编译器、操作系统、运行时与硬件实现共同完成的系统工程。
从“能用”到“创造价值”，寻找商业化入口
圆桌：漫谈 Agentic AI 时代的 RISC-V 产业生态
在 AME TG 主席、阿里巴巴达摩院资深技术专家苏中主持的「漫谈 Agentic AI 时代的 RISC-V」圆桌上，五位产业嘉宾将技术讨论推向商业闭环。
图 10｜圆桌论坛：漫谈 Agentic AI 时代的 RISC-V
烽火超微副总经理袁振涛从整机和客户视角提出，用户购买的不是孤立的 CPU，而是供应连续性、迁移成本、兼容性、易用性与维护性构成的「广义性价比」。网卡、GPU、DPU、内存和存储需要协同，BIOS、BMC、操作系统、数据库和大模型软件也要完成适配。「最核心的我觉得关键词是价值。」只有在供应、性能或场景匹配上创造价值，RISC-V 才能从「能跑」走向稳定部署。
阿里云服务器研发业务解决方案负责人刘礼寅认为，软件迁移成本是确定的，客户首先会问新架构带来什么新增价值。与成熟的 x86、Arm 全维度竞争并非早期最优路径。「要落地还是得找一些垂直的场景。」以 DPU 控制面、存储加速等场景建立标杆，再由标杆带动软件生态和规模，是更现实的切入方式。
中国移动云公司芯片技术总监刘亚南将数据中心落地概括为硬件、生态、成本「三道坎」，首先仍要跨过硬件。软件团队需要真实高性能服务器验证，仿真可以支持编译和基础设备工作，却不能替代与 x86、Arm 的系统性能比较。谈及未来两三年的关键任务，他说：「两个字：兑现。」从存储、智算机头等可控场景开始，以真实部署兑现能力，才能吸引软件投入并形成规模。
天数智芯市场生态部总监金楷杰关注异构软件栈。CPU 架构变化牵动内存一致性、DMA、中断、内核、固件及 GPU 驱动，接口和软件基础长期碎片化，会让重复适配吞噬商业收益。「硬件可以百花齐放，但是这些相应的软件的东西还是要标准化一点。」政企和运营商的非核心、隔离业务可以先承担验证，再推动互联网和云上业务逐步迁移。
云豹智能产品总监吕涛结合 DPU 实践指出，RISC-V 已用于数据平面的流表处理、网络报文和拥塞控制，但「接口标准、软件能跑」不等于系统性能可用，缓存行为、内部总线与设备协同仍需在真实硬件中打磨。DPU 控制核可能成为 RISC-V 大核进入数据中心的第一阶台阶，并延伸到在网计算、近存计算和 Agentic AI。持续投入还需商业回报：「都要能从中获利，就是商业上它有那个逻辑要成立。」
圆桌讨论揭示，商业化不是单点性能突破，而是系统验证、迁移成本与客户价值的共同兑现。以真实硬件完成验证，以标准化软件降低适配成本，从存储、DPU 控制面、智算机头、异构解耦和边缘 AI 等差异化场景切入，再由政企、运营商、云厂商和大型终端客户推动标杆部署，逐步形成规模、摊薄成本，是值得探索的落地路径。
以真实负载推动AME矩阵标准走向应用
从稳定可靠到创新卓越
孟建熠博士在主论坛报告中以「从稳定可靠到创新卓越」为题，这一判断，在研讨会的讨论中有了具体的形状：从 AME 指令定义、软件栈适配、仿真原型开发，到云计算场景的商业落地展望，与会专家达成共识——用真实负载判断架构取舍，用编译器与操作系统的反馈完善规范，用原型和量化分析验证设计，用产业场景检验系统价值。
对玄铁与社区伙伴而言，开放标准、软件工具、硬件验证与商业场景需要形成闭环。只有让开发者用得上、系统承载得稳、客户看得见价值，让芯片、系统、软件、应用各方都获得持续回报，RISC-V AI 才能从技术创新走向产业增长——而这，正是「从稳定可靠到创新卓越」的必经之路。
来源：RVEI指令集工作部
