[ DATA_STREAM: RISC-V ]

RISC-V

SCORE
9.2

谁还需要GPU?阿里玄铁C950 RISC-V处理器在27B大模型推理中跑出30 TPS

TIMESTAMP // 8 月.19
#RISC-V #大模型推理 #玄铁C950 #算力自主 #边缘AI

阿里巴巴平头哥(T-Head)近期展示了其高性能RISC-V处理器玄铁C950在AI推理领域的强悍实力。在运行270亿参数(27B)的通义千问Qwen-3.8模型时,该处理器实现了30 tokens per second (tps) 的推理速度。这一数据标志着RISC-V架构在处理复杂生成式AI任务上已具备与主流架构一较高下的能力。 ▶ 性能跨越: 30 tps对于27B规模的模型而言已远超人类阅读速度,证明了RISC-V在无需昂贵GPU辅助的情况下,亦能支撑高性能本地化推理。 ▶ 架构深度优化: 玄铁C950通过强化矢量指令集(Vector Extension)及矩阵运算单元,针对Transformer架构的算子进行了底层重构,极大缓解了传统CPU在AI负载下的性能瓶颈。 ▶ 生态自主信号: 在全球算力供应链波动的背景下,阿里通过“自研指令集架构 + 自研大模型”的垂直整合,展示了一条绕过x86和ARM生态壁垒的自主算力路径。 八卦洞察 这不仅仅是一次硬件跑分,而是RISC-V从“物联网芯片”向“高性能计算”转型的关键分水岭。27B参数模型通常被认为是企业级私有化部署的“黄金分割点”——既具备足够的逻辑推理能力,又对显存有极高要求。阿里玄铁C950能在此规模下跑出30 tps,意味着边缘侧服务器和高性能工作站的“去GPU化”正在成为可能。通过垂直整合Qwen模型与XuanTie硬件,阿里正在构建一套闭环的AI基础设施,这对于降低推理成本、实现算力主权具有深远的战略意义。 行动建议 对于基础设施架构师,建议开始评估RISC-V在边缘侧AI推理节点的TCO(总拥有成本)优势,尤其是在高密度的私有云场景中。对于AI软件开发者,应重点关注RVV(RISC-V Vector)指令集的优化工具链,提前布局跨平台的算子库迁移,以应对未来多元化的算力格局。

SOURCE: REDDIT LOCALLLAMA // UPLINK_STABLE
SCORE
8.8

英飞凌首推车规级 RISC-V MCU:半导体行业的“Linux 时刻”正式开启

TIMESTAMP // 5 月.16
#RISC-V #开源硬件 #汽车半导体 #英飞凌 #软件定义汽车

英飞凌(Infineon)正式发布汽车行业首款基于 RISC-V 架构的微控制器(MCU),此举标志着开源指令集架构正式进入高门槛的车规级核心领域,开启了半导体硬件的“Linux 时代”。▶ 打破架构垄断:RISC-V 的引入直接挑战了 ARM 在汽车嵌入式领域的长期统治地位,为 OEM 厂商提供了免授权费、高度可定制的底层硬件选择。▶ 加速 SDV 转型:通过开放架构实现软硬件深度解耦,该 MCU 旨在解决软件定义汽车(SDV)开发中日益增长的算力定制化与供应链自主化需求。八卦洞察英飞凌此举并非简单的成本削减,而是一场关于“芯片主权”的战略博弈。长期以来,汽车半导体受限于 ARM 的授权协议和路线图,厂商缺乏对底层指令集的修改权限。随着汽车电子电气架构(EEA)向区域控制(Zone Control)演进,通用的芯片设计已难以满足特定算法的能效比要求。RISC-V 的“Linux 化”意味着半导体行业正在从“买黑盒”转向“造工具”。英飞凌作为车载芯片巨头,率先站台 RISC-V,将产生极强的行业背书效应,迫使其他 Tier 1 供应商加速跟进开源生态,以对冲地缘政治带来的供应链风险。行动建议对于汽车 OEM 和 Tier 1 供应商,建议立即启动对 RISC-V 工具链(如编译器、调试器)的兼容性评估,并优先在非安全相关的辅助控制系统(如车身控制、座舱外设)中试点 RISC-V 方案。芯片设计团队应重点关注如何利用 RISC-V 的扩展指令集实现特定 AI 算子或加密算法的硬件加速,从而在软件定义汽车的下半场竞争中建立差异化技术壁垒。

SOURCE: HACKERNEWS // UPLINK_STABLE