【導讀】隨著AI從云端大模型逐漸向邊緣設備、智能汽車和機器人等物理世界延伸，芯片架構正在面臨新的挑戰。相比傳統AI計算主要關注算力提升，物理AI更加關注實時性、低功耗、安全性以及軟硬件協同優化。
2026年WAIC期間，在芯原主辦的“RISC-V和物理智能論壇”上，MIPS（格羅方德旗下公司）中國區業務發展負責人李勇分享了MIPS在RISC-V處理器、AI加速以及定制芯片平臺方面的布局，并介紹了如何利用RISC-V架構推動物理AI從IoT到車載領域的規模化落地。
_20260721113726_633.jpg)
打造RISC-V全棧解決方案
MIPS擁有超過40年的處理器研發歷史，長期專注于智慧交通、機器人以及嵌入式計算領域。2021年，MIPS全面轉向RISC-V處理器產品研發，開始圍繞物理AI構建基于RISC-V的處理器IP、軟件生態以及定制芯片平臺。
近年來，隨著格羅方德持續推進業務整合，MIPS正式完成對新思科技Arc處理器業務的整合，將Arc處理器IP納入MIPS體系。李勇表示，通過此次整合，MIPS進一步強化了RISC-V處理器IP布局。目前，MIPS已經成為全球最大的RISC-V處理器IP供應商之一。
目前，公司服務全球超過300家客戶，擁有超過41款處理器、AI相關NPU以及DSP產品，覆蓋從嵌入式控制到高性能AI計算的多個應用場景。
未來，MIPS希望打造一套完整的RISC-V解決方案體系，包括：RISC-V處理器IP；AI相關NPU/DSP IP；軟件開發工具；定制芯片平臺；格羅方德先進制造工藝。
通過IP、軟件、設計服務以及制造能力結合，MIPS希望從單純的處理器IP供應商，進一步發展成為面向客戶的全棧芯片技術合作伙伴。
物理AI時代，RISC-V需要打通軟件到芯片全流程
李勇認為，物理AI是RISC-V非常重要的應用方向。不同于云端AI主要關注大規模算力，物理AI需要將AI能力部署到機器人、汽車、工業設備等真實環境中，因此對芯片提出了更復雜的要求：
更低延遲；
更低功耗；
更高實時性；
更強安全能力；
更靈活的軟件適配能力。
針對這一需求，MIPS希望通過RISC-V架構打通從軟件到芯片的完整流程。
其中，Atlas Explorer虛擬平臺可以幫助軟件工程師和系統架構師提前進行軟件仿真和優化，在芯片正式設計之前完成軟硬件協同開發。同時，MIPS提供32位和64位RISC-V處理器IP，覆蓋高實時、低功耗以及高安全要求的計算場景。結合格羅方德制造工藝，MIPS還能夠提供ASSP定制芯片平臺，幫助客戶快速完成產品落地。
在AI計算方面，MIPS可以提供NPU和DSP等AI加速模塊，覆蓋物理AI從感知、推理到通信的完整鏈路。
RISC-V為何適合物理AI？
近年來，RISC-V快速發展，背后的核心原因在于其開放、模塊化和可擴展特點。
相比x86和Arm等傳統通用架構，RISC-V最大的優勢在于用戶可以根據應用需求自由擴展指令集。
RISC-V基礎指令集僅包含47條固定指令，在此基礎上，開發者可以加入不同擴展模塊，例如：整數乘除法擴展、浮點計算擴展、向量計算擴展、AI矩陣計算擴展、電機控制相關數學函數擴展。
RISC-V可以根據不同需求進行定制，使處理器更加貼近具體應用。此外，RISC-V還支持靈活的數據格式設計，可以適配不同AI模型和計算精度需求，為AI芯片創新提供更大的空間。
S8200：面向物理AI的新一代RISC-V處理器內核
針對物理AI應用，MIPS推出了S8200處理器內核。
S8200是一款綜合型AI處理器平臺，內部集成符合RVA23標準的RISC-V CPU核心、向量擴展單元、矩陣擴展單元、L1/L2/L3三級Cache。
根據不同應用需求，S8200算力可以靈活配置，從0.1TOPS到100TOPS覆蓋不同性能范圍。它既可以作為獨立AI加速器，用于推理計算，也可以作為具備AI能力的應用處理器，運行操作系統并完成本地AI推理。
這種靈活架構使其能夠覆蓋機器人、智能汽車以及邊緣AI等多種應用。
S8200采用符合RVA23標準的雙發射超標量架構，并支持硬件多線程。相比單線程設計，多線程能夠提升CPU資源利用率。
以TensorFlow Lite模型推理為例，雙線程硬件設計相比單線程可以降低約40%的推理延遲，提高AI應用效率。
在AI計算擴展方面，S8200集成符合RVV 1.0標準的向量擴展單元，最高支持1024位向量寬度。同時，處理器支持自定義擴展指令，可以針對指數運算、非線性函數以及不同數據位寬進行優化。針對AI模型中的矩陣計算需求，S8200還加入矩陣擴展單元，通過外積陣列架構提升計算效率。
傳統矩陣計算通常采用內積架構，而S8200采用外積（Outer Product）計算方式。兩種方式在數學計算量上基本一致，但數據加載方式存在明顯差異。
對于64×64矩陣計算，如果采用外積架構，數據加載操作量可以減少約32倍。更少的數據搬運意味著更低功耗，更簡單硬件設計，更高計算效率。這也是S8200能夠實現高能效比的重要原因。
針對不同AI任務，S8200矩陣擴展單元支持靈活配置。例如，在4bit數據格式下，32×32矩陣陣列可以實現8TOPS/GHz計算能力，同時支持按行、按列數據讀寫，以滿足不同AI模型需求。
Atlas Explorer推動軟硬件協同設計
隨著芯片復雜度不斷提升，軟件和硬件協同開發已經成為芯片設計的重要趨勢。
傳統流程中，硬件完成設計后，軟件團隊才能開始適配，這往往導致開發周期延長。
MIPS推出的Atlas Explorer虛擬平臺，可以讓軟件工程師和架構設計師提前在虛擬環境中運行應用程序，并完成軟件優化。
例如，片上SRAM容量設計一直是芯片架構中的關鍵問題：如果容量過小，會影響性能；如果容量過大，又會增加芯片成本。
通過Atlas Explorer，架構工程師可以提前模擬不同配置，對系統性能進行評估，實現更優的軟硬件協同設計。
S8200落地L2+智能駕駛ADAS
在實際應用方面，MIPS展示了基于S8200處理器運行BEVFormer模型的L2+智能駕駛ADAS方案。
智能駕駛前視系統對于實時性要求極高，需要處理大量攝像頭數據，并快速完成環境感知。
該方案通過8路攝像頭輸入，將數據送入BEVFormer模型，最終實現障礙物檢測、車道線檢測、交通標識識別。
S8200能夠滿足系統低延遲需求，實現每秒15次以上推理，有效支撐L2+自動駕駛應用。
完善AI軟件生態，加速物理AI部署
AI芯片能否成功落地，很大程度取決于軟件生態。
S8200支持目前主流AI框架，包括PyTorch、TensorFlow、TensorFlow Lite。基于模塊化的軟件架構設計，S8200能夠提供更好的算子適配能力，幫助客戶快速遷移不同AI模型。
李勇表示，S8200是MIPS針對物理AI領域推出的重要產品，融合了RISC-V開放架構、高效AI計算能力以及軟硬件協同設計能力。
未來，MIPS希望通過RISC-V處理器IP、AI加速技術、軟件工具以及格羅方德制造能力，推動RISC-V在IoT、機器人、智能汽車等更多物理AI場景中的規模化應用。
