英伟达突然拥抱开源RISC-V！CUDA支持背后，AI算力格局要变天？

抖音推荐 2025年07月24日 00:01 1 admin

7月21日消息，在上海举行的RISC-V峰会上，英伟达硬件工程副总裁Frans Sijstermanns低调宣布，其核心的CUDA软件平台将正式支持RISC-V指令集架构。这一动作看似悄然，却被业界视为“AI计算领域的范式革命”——毕竟，CUDA此前仅支持x86和Arm，而RISC-V作为开源架构，首次被纳入英伟达“第一梯队”平台标准。

十亿颗RISC-V芯片的“暗度陈仓”

英伟达与RISC-V的渊源远比外界想象得深。早在2017年，英伟达就与上海交通大学联合举办北美以外首个RISC-V工作坊，彼时已将RISC-V作为嵌入式微控制器（MCU）的核心架构。

截至2025年，其基于RISC-V的MCU出货量已突破10亿颗，广泛应用于GPU内部控制路径、SoC调度逻辑等场景。这种“润物细无声”的布局，为今天CUDA的移植埋下伏笔。

但这次升级意义截然不同。CUDA是英伟达软硬件生态的“王冠”，包含900多个核心库和完整工具链，此前仅服务于x86和Arm架构。

如今移植到RISC-V，意味着开发者可直接调用CUDA加速库进行AI模型训练，无需再为架构差异改写代码。这相当于给RISC-V装上了“英伟达引擎”，让其从边缘计算的“配角”跃升为AI算力的“主角”。

技术平权？还是新垄断的开始？

RISC-V的开源特性，让中小开发者看到了突破算力壁垒的希望。

传统AI芯片开发依赖英伟达GPU和专有工具链，一颗H100芯片成本超4万美元，训练一次GPT-4级模型电费可达数百万美元。

而RISC-V允许企业定制指令集，配合低成本FPGA或ASIC，可将AI推理成本压缩至传统方案的1/10。

例如，某国产芯片公司基于RISC-V设计的NPU，在图像识别任务中能效比提升3倍，成本却不到英伟达同类产品的1/3。

但英伟达的算盘显然不止于此。Frans Sijstermanns在演讲中透露，英伟达正通过“NVLink Fusion”架构探索RISC-V与GPU的深度协同，未来RISC-V可能替代部分通用CPU功能，成为数据中心的控制中枢。

这种“软硬一体”策略，既能借助RISC-V的开源生态扩大CUDA覆盖面，又能通过定制化设计巩固技术护城河。

正如倪光南院士所言：“开源RISC-V正在重塑全球芯片产业，但如何平衡开放与控制，仍是巨头与开发者博弈的焦点”。

三道技术坎拦住“开源梦”

尽管前景诱人，RISC-V要真正撼动英伟达的地位，仍需跨过三道坎：

1. 规范缺失：RISC-V的RVA23等关键规范尚未普及，导致CPU与GPU数据交互存在障碍。例如，英伟达测试中发现，缺乏统一虚拟内存（UVM）模型时，数据传输延迟增加40%。

2. 性能鸿沟：目前主流RISC-V CPU性能仅相当于ARM A55级别，难以匹配高性能GPU的算力需求。某AI公司实测显示，RISC-V+GPU方案在复杂模型训练中速度比x86+GPU慢25%。

3. 生态依赖：CUDA移植需重构PyTorch等AI框架，而RISC-V的Linux驱动支持尚不完善。某高校团队尝试部署时发现，70%的软件包需重新编译，开发周期延长3倍。

巨头的“阳谋”与开发者的“机会”

英伟达的布局，本质是将RISC-V纳入其算力帝国的版图。通过CUDA支持，既能规避开源社区对专有架构的批评，又能将RISC-V生态的创新成果收归囊中。

正如Frans所言：“我们关注的是计算体验，而非CPU厂牌”。这种策略与当年微软支持Linux如出一辙——用开放姿态巩固垄断地位。

但对开发者而言，这仍是一场“技术平权”的机遇。RISC-V允许企业在AI芯片设计中“按需定制”，例如为医疗影像分析添加专用指令，推理效率提升50%的同时，功耗降低60%。

天风证券预测，到2030年，RISC-V架构产品出货量年复合增长率将超40%，在边缘AI、工业控制等领域占据主导地位。

当英伟达这样的巨头拥抱开源，是技术平权的开始，还是新垄断的伏笔？RISC-V能否真正打破现有AI算力格局，让中小开发者不再为“算力税”买单？

时隔4年重返第一！华为这半年手机“王者之战”怎么打？

科大讯飞半年报预增：营收净利双位数增长，国产大模型成果显著

发表评论