文章核心观点 - 通用计算架构面临性能、功耗与成本瓶颈，领域专用架构（DSA）是破局关键，而RISC-V与AI的融合为DSA发展提供了理想平台[1] - 隼瞻科技推出的ArchitStudio平台通过将处理器开发流程重构为快速迭代模式，并实现关键环节自动化，显著降低了DSA的设计门槛和开发周期[4][5][6] - 通过工业控制和安全加密等场景验证，基于ArchitStudio定制的DSA处理器在性能、功耗和成本上展现出巨大综合价值，指令数减少80%，单函数性能提升33倍[7][8] - 产业界正通过共建生态实验室、推动“RISC-V × AI”融合，从技术、场景到生态进行多维实践，以抓住AI算力需求与国产化驱动的爆发机遇[9][10][11][12] 破局之道：为什么是DSA？ - AI发展进入“应用AI”阶段，需下沉到各类终端设备，通用芯片在处理特定场景时存在效率问题，而完全定制芯片灵活性不足，DSA旨在通用性与专用性间找到动态平衡点[2] - RISC-V架构的开源、可扩展特性成为连接端侧AI与DSA的天然桥梁，但传统DSA开发面临高门槛，通常需要30-50名工程师耗时12-18个月，人力成本高且周期长[2] - 端侧设备面临场景碎片化挑战，需同时满足AI模型迭代灵活性、移动场景功耗约束和小型化面积要求，构成一个“不可能三角”[3] 方法论突围：ArchitStudio的技术内核 - 平台核心创新在于将传统“瀑布式”处理器开发流程，重构为“需求-分析-设计-验证”的快速迭代模式[4] - 流程包含四个关键环节：1）精准需求匹配：用户输入目标代码，平台Profile工具自动识别性能瓶颈，使架构设计从经验驱动转向数据驱动[5]；2）高效架构描述：使用自研的类C语法RISCAL语言，降低学习门槛并保证设计灵活性[5]；3）全栈式一键生成：基于RISCAL描述自动生成处理器RTL代码、编译器、仿真器、SDK等全套交付物[5]；4）快速迭代与PPA预估：支持增量编译（首次生成效率达10分钟级），无需流片即可预估芯片功耗、性能、面积指标[5] - 平台价值在于将复杂流程标准化、自动化，让工程师能聚焦于需要行业经验和场景认知的架构创新[6] 场景验证：从理论到实践的最后一公里 - **工业控制案例**：针对机械臂运动控制的坐标变换算法，通过ArchitStudio平台定位矩阵运算瓶颈，定制专用矢量扩展指令，将16条通用指令任务压缩为3条，最终指令数减少80%，计算实时性大幅提升，且完全兼容RISC-V生态，开发周期被大幅压缩[7] - **安全加密案例**：针对AES加密算法，平台识别出“轮密钥加”函数热点（运行时间占比16.5%），定制128位矢量指令将33条通用指令简化为1条，实现代码容量降低97%，单函数性能提升33倍；若扩展5条专用指令，整体性能可提升50倍，硬件面积仅增加14%[8] - 案例证明DSA定制化能在安全与性能间找到最优解，并适应金融、政务、汽车等差异化安全需求[8] 生态共建：从单点突破到系统变革 - 上海浦东软件园与隼瞻科技共建DSA领域计算实验室，旨在联动产、学、研、用资源，打造RISC-V与AI融合创新的“引力场”和“加速器”[9] - RISC-V工委会指出生态聚焦两大方向：利用开放指令集降低芯片创新门槛，融合AI趋势激发万物互联新场景[9] - 隼瞻科技明确践行“RISC-V × AI”路线，通过创新开发工具和丰富产品线，在安全、通信、消费等领域抢占先机，应对2025年AI对硬科技行业的冲击及国产先进制程的驱动机遇[10] 从技术到场景的多维实践 - 针对端侧AI，隼瞻科技提出“2+N”平台解决方案：以CPU为核心提供基础算力并纳入NPU形成均衡算力体系，通过DSA敏捷开发平台提供高效定制支持，其AI部署工具可通过量化、编译、仿真等步骤实现模型高效部署[11] - 芯昇科技基于RISC-V自研XBA架构，兼容RVV 1.0并扩展DSP矢量指令，已应用于首款RedCap芯片，其开发的DSP指令集已获RISC-V基金会认可，将成为官方标准一部分[12] - 宏瀚微提出AISP（AI + ISP）概念，验证了“RISC-V + NPU + ISP”架构在端侧小型化、低功耗需求下的可行性[12] - 九望科技分享了基于RISC-V与AI的多触点环境监测预警系统，已在北京通州社区卫生服务中心试点，未来将拓展至更多密闭空间[12] 圆桌论道：生态重构的关键议题 - 通过隼瞻工具平台，DSA设计人力可从传统的30-50人缩减至10-15人，开发周期从12-18个月缩短至3-6个月[13] - 隼瞻科技的NPU定位服务“非AI公司”，通过供应链与模型精准适配，可将芯片面积缩小1/3到1/4[13] - 未来竞争核心在软件，行业专用软件栈将形成差异化优势，工具提供商需优化“即开即用”体验以降低应用门槛[14] - 江原科技将RISC-V作为未来发展核心方向，第二代、第三代芯片将持续植入RISC-V相关IP，遵循“端侧到云端”发展路径[14] - RISC-V与AI融合是乘法效应，AI为RISC-V提供开放性硬件支持，行业个性化需求需通过细分领域落地实现[14]

公司上市计划 - 瀚博半导体与中信证券签署上市辅导协议 正式冲刺A股科创板 [1] - 预计2026年上半年正式登陆科创板 [2] - 国产GPU五强几乎全部启动上市计划 包括摩尔线程(募资80亿元) 沐曦股份(募资39.04亿元) 壁仞科技与燧原科技 [1] 公司背景与技术 - 成立六年 国内头部GPU厂商 6轮融资后估值105亿元 跻身胡润全球独角兽榜单 [2] - 两位创始人钱军与张磊均为前AMD核心技术领袖 钱军带领团队完成业界首颗7nm GPU量产 张磊曾全面负责AMD的AI加速和视频处理芯片设计 [3][4] - 基于领域专用架构(DSA)研发云端AI推理芯片 性能达到GPU的3-5倍 [4] - 2020年5月完成首颗半定制7nm芯片流片 2021年7月发布首款服务器级AI推理芯片SV102及通用加速卡VA1 2023年第二代全功能GPU芯片SG100成功量产 [5] 产品与市场 - 主要客户包括中国移动(云游戏) 工业仿真 数字孪生等高增长细分市场 [5] - 产品线包括图形渲染GPU 数据中心AI GPU以及边缘侧AI推理GPU 为AI大模型 图形渲染和高质量内容生产提供完整解决方案 [5] 财务与融资 - 完成6轮融资累计超过25亿元 投资方包括阿里巴巴 快手 联发科等产业巨头 中国互联网投资基金等国有资金 红点创投等顶级风投 [2][9] - 2021年B轮融资获阿里巴巴集团领投 阿里巴巴旗下浙江阿里云持续持股4.44%成为重要战略股东 [9] - 2025年4月完成C++轮融资 估值突破百亿大关 [9] - 创始人钱军与张磊通过直接持股和17家员工持股平台合计控制公司42.1%的表决权 [9] 行业状况 - 国产GPU企业迎来爆发式增长 摩尔线程2022年营收0.46亿元至2024年4.38亿元(复合增长率208.44%) 沐曦2022年营收0.004亿元至2024年7.43亿元(复合增长率4309%) [6] - 行业普遍处于亏损状态 2024年四家国产GPU公司营收最高14亿元 最低2-3亿元 没有一家实现盈利 [6] - 摩尔线程和沐曦股份2024年净亏损都超过14亿元 研发投入分别超过13亿元和9亿元 [6] - 燧原科技IPO前累计亏损超20亿元 瀚博采用高研发投入模式短期难言盈利 [6] 市场竞争与机遇 - 中国GPU企业数量达上百家 市场竞争激烈 淘汰赛已经开始 [6] - 中国AI芯片市场2029年将达1.34万亿元 GPU占比升至77.3% [11] - 全球AI芯片市场规模2025年达到约940-950亿美元 较2024年增长约30% [11] - 美国调整AI芯片对华出口规则 英伟达计划推出专为中国市场设计的B30芯片(性能较H20下降10%-20%) 为国产厂商创造战略机遇 [11]