软件与硬件发展范式演进 - AI发展推动软件编程范式变革，Software 3.0时代到来，自然语言提示Prompts取代传统编程代码，LLM成为新编程接口 [2] - 软件1.0时代CPU占主导地位，软件2.0时代神经网络兴起，GPU因并行计算优势成为主流硬件 [3] - 软件3.0时代以transformer为基础的大模型快速发展，DSA架构（如谷歌TPU、英伟达Hopper/Blackwell的TME）成为主流加速方案 [5] 硬件3.0的核心挑战与需求 - 硬件3.0需解决领域专用效率与编程通用性的核心矛盾，需平衡计算效率和应对海量编程客户及模型多样化挑战 [5] - AI处理器设计面临四大难题：架构设计耗时长、指令系统打磨久、编译软件落地周期长、生态兼容门槛高 [7][9] - 指令集设计需权衡ASIC固化（高效但缺乏灵活性）、高层次粗颗粒度指令（简化软件但面积开销大）、低层次细颗粒度微指令（灵活但开发周期长）三种方案 [10] 奕行智能的技术解决方案 - 选择RISC-V+RVV作为计算架构底座，利用其开放性、模块化设计和可定制AI加速指令集特性，降低芯片设计门槛并加速迭代 [8] - 推出VISA（虚拟指令集架构）中间层，通过软硬结合方式在硬件ISA上抽象统一虚拟ISA，解决硬件与软件栈深度耦合问题 [10][12] - EVAMIND内核架构包含标量引擎、VISA调度器、张量引擎、4D加速引擎和RVV向量引擎，实现粗粒度宏指令编排与细粒度微指令高效执行 [16] 产品性能与战略定位 - 新一代芯片支持INT4/INT8/FP8/FP16/BF16等数据类型及混合精度计算，FP8/INT4原生支持带来2-4倍计算吞吐提升 [17] - 通过多种并行及流水掩盖计算方式实现计算资源极致利用率，目标为自动驾驶、具身智能等端-边-云应用提供通用/专用计算加速方案 [17] - 公司定位为通用计算芯片设计企业，以RISC-V开放指令集生态为基础，推动AGI时代技术进步 [17]