正文
Q：RISC-V指令集的缺点有哪些，在国内哪些下游领域应用较多？
A：RISC-V指令集的缺点主要有两个。一是它比较年轻，才四五岁，生态相对x86、ARM来说还不完整，比如软件工具链、操作系统、EDA工具编译器等，在高性能服务器上的应用也还处于早期，应用落地没有其他两个生态链广泛；二是其性能极限还没有x86、ARM做得极致，目前最高端产品只能接近ARM A78水平，还有一点差距，但在追赶。下游应用目前落地较多的是IoT行业，如智能家居、工业传感器领域、汽车电子（包括车载安全系统、汽车上的非核心芯片）。最近一年在高性能服务器和边缘AI推理场景也有突破，在高性能服务器上，像阿里的玄铁930C930可用于此；在边缘推理上，功耗能比x86降低30%。此外，在消费电子（如手表、电表）等广泛行业也开始出现。
Q：RISC-V在边缘推理上比x86功耗降低30%的主要原因是什么？
A：主要是因为其架构是模块化设计，同时计算的单片芯片功耗低于x86的芯片，所以整体的单位能耗推理能耗就会比x86低一些。
Q：RISC-V相较于ARM有哪些优缺点？
A：ARM费用比较低，在智能手机领域应用广泛。RISC-V指令集的扩展性比较强，生态里有很多开发者贡献指令集，可以做一些ARM架构不太擅长的领域，如电表、边缘计算等，其指令集更丰富，生态对它的支持也比较多。
Q：RISC-V在高算力需求下能否满足AI的高需求？
A：RISC-V现阶段还是只能做一些初级推理，其算力还没办法跟像A100、H200相比，更多是出现在高性能的计算服务器（纯CPU）或做一些边缘计算（AI），这些技术刚起步，随着发展会渗透更多场景。
Q：RISC-V从能力或技术上能否真正替代ARM或x86，为国内芯片公司缓解卡脖子风险？
A：RISC-V现在适合中低算力场景，因为它可定制，支持指令集扩展，能在AI推理、边缘计算里应用。比如阿里的玄铁920C920可以跑Llama模型，但要挑战高算力还需要迭代。目前它缺少扩展生态，跑不动千亿级别这样的大模型，不过百亿、几十亿级别的Llama早期小模型可以跑且已开始应用。实现百亿级别或几十亿级别的推理、量化过的蒸馏模型在上面跑推理比较现实，更复杂高端的推理，还需要行业未来提升其推理性能和工具链成熟后，不断提升推理速度和能效比。
Q：RISC-V架构与移动端的Cortex A的ARM架构相比，优劣势是什么，授权费大概能节省多少？
A：ARM架构基本上按芯片的2%左右收版税，而RISC-V是零授权费。在产品端，RISC-V的产业链开始与ARM类似，一些工具、检测设备等生态也慢慢成熟起来，在产品化、边缘设备AI这一块能从IP到设计工具链一站式赋能。国内很多行业已有不少玩家参与RISC-V生态，形成了做RISC-V的IP和给IP做产品服务生态的协同关系。
Q：最近DeepSpeed带来的大模型算法变化，是否会对算力需求结构产生变革，RISC-V在这方面有何优势？
A：其对算力结构的影响有几点。首先，原来的AI芯片玩家如腾、达摩院、海光、普林斯顿等，第一时间把DeepSpeed的满血版和蒸馏版适配出来，形成一体化解决方案商业化，让反向GPU产业链的玩家迅速实现商业化，GitHub开放的相关技术更能赋能新玩家。在RISC - V领域，大概需要3到6个月先把库生态、兼容生态的玩家做起来。第二波玩家接下来会慢慢吸收相关技术到自己的生态里，提升芯片上的推理性能、通信、显存调度等，这一时间点会暂时落后于原有的AI芯片，下半年RISC - V会受益deep learning核心技术开源的成果。
Q：关于DeepSpeed对算力结构影响的时间表，是否已在相关厂商上体现？
A：从技术难度来说，deep learning有些东西，比如提到的IP周期需要三位以上才能做出来，不是直接可以用。
Q：未来RISC - V生态非常繁荣后，原先做ARM架构的设计公司切入RISC - V生态的难度有多大？
A：假设是做产品，如同样做便携设备或可穿戴设备，没什么难度。但要做基于RISC - V的板子，软件要基于RISC - V指令集重新调试，无法直接复刻，不过难度比从0到1要简单得多，因为生态工具已比较丰富，且做出来的整机产品成本会更便宜，更具价格竞争力。
Q：芯计算提供的RISC - V架构芯片在云计算中是怎么用的，其定位是什么？
A：芯计算定位是云计算里面的一些配件，是做云的一个组件，一个小组件内嵌在里面的。
Q：芯计算提供的RISC - V架构芯片具体有什么用途？
A：具体用途没有仔细研究过，但这类芯片是作为机器里面的一个部件来使用的。
Q：最近谷歌是否宣布在安卓手机上会支持RISC - V？
A：谷歌有在关注，因为其本身也在做自己的芯片，需要参照一个架构，RISC - V是全球开源的，海外也有参与者包括大厂都在关注。
Q：谷歌支持RISC - V的技术已经可以用在手机上了吗？
A：还没有，正在规划中，还没有做出来。
Q：RISC-V目前在推理侧做小模型或者轻推理的场景，最大的算力可以达到多少？有可能用到AIPC、眼镜和手机上吗？
A：一些代表性厂家做出来的，大致能做到350 TOPS，手机侧边缘侧能够做到50 TOPS，算力高一点的能做到三百多，大致能做整数4或者整数8这样的推理，能推百亿级别的，但速度可能不快。如果要用到眼镜上，现在的RISC-V芯片有些是12纳米的，用于眼镜需要更小尺寸，目前还需迭代，现场没有这么小尺寸可用于眼镜的。在对体积要求不苛刻的大一点设备上会有。对体积要求苛刻的小设备，目前主要出现在手表上，手表上只是用于显示，若要做推理至少需要50或40 TOPS，因为像1.5B这种小模型至少要这个算力才能推得动，后续厂家会陆续做出相关技术。
Q：在AIoT中，RISC-V相比ARM节约60% - 70%的成本吗？
A：对，RISC-V少了license费，还可以选择一些低价格的国产器件做产品。如果做主板、可穿戴设备或服务器等，相比ARM家的X86要便宜很多，整个生态的价格会比ARM和X86的价格低。
Q：如何看待英特尔等巨头一边参与RISC-V的生态建设，一边巩固自身竞争壁垒下中国厂商面临的开源陷阱问题？
