【导读】随着AI从云端大模型逐渐向边缘设备、智能汽车和机器人等物理世界延伸，芯片架构正在面临新的挑战。相比传统AI计算主要关注算力提升，物理AI更加关注实时性、低功耗、安全性以及软硬件协同优化。

2026年WAIC期间，在芯原主办的“RISC-V和物理智能论坛”上，MIPS（格罗方德旗下公司）中国区业务发展负责人李勇分享了MIPS在RISC-V处理器、AI加速以及定制芯片平台方面的布局，并介绍了如何利用RISC-V架构推动物理AI从IoT到车载领域的规模化落地。

打造RISC-V全栈解决方案

MIPS拥有超过40年的处理器研发历史，长期专注于智慧交通、机器人以及嵌入式计算领域。2021年，MIPS全面转向RISC-V处理器产品研发，开始围绕物理AI构建基于RISC-V的处理器IP、软件生态以及定制芯片平台。

近年来，随着格罗方德持续推进业务整合，MIPS正式完成对新思科技Arc处理器业务的整合，将Arc处理器IP纳入MIPS体系。李勇表示，通过此次整合，MIPS进一步强化了RISC-V处理器IP布局。目前，MIPS已经成为全球最大的RISC-V处理器IP供应商之一。

目前，公司服务全球超过300家客户，拥有超过41款处理器、AI相关NPU以及DSP产品，覆盖从嵌入式控制到高性能AI计算的多个应用场景。

未来，MIPS希望打造一套完整的RISC-V解决方案体系，包括：RISC-V处理器IP；AI相关NPU/DSP IP；软件开发工具；定制芯片平台；格罗方德先进制造工艺。

通过IP、软件、设计服务以及制造能力结合，MIPS希望从单纯的处理器IP供应商，进一步发展成为面向客户的全栈芯片技术合作伙伴。

物理AI时代，RISC-V需要打通软件到芯片全流程

李勇认为，物理AI是RISC-V非常重要的应用方向。不同于云端AI主要关注大规模算力，物理AI需要将AI能力部署到机器人、汽车、工业设备等真实环境中，因此对芯片提出了更复杂的要求：

更低延迟；

更低功耗；

更高实时性；

更强安全能力；

更灵活的软件适配能力。

针对这一需求，MIPS希望通过RISC-V架构打通从软件到芯片的完整流程。

其中，Atlas Explorer虚拟平台可以帮助软件工程师和系统架构师提前进行软件仿真和优化，在芯片正式设计之前完成软硬件协同开发。同时，MIPS提供32位和64位RISC-V处理器IP，覆盖高实时、低功耗以及高安全要求的计算场景。结合格罗方德制造工艺，MIPS还能够提供ASSP定制芯片平台，帮助客户快速完成产品落地。

在AI计算方面，MIPS可以提供NPU和DSP等AI加速模块，覆盖物理AI从感知、推理到通信的完整链路。

RISC-V为何适合物理AI？

近年来，RISC-V快速发展，背后的核心原因在于其开放、模块化和可扩展特点。

相比x86和Arm等传统通用架构，RISC-V最大的优势在于用户可以根据应用需求自由扩展指令集。

RISC-V基础指令集仅包含47条固定指令，在此基础上，开发者可以加入不同扩展模块，例如：整数乘除法扩展、浮点计算扩展、向量计算扩展、AI矩阵计算扩展、电机控制相关数学函数扩展。

RISC-V可以根据不同需求进行定制，使处理器更加贴近具体应用。此外，RISC-V还支持灵活的数据格式设计，可以适配不同AI模型和计算精度需求，为AI芯片创新提供更大的空间。

S8200：面向物理AI的新一代RISC-V处理器内核

针对物理AI应用，MIPS推出了S8200处理器内核。

S8200是一款综合型AI处理器平台，内部集成符合RVA23标准的RISC-V CPU核心、向量扩展单元、矩阵扩展单元、L1/L2/L3三级Cache。

根据不同应用需求，S8200算力可以灵活配置，从0.1TOPS到100TOPS覆盖不同性能范围。它既可以作为独立AI加速器，用于推理计算，也可以作为具备AI能力的应用处理器，运行操作系统并完成本地AI推理。

这种灵活架构使其能够覆盖机器人、智能汽车以及边缘AI等多种应用。

S8200采用符合RVA23标准的双发射超标量架构，并支持硬件多线程。相比单线程设计，多线程能够提升CPU资源利用率。

以TensorFlow Lite模型推理为例，双线程硬件设计相比单线程可以降低约40%的推理延迟，提高AI应用效率。

在AI计算扩展方面，S8200集成符合RVV 1.0标准的向量扩展单元，最高支持1024位向量宽度。同时，处理器支持自定义扩展指令，可以针对指数运算、非线性函数以及不同数据位宽进行优化。针对AI模型中的矩阵计算需求，S8200还加入矩阵扩展单元，通过外积阵列架构提升计算效率。

传统矩阵计算通常采用内积架构，而S8200采用外积（Outer Product）计算方式。两种方式在数学计算量上基本一致，但数据加载方式存在明显差异。

对于64×64矩阵计算，如果采用外积架构，数据加载操作量可以减少约32倍。更少的数据搬运意味着更低功耗，更简单硬件设计，更高计算效率。这也是S8200能够实现高能效比的重要原因。

针对不同AI任务，S8200矩阵扩展单元支持灵活配置。例如，在4bit数据格式下，32×32矩阵阵列可以实现8TOPS/GHz计算能力，同时支持按行、按列数据读写，以满足不同AI模型需求。

Atlas Explorer推动软硬件协同设计

随着芯片复杂度不断提升，软件和硬件协同开发已经成为芯片设计的重要趋势。

传统流程中，硬件完成设计后，软件团队才能开始适配，这往往导致开发周期延长。

MIPS推出的Atlas Explorer虚拟平台，可以让软件工程师和架构设计师提前在虚拟环境中运行应用程序，并完成软件优化。

例如，片上SRAM容量设计一直是芯片架构中的关键问题：如果容量过小，会影响性能；如果容量过大，又会增加芯片成本。

通过Atlas Explorer，架构工程师可以提前模拟不同配置，对系统性能进行评估，实现更优的软硬件协同设计。

S8200落地L2+智能驾驶ADAS

在实际应用方面，MIPS展示了基于S8200处理器运行BEVFormer模型的L2+智能驾驶ADAS方案。

智能驾驶前视系统对于实时性要求极高，需要处理大量摄像头数据，并快速完成环境感知。

该方案通过8路摄像头输入，将数据送入BEVFormer模型，最终实现障碍物检测、车道线检测、交通标识识别。

S8200能够满足系统低延迟需求，实现每秒15次以上推理，有效支撑L2+自动驾驶应用。

完善AI软件生态，加速物理AI部署

AI芯片能否成功落地，很大程度取决于软件生态。

S8200支持目前主流AI框架，包括PyTorch、TensorFlow、TensorFlow Lite。基于模块化的软件架构设计，S8200能够提供更好的算子适配能力，帮助客户快速迁移不同AI模型。

李勇表示，S8200是MIPS针对物理AI领域推出的重要产品，融合了RISC-V开放架构、高效AI计算能力以及软硬件协同设计能力。

未来，MIPS希望通过RISC-V处理器IP、AI加速技术、软件工具以及格罗方德制造能力，推动RISC-V在IoT、机器人、智能汽车等更多物理AI场景中的规模化应用。