来源：RVEI秘书处　　　　陈炜，广州希姆半导体科技有限公司（简称‘希姆计算’）执行副总裁，负责 RISC-V 技术标准、国际合作和生态建设。现任 RISC-V 国际协会 TSC 成员、软件应用与工具委员会副主席、AI/ML SIG 副主席，以及上海市电子学会 RISC-V 专委会主任等职务。其职业生涯曾任职于阿里巴巴达摩院、Arm 等企业，负责玄铁 CPU 技术的 RISC-V 国际标准化、Arm 教育生态等业务，荣获过 RISC-V 国际基金会“Software Leadership Award”、阿里巴巴开源先锋等荣誉，拥有密歇根理工大学博士学位。　　在日前召开的2025 RISC-V中国峰会期间，陈炜博士接受中电标协RISC-V工委会的专访，聚焦国际技术标准与国内人才标准的话题进行了深入的分享。　　李卫忠：陈博士好，您作为 RISC-V 国际协会人工智能与机器学习专委会副主席，能否介绍一下 RISC-V 目前在面向 AI 领域的布局？　　陈炜：好的。RISC-V 国际协会目前已经成立了10 多个专委会（SIG、TG）深耕 AI 领域相关工作：在技术标准层面，已成立 4 个技术组（TG）；在生态层面，则涵盖 AI/ML SIG、AI/ML App SIG、Datacenter SIG、Graphics SIG 等。这些组织协同发力，一方面推动全球 RISC-V 人工智能指令体系架构、基础软件与核心应用技术融合的研究与标准化，另一方面加速 RISC-V 人工智能国际开源技术生态的建设。　　李卫忠：针对人工智能有如此众多的细分专委会，看起来 RISC-V 对 AI 的重视程度非常高，研究工作的颗粒度也相较于其他技术架构更细致。　　陈炜：是的。如果说 x86 的成功抓住了 PC 时代的契机，ARM 的崛起把握住了移动时代的机遇，那么 RISC-V 凭借开放性与高可定制化的特性，正以“AI 原生”的巨大优势，成为人工智能时代的指令集代表。　　李卫忠：在去年的 RISC-V 美国峰会中，您分享了希姆计算在 AI 国际标准中的开源贡献。能否具体谈谈，在推动 RISC-V AI 技术标准制定过程中，希姆计算的核心贡献是什么？面临的最大挑战是什么？　　陈炜：RISC-V 通过矩阵乘法指令提升 AI 应用关键计算速度，目前主要有 Vector Batch Dot-Products（Zvbdot Fast-Track Extension）、IME TG（Matrix-in-Vector Approach）、VME TG（Vector-Matrix Approach）、AME TG（Separate Matrix Engine）等 4 种路径，各自适配不同场景的需求。　　希姆计算的核心贡献在于针对性地解决 RISC-V 在 AME的扩展指令问题：自 2021 年起，我们启动了 RISC-V 矩阵指令集及支持工具的开源工作，目标是提升 AI 应用兼容性、降低软件开发成本，推动新一代标准与可扩展领域特定架构的落地。　　其中，基于 SCOOP（Stream Computing Out-of-Order Processor）平台的开源核心实现，支持 RVV（RISC-V 向量扩展）和 RV Matrix，基于BOOM(Berkeley Out-of-Order Machine)增加了RVV 1.0和矩阵功能的支持，使其成为业界首个开源的 RISC-V 向量和矩阵项目。截至目前，编译器、模拟器、调试器已更新至 0.5 版本，开源核心更新至 0.2 版本，并计划持续迭代；同时，SCOOP 与 Chipyard 项目的结合，充分展示了先进技术在现实世界的硬件设计中得到了极好的应用。　　谈到面临的最大挑战，主要是平衡“技术前瞻性”与“产业兼容性”，因为不同企业的 AI 标准需求存在差异（如云端与边缘场景的算力需求不同），需多方协调才能找到最大公约数；此外，还需要同步推动标准与现有生态（如主流 AI 框架）的适配，以避免标准成为“空中楼阁”。　　李卫忠：希姆计算不仅率先提出了业界首个开源的 RISC-V 向量和矩阵项目，还贡献了配套的工具链等，可见在这一领域的诚意与深厚积淀。　　陈炜：这是希姆计算致力于贡献开源领域的初心体现，也是技术积累的自然结果。在本次 RISC-V 中国峰会的主旨报告中，RISC-V 国际协会 CEO Andrea 特别感谢国际标准工作中的中国力量，其中前两项关于 Stream Computing 的工作便来自希姆计算，我们在软件应用、AI/ML 领域的贡献也获认可，这让我们倍感欣慰。　　　　李卫忠：在国内，您还积极参与中国 RISC-V 工委会的人才教育培养工作，并牵头推动“智能计算系统”人才培养标准的制定。从产业实践来看，RISC-V AI 领域的人才缺口主要体现在哪些方面？这一人才标准如何针对性解决这些缺口？　　陈炜：在工委会的人才工作组里，我们理解的“智能计算系统”是一类融合了人工智能算法与异构计算平台，具备高效处理大规模、多源异构数据能力，能够构建并部署智能模型，实现自主感知、分析、决策与优化的计算系统。　　这个方向对应的岗位以深度学习和大模型为核心驱动力，贯通上层算法设计、中间编程框架构建与优化、底层芯片体系结构适配，构建软硬协同、高效可扩展的智能计算系统，并对系统进行设计、优化、运维、管理和应用。　　因此为了支撑我国智能计算体系自主可控发展，这些岗位人员需具备跨层次系统设计与优化能力，能够理解从算法到算子的转换原理，掌握主流编程框架（如TensorFlow、PyTorch、TVM等）的调度机制，熟悉RISC-V和芯片异构架构（如CPU、GPU、NPU等）对算子执行的支持机制，并具备工程实现与性能调优的能力。　　当前，人才缺口主要体现在两方面：一是缺乏“懂架构+懂 AI +懂工程落地”的复合型人才，既需理解 RISC-V 指令集设计逻辑，又要掌握 AI 模型部署优化，还能将技术标准转化为实际产品；二是高校教育与产业需求脱节，学生对开源生态工具（如 RISC-V 模拟器、AI 加速库）的实操能力不足。　　为了更好地解决这些问题，“智能计算系统”人才培养标准从三方面发力：首次将“技术标准认知”纳入培养体系，要求学生掌握 RISC-V AI 指令集扩展、开源协同接口等核心规范；强调“产教融合”，联合企业开发实践课程（如基于希姆计算 NPU 平台的大模型推理实验），让学生直接参与标准落地项目；明确“分层培养”目标（如架构设计岗、算法优化岗、应用开发岗），匹配产业不同环节需求。　　目前，该标准草案已梳理出数据治理、算子开发、大模型、知识图谱 4 大类岗位及职责，并分初、中、高级和专业级对能力要求进行了细致的描述。　　李卫忠：从推动国际技术标准到制定国内人才培养标准，两项工作虽属不同领域，却都服务于 RISC-V 生态的长期发展。在您看来，技术标准与人才标准之间是如何相互支撑、形成协同的？您在推动过程中如何平衡两者的节奏？　　陈炜：两者确实是相辅相成的。从协同关系看，技术标准为人才培养提供“知识坐标系”，明确从业者需掌握的核心技术边界（如 AI 指令集扩展的设计逻辑）；而人才标准为技术标准落地提供“人力资源保障”，只有足够多理解标准的人才，才能推动标准在产业中规模化应用（如企业基于标准开发兼容产品）。　　从节奏平衡看，在技术标准初稿阶段，需要同步启动人才标准调研，确保培养方向与技术演进匹配；当技术标准进入试点阶段（如希姆计算的 NPU 与 RISC-V CPU 协同方案），应立即将试点案例转化为人才培养的实践教材；通过“标准宣讲+人才实训”联动模式（如在高校开设 RISC-V AI 实践项目），实现技术标准推广与人才储备的同步推进。　　在这方面，希姆计算已经有了不少成功案例：例如，与山东大学智能创新研究院完成 SG2042 RISC-V 服务器与希姆计算 STCP950L RISC-V AI 加速卡的兼容性验证，标志着 RISC-V 架构在 AI 算力领域的关键突破，为服务器及数据中心场景的生态建设注入动力；再如，联合超睿科技、中国电信研究院推出基于 RISC-V 架构的高性能 AI 大模型工作站，依托希姆计算 STCP950L AI 加速卡、益思芯 Stargate R-2100 智能网卡，超睿 UR-DP1000 RISC-V CPU 及电信研究院的适配技术，构建“芯片-硬件-应用”全链条体系，为 AI 大模型部署提供国产化算力底座。　　李卫忠：展望未来 2-3 年，您认为 RISC-V AI 技术标准和人才标准的成熟度会达到什么阶段？希姆计算在这一过程中会扮演怎样的角色？　　陈炜：从标准成熟度看，在技术标准层面，RISC-V国际基金会预计 2 年内将形成IME，VME，AME等 2-3 个核心场景的规范，软件生态方面会推动TensorFlow、PyTorch 等主流 AI 框架的基础适配；人才标准层面，将纳入全国多所高校课程体系，形成“高校培养+企业认证”的人才评价体系，年输出万级专业人才。我们的核心目标是提升 AI 应用兼容性、降低软件开发成本，推动新一代标准与可扩展领域特定架构的落地，加速 AME 标准的制定及产品化、产业化。　　谈到希姆计算的角色，我们将聚焦两点：一是持续作为国际技术标准的“核心贡献者”，重点推动 NPU 与 RISC-V CPU 协同接口的全球化落地；二是成为人才标准的“实践载体”，开放技术平台作为高校实训基地，将产业项目（如智慧政务中的 RISC-V AI 应用）转化为教学案例，打通“标准制定-技术实践-人才输出”的闭环。　　例如，今年暑期山东大学软件学院便联合希姆计算推出“基于 RISC-V算力的大模型应用开发实践”实训课程，依托希姆计算的 RISC-V 技术优势，结合政策兑现业务场景，为学生提供从理论到实践的完整学习体验。　　李卫忠：感谢陈博士的深入分享，让我们对 RISC-V AI 领域的标准建设与人才培养有了更加清晰的认知。　　陈炜：也谢谢RISC-V工委会的专访。RISC-V 的开放基因与 AI 的创新浪潮正碰撞出无限可能。标准为基，筑就技术创新的航道；人才为擎，驱动生态繁荣的远航——这正是 RISC-V 在 AI 时代破局的核心密码。唯有双轮并驱，才能让这场技术革命真正扎根产业、驶向未来。期待与行业同仁共同推动 RISC-V 生态的繁荣发展。　　举报/反馈