凭借指令精简、模块化、可扩展、开源的优势，RISC-V 架构在近几年备受追捧。尤其是在 2022 年，RISC-V 的发展势头极为强劲，RISC-V 处理器核出货量突破 100 亿颗。随着国内外企业面向高性能 RISC-V 市场持续开拓，把 RISC-V 从嵌入式场景拓展到工业控制、自动驾驶、人工智能、通信、数据中心等对算力要求更高的场景，RISC-V 有望在不久的将来与 X86、ARM 形成三足鼎立之势。
我们邀请了两名国内开源RISC-V领域的专家，为各位开发者解读开源大数据的发展和流行趋势。
以下内容选自《2022中国开源开发者报告：前沿开源技术领域解读》。
RISC-V 芯片出货超 100 亿颗，这对 RISC-V 新架构而言，是一个不错的里程碑。不过，成果主要集中在嵌入式 SoC 领域。我们观察到，在 RISC-V 高性能计算领域，已有多家创新企业计划在 2023 年发布类似 64 核@2.0GHz 规格的服务器级处理器，这必将成为 RISC-V 下一个令人激动的里程碑。当然，关于 RISC-V 高性能计算，还有三大问题需要解决：
（1）需要为 RISC-V 体系构建一套数学计算库，类似 Intel 处理器的 MKL（Math Kernel Libarary），以支持 RISC-V 在高性能计算的应用，保证计算精度、计算效率以及源代码级安全可控。
目前业内常用的数学计算库主要为 Intel 的 MKL 和 AMD 的 ACML，二者都是免费的，但不开源，因为这是软件类核心知识产权。也许您认为免费不就可以了吗？但当您遇到针对场景需要优化时，将无能为力。这些代码谁担保它的安全性、可靠性呢？
虽然有 OpenBLAS、FFTW、Libm 等部分开源项目可以使用，但这远远不够。而且，开源的版本无法保证计算效率和计算精度。偏偏这在高性能计算应用领域（AI 计算、科学计算）是至关重要的。
数学计算库作为计算中间件，函数规模上以千计，与计算性能、安全性、可靠性深度绑定。也就是说，它将最终决定处理器是否能进入高性能计算领域。
（2）如何让 RISC-V 回归到计算机技术的垂直整合，而不是横向分解的时代？在算力驱动的数字经济时代，计算硬件将呈现出多样性。RISC-V 因其开放性，将比 x86 和 arm 生态更加丰富和多样，换一种说法就是严重碎片化。如果单纯追求硬件计算性能的 spec 数据，很容易滑入横向分解的逻辑，出现类似 VLIW（Very Long Instruction Word）超长指令这种怪物，数十亿美金化为教训。
RISC-V 应该回归到垂直整合的思路上来，要去思考，如何前瞻性地理解应用，从计算语言到编译器，再到底层数学计算库，再到计算机体系结构，实现多个方面垂直整合。存量市场只有赤裸裸的性价比竞争，瞄准增量市场才有跨越式发展的可能。
（3）在异构计算时代，如何构建 “RISC-V CPU + 加速卡（GPU、NPU、DSA、FPGA）” 的高性能异构计算软件栈？面向异构计算黄金时代，国际三巨头以其雄厚的资本实力各自为战，都在整合异构计算硬件平台（CPU、GPU、FPGA等）和布局异构计算软件栈（CUDA、OneAPI、ROCm），试图形成自己的软硬融合的生态体系，同时展开封闭和开放生态之争。
这也意味着 RISC-V 领域也必须面临如何解决异构生态的问题，即，如何解决“n 家公司的 RISC-V CPU + m 家公司的加速卡”的硬件组合，这种组合数量将高达到 n x m；如何实现软硬融合，遵循什么样的 API 标准（开源/自研）；异构计算软件栈的应投入多少预算等问题。
想要了解更多前沿开源技术领域解读，请访问《2022中国开源开发者报告》
