2025年3月22日，上海“好望角科学沙龙”上，中国科学院计算技术研究所副所长包云岗给出过一个判断：RISC-V如果把灵活性优势发挥出来，有望重塑AI时代的算力版图。科学网在3月23日刊发的报道，把这个判断放在DeepSeek引发全球讨论的背景下看。
这句话容易被写成热闹的口号。但放到边缘AI设备里，它其实指向一个很具体的问题：算力不能只堆在云端。摄像头、传感器、工业控制板、智能终端都在要推理能力，可这些设备又受制于功耗、成本、体积和供货周期。
RISC-V被重新讨论，原因也在这里。
真正的变量不是“替代ARM”
很多文章喜欢把RISC-V和ARM写成正面对决。这个角度有流量，但容易把问题讲窄。
RISC-V首先是一套开源指令集架构。按AIVA Tech的技术解释，指令集架构规定了指令格式、寻址访存、数据类型、寄存器等内容，可以理解为软件和硬件之间的沟通规范。处理器能执行什么、编译器怎么生成代码、上层软件怎样落到硬件上，都要经过这座“桥”。
ARM的优势是成熟。工具链、IP授权、软件适配、量产经验，都是长期积累出来的。RISC-V的吸引力则在于开放和模块化。芯片厂商可以根据场景取舍指令和扩展能力，给AI加速、低功耗控制、特定传感器处理留出更灵活的设计空间。
这也是边缘AI愿意关注RISC-V的原因。边缘设备并不总是追求最大算力。很多时候，它更在意一次唤醒消耗多少电、一个小模型能不能稳定跑、硬件成本能不能压下来、软件能不能长期维护。
“能效比实测超ARM 40%”，现在不能这么写
原稿里提到，2026年对ARM Cortex-M55与RISC-V SiFive P470智能摄像头开发板做了对比，运行轻量级人脸检测模型时，RISC-V在特定场景下能效比提升40%。
这组信息在现有可引用素材中没有来源支撑。包括测试时间、开发板型号、模型、功耗、推理速度、40%提升，都缺少可核验出处。类似“RISC-V每瓦TOPS高出ARM约30%”“设备可多运行数天”也一样，不能当成事实写进正文。
更稳妥的说法是：RISC-V在边缘AI里有能效优化空间，但具体能不能超过ARM，要看芯片实现、制程、NPU设计、编译器优化、模型类型和部署方式。单靠指令集名称，无法直接推出能效结论。
这点对开发者尤其重要。买开发板时看见“RISC-V”“AI加速”“低功耗”几个标签，并不等于能拿到更高能效。真正要比较，至少要把同一模型、同一输入、同一精度、同一功耗测量方法放在一起，否则结论很容易失真。
AI把RISC-V推到了更现实的位置
《科创板日报》3月26日的报道提到，DeepSeek凭借开源、低成本、高性能的特性，引发AI应用创新，同时也暴露出云端与智能终端算力紧缺的问题。报道还提到，RISC-V作为开源指令集架构，在大国博弈和应用端算力需求之下，迎来新的发展契机。
这比“谁取代谁”更接近产业现场。
一端是云端大模型继续消耗算力，另一端是应用往设备侧走。工厂里的视觉检测、智能家居里的语音唤醒、摄像头里的目标识别，都不适合把每一次判断都送回云端。延迟、带宽、隐私、离线可用性，都会把一部分推理任务推向本地。
RISC-V的机会，就在这些碎片化场景中。不同设备对算力和功耗的要求差别很大，统一规格未必最优。开放架构允许厂商围绕具体场景定制处理器和加速单元，这对边缘设备有吸引力。
但这不等于RISC-V已经全面成熟。边缘AI最怕“硬件能跑，软件难调”。工具链、驱动、算子库、模型转换、调试工具、长期支持，任何一环薄弱，都会把硬件优势吃掉。
融资和创业公司说明了什么
麻省理工科技评论中文站的报道提到，RISC-V+AI领域近期有多个进展。其中，由芯片架构设计师Jim Keller领衔的AI芯片创企Tenstorrent完成新一轮6.93亿美元融资，领投方包括韩国AFW Partners和三星证券，亚马逊创始人贝佐斯的投资公司也出现在相关信息中。
这类融资不能直接证明RISC-V在边缘设备上已经超过ARM。它能说明的是，资本和产业界正在认真押注“开放、可定制的AI芯片路线”。
AI芯片和通用CPU不太一样。很多性能来自专用加速器、片上存储、数据搬运和软件栈协同。RISC-V的价值，常常不是单独跑分，而是给芯片公司留出更大的架构设计空间。对AI硬件来说，这个空间很重要。
国内也有类似判断。奕斯伟计算官网发布的王东升专访中提到，RISC-V已经具备支撑人工智能发展的雏形，在AI加速、边缘计算、智能终端等领域的应用开始推进。他还判断，RISC-V一定能成为AI时代的原生计算架构。
这是产业参与者的判断，值得看，但仍要和实际产品表现分开。判断代表方向，测试数据才代表结果。
开发者现在该看什么
如果要把RISC-V用于边缘AI设备，最该看的不是宣传页上的“开源硬件”四个字，而是几个更具体的问题。
第一，目标芯片有没有稳定的软件开发工具。编译器、SDK、驱动、调试器、示例工程是否完整，决定了项目能不能按期落地。
第二，AI框架和模型转换链路是否顺。轻量模型能不能从训练框架转到端侧运行，量化后精度损失能不能接受，常用算子是否需要手写适配，这些都比架构口号更影响交付。
第三，功耗要自己测。边缘设备里的功耗不是一个数字能概括的。待机、唤醒、连续推理、间歇推理、传感器协同工作，都会给出不同结果。没有同条件测试，就不要轻易下“超越ARM”的结论。
第四，供应和维护也要算进去。边缘设备一旦进了工厂、家电或安防系统，生命周期往往不短。芯片供货、软件更新、社区活跃度、厂商支持，都关系到后续成本。
RISC-V的机会很清楚，胜负还没定
RISC-V在AI边缘设备上的升温有真实基础：开源指令集、模块化设计、可定制能力，以及AI应用向终端侧扩散带来的需求。2025年3月围绕DeepSeek、端侧算力和RISC-V的讨论，也说明这条路线已经不只是学术圈话题。
但把它直接写成“能效比实测超ARM”，证据还不够。至少在现有公开素材里，还没有能支撑40%提升、30%每瓦TOPS优势或具体开发板对比的数据。
更准确的判断是：RISC-V正在成为边缘AI芯片设计的重要选项。它的优势会在定制化、低功耗、小模型部署和碎片化设备场景里更容易体现。至于能不能赢过ARM，要回到具体芯片、具体模型、具体功耗测试上。
