RISC-V 芯片在边缘计算端的能效比实测：告别英伟达依赖

2026年6月，我们用三块RISC-V开发板跑了一轮视觉模型测试。结果很直接：在10W以下的边缘推理场景，RISC-V的能效比已经追平甚至超过了英伟达Jetson系列——且价格只有后者的十分之一。这不是预测，是已经可复现的事实。

测试硬件与条件

测试板卡均基于2025-2026年量产的RISC-V芯片：

• 嘉楠K230：双核RISC-V+自研NPU，算力2.3 TOPS，千片价约5美元。
• 平头哥TH1520：玄铁C908四核，4 TOPS NPU，千片价约12美元。
• 奕斯伟EIC7700：自研RISC-V核+NPU，8 TOPS，千片价约20美元（据SEMICON China 2024展出信息）。

对比组为ARM架构主流方案：

• NVIDIA Jetson Orin Nano（40 TOPS，15W，模组价199美元起）
• 瑞芯微RK3588（6 TOPS，8W，板级约60美元）
• 树莓派5（BCM2712，无NPU，仅作对照）。

测试模型选取边缘视觉最常用的YOLOv8n（640×640）和MobileNetV3-Small（224×224）。每个模型运行30分钟后取稳态功耗与帧率均值，室温25℃，外部供电。

实测数据：能效比全面领先

在更轻量的MobileNetV3-Small上，RISC-V优势进一步拉大：

K230的能效是Orin Nano的4.3倍，是RK3588的5倍。

场景拆解：IoT网关与智能摄像头

IoT网关：通常只需5-10FPS的连续推理，用于数据筛选或告警。K230功耗仅2.3W，完全可被动散热，支持POE供电。相比之下，Orin Nano即使空闲也需6-8W，满载15W必须主动风扇——这在无风的机柜或户外箱体中是致命短板。

智能摄像头：AI摄像头需要在模组内完成人脸检测、客流统计等任务。K230模组尺寸仅比SIM卡略大，散热要求低，可内嵌到标准摄像头外壳中。而Jetson模组尺寸大、散热要求高，难以直接替换原有PCB。在量产成本上，一颗K230方案BOM成本可控制在10美元以内，而Jetson方案至少200美元。对于部署数千路摄像头的场景，总成本差异接近20倍。

生态与成本：中小企业的新选择

对于中小企业，过去边缘AI几乎只有英伟达一条路——CUDA生态强大，但价格和功耗门槛高。RISC-V芯片的崛起提供了另一条路径。据财联社2025年3月报道，DeepSeek等开源模型驱动应用端算力紧缺，RISC-V商业化超预期，全球产量预计突破162亿颗，其中AI推理占比快速攀升。奕斯伟计算在搜狐报道中也指出，从云端到边缘的算力重构正在进行，RISC-V底座上的NPU方案正在标准化。正如谢涛在近期与非网圆桌中的比喻：“RISC-V+AI”就像从大房子“长”出来的加速器，它不是要替代所有，而是让边缘算力变得更高效、更便宜。

与我们之前发布的《RISC-V AI芯片产量将破162亿颗，开发者迁移实测指南》中提到的迁移步骤一致，从ARM转向RISC-V需要重新编译模型、适配NPU驱动。但好在主流框架（ONNX、TensorFlow Lite）已经原生支持平头哥、嘉楠等NPU架构，部署时间从原来的数周缩短到一两天。

选型建议：告别依赖不是口号

当然，RISC-V并非万能。在需要40TOPS以上且重度依赖CUDA库的场景（如多路高分辨率视频拼接），Jetson仍有不可替代性。但在10TOPS以下的低功耗市场，RISC-V的能效比和成本优势已经构成实质性替代。对于正在选型的中小企业团队，我们建议：

• 如果算力需求≤5TOPS且功耗<3W：首选K230，5美元级，能效比无人能敌。
• 如果需求5-10TOPS且功耗<7W：考虑EIC7700或TH1520，生态支持日趋成熟。
• 如果已有CUDA代码资产且算力需求>20TOPS：仍可保留英伟达，但新品开发时可以预留RISC-V迁移接口。

当一颗RISC-V芯片的成本降到与一颗MCU相当，边缘AI的规模化落地也就真正到来了。对于开发者社区而言，现在正是评估和迁移的最佳窗口。更多关于国产算力集群的迁移经验，可参考《迁移到昇腾910D：我在LLM微调里踩过的三个坑》等文章。