在本届湾芯展《芯片揭秘·大咖谈芯》活动中，进迭时空品牌负责人唐懿回顾了公司选择高性能RISC-V AI CPU的初衷，以及从技术研发走向产业应用的历程。她用一句话概括这几年的探索：“早期你可以卖信仰，但必须尽早换成卖结果。”随着K1和K3陆续进入实际应用，进迭时空还需要通过持续的工程实践，争取更多愿意将RISC-V引入产品的开发者和整机厂商。

开放架构如何走向高性能AI CPU

谈到当年为什么选择RISC-V，唐懿首先提到的是芯片设计的自由度。在她看来，开放指令集的价值不能只用省下多少授权费衡量。面对AI计算与传统通用计算截然不同的负载特征，研发团队需要自行决定计算单元如何组织、数据怎样流动，以及缓存和存储层次如何配合；如果所有选择都局限在现成的处理器IP组合中，一些针对特定场景的设计就难以展开。

以需要本地运行模型的终端为例，操作系统、设备管理以及常规应用仍依赖通用CPU，模型推理则需要大量并行运算和频繁的数据访问。采用独立加速器的方案可以分别优化两类任务，但芯片之间的数据传输、板级连接和软件调度也会成为整机设计的一部分。进迭时空希望在芯片内部同时安排通用计算与AI计算资源，让不同任务在更紧密的系统中协同。能够节省多少功耗或物料成本，还需要放到具体产品及其工作负载中评估。

2021年，IEEE旗下技术刊物《IEEE Spectrum》讨论RISC-V发展时，曾引述Arm物联网业务负责人Mohamed Awad的看法。她提醒业界，节约的授权费用可能被芯片验证、物理设计以及软件开发投入抵消。尽管观点来自竞争架构阵营，所涉及的工程投入却无法回避。获得开放指令集的使用自由之后，进迭时空仍须自行完成处理器微架构、芯片验证以及整套软件环境的开发。

当越来越多厂商利用RISC-V的可扩展性开发处理器时，软件兼容又成为必须共同处理的问题。不同芯片可以为特定负载增加指令和计算能力，但操作系统、编译器以及应用开发者需要知道，哪些基础功能能在不同硬件上稳定使用，否则硬件创新获得的自由度，就可能转化为软件团队反复适配的工作量。

RISC-V International于2024年10月批准的RVA23 Profile，将向量扩展与虚拟化扩展纳入应用处理器的基础要求，目的正是为64位应用处理器提供更一致的软件目标。按照该国际组织的解释，统一的Profile有助于提升软件在不同硬件实现之间的可移植性，并推动操作系统和开发工具围绕共同的功能集合建设。进迭时空在K3上支持RVA23，同时保留自研计算核和面向AI的扩展能力，体现了标准兼容与场景定制并行推进的路线。

沿着这条路线，K1先以自研X60计算核和约2TOPS的AI算力进入电力、电信、工业、机器人以及边缘智能终端等领域。K3则进一步集成8个X100通用计算大核、8个A100 AI核以及双核RT24实时处理单元，尝试在一颗芯片中承接更多系统级任务。产品从支持某项智能功能，走向参与机器人主控或AI计算机的平台设计，进迭时空需要与客户共同解决的问题也随之增多。

一颗芯片进入整机，要跨过多少道门槛

在芯片性能评估阶段，测试指标能够帮助客户迅速筛选方案；真正讨论一款机器人或智能终端采用什么计算平台时，软件、外设以及后续维护的工作量会逐渐进入决策。唐懿介绍，有些客户认可进迭时空的硬件表现，却在准备正式导入时犹豫，担心的正是软件生态是否足够成熟。她对此有一句概括：“客户做的从来不是‘买一颗芯片’的决定，是‘买一套能交付的系统’的决定。”

一台人形机器人运行时，操作系统需要持续管理设备和应用，视觉算法要处理感知信息，运动控制则必须及时响应关节与驱动系统的指令。这些任务对吞吐量和响应时间的要求并不相同。K3为此安排了三类计算资源，由X100通用核负责操作系统和应用，A100 AI核承担视觉感知及推理，RT24实时核处理实时控制。它们在同一芯片中协同，有机会减少部分跨芯片通信及板级集成环节；至于整机能获得多大幅度的延迟、功耗及可靠性改善，还需要连同软件调度、传感器、执行机构以及通信系统一并检验。

2026年4月19日，北京亦庄举行的人形机器人半程马拉松，让这种计算方案进入了持续运行的户外场景。上海国家地方共建人形机器人创新中心的“灵龙2.0”跑完21.0975公里，用时1小时38分。唐懿将这一案例视为K3在机器人领域的重要验证经历，因为完成赛程需要整机在较长时间内维持感知、控制和运动的配合。比赛成绩属于整个机器人系统，不能直接归结为单颗芯片的性能优势，但这一使用场景使计算平台面对的要求比实验室短时测试更加具体。

唐懿还提到上海人形机器人创新中心的一次适配经历。工程师从下午1点半开始编译代码，到晚上6点半，已让一台完整人形机器人在RISC-V平台上运行起来。对于正在考虑更换计算架构的研发团队，这种经历能让软件迁移的难度变得更具体。不过，这五个小时描述的是特定项目的运行验证，不能据此推断其她机器人或软件系统都可以用同样的时间完成迁移。

2025年一项收录于IEEE Xplore的RISC-V自动向量化研究，在不同开发板上比较了LLVM与GCC编译器的表现。不同编译器版本、向量长度以及优化参数，会让部分任务呈现出明显的性能差异。这项研究没有测试K3，却说明芯片支持向量指令之后，编译工具还须生成适合这些指令的代码，应用程序才能真正发挥相应的计算能力。

进迭时空围绕K系列芯片建设的Bianbu操作系统、ROS/ROS2支持及常用推理框架适配，正是为了减少客户逐项补齐开发环境的工作。公司还持续将相关处理器支持和指令扩展推进LLVM、GCC及Binutils等上游项目，并在2026年7月推出SpacemiT Studio，将设备连接、镜像烧录、终端操作、开发环境以及AI示例整合到开发工作台中。对整机团队来说，工具能否稳定使用、已有项目需要修改多少代码，以及遇到问题时能否获得及时支持，最终会体现在开发周期和交付风险上。

从一次成功适配，到更多工程师的日常选择

对于端侧大模型和具身智能的热潮，唐懿的态度颇为审慎。她认为，数据必须留在本地、响应时间需要可控，以及断网后仍要持续工作，都是会影响芯片与系统架构选择的真实约束；但并非每一类终端都需要更大的模型。如果某项业务采用大模型之后无法明显改善用户体验或工作效果，新增的硬件、开发以及维护成本就很难找到对应的收益。

K1最初进入机器人领域时，进迭时空主要从语音处理、机器视觉和局部控制等功能入手，让客户围绕边界清楚的任务测试计算能力。随着K3将通用计算、AI推理以及实时控制集成到同一平台，整机厂商可以进一步评估它是否适合承担机器人主控任务。与此同时，系统开发工作的范围也扩大了，原有软件、整机结构以及成本预算都要一起纳入权衡。

2023年，Linux基金会欧洲分支启动RISE（RISC-V Software Ecosystem）项目，联合芯片、操作系统以及软件企业推动面向移动终端、消费电子、数据中心和汽车等领域的商用级RISC-V软件。它把编译工具、运行环境、系统固件和Linux发行版适配等纳入合作范围，推动更多基础能力在开源项目上游得到维护。对于必须长期支持多个产品版本的芯片企业，共同的软件基础越完善，独自维护大量适配代码的负担才越有机会减轻。

K3提供60TOPS AI算力，并支持BF16、FP16、FP8、INT8和INT4等计算格式，为不同模型结构、精度要求和终端资源条件下的部署留下了选择。客户最终获得怎样的推理速度和效果，还取决于内存容量、带宽、量化方法以及软件框架的具体实现。特别是面向长期销售和迭代的终端，模型更新之后是否仍能沿用已有平台，常常会进入与当前芯片性能同样重要的采购评估。

2026年，进迭时空宣布一致性互联总线N200完成研发，计划将其与X200通用计算核、A200 AI核用于下一代芯片，并争取在2027年实现量产。产品规划开始指向更大规模的计算与互联系统，也对自研IP、开发工具和软件生态提出进一步要求。至于这些能力能够支持哪些实际业务，还要由未来产品的交付和应用结果回答。

谈及与Arm、x86等成熟架构的竞争，唐懿并不把胜负归结于单项速度或功耗。她关注的是工程师是否愿意在日常开发中使用RISC-V。开放架构为芯片企业提供了定制空间，但成熟架构所积累的软件、工具及开发经验同样构成竞争力。对终端团队来说，编译器是否熟悉、驱动和框架能否长期维护，以及原有项目迁移需要投入多少工作，往往比单一峰值指标更直接地影响平台选择。

K1已进入批量交付，K3也开始在更复杂的机器人系统中接受验证，但新架构的使用经验仍要在一个个客户项目中积累。当工程师能够用熟悉的工具完成开发，整机厂商能够评估清楚迁移和维护成本，RISC-V才有机会与其她成熟平台一起，成为产品选型时可以认真比较的方案。