RISC-V Summit 幕後

October 23, 2025 · 閱讀時間約 6 分鐘

從矽谷 RISC-V Summit 的 Workshop Demo 出發,看 Edge AI、RISC-V 生態與市場玩家的脈動

RISC-V Summit North America, Santa Clara

RISC-V Summit North America, Santa Clara

RISC-V Summit

RISC-V Summit North America 2025 由 RISC-V International 主辦,為年度旗艦技術會議。參與者涵蓋 CPU / SoC 設計、EDA、作業系統、Compiler、AI Accelerator 與終端應用的各領域公司。

它與一般行銷導向的科技展最大不同在於:這是一個圍繞「技術如何實踐」的會議。

RISC-V Summit 的核心精神是:

  • 開放指令集(Open ISA)
  • 標準制定與實作同步前進
  • 從學術研究到量產產品的完整鏈結

公司參與的這一屆在美國加州 Santa Clara 舉辦,三天議程涵蓋:

  • Member Day(工作小組 / SIG / TG 技術討論)
  • Keynotes(產業趨勢與生態系方向)
  • 技術 Sessions(ISA、Security、AI、HPC、Embedded)
  • Demo / Poster / Hackathon

換句話說,這是一個影響未來 CPU、AI 走向的場域


台前的人,與幕後的人

公司受 SiFive 邀請,一同參與 RISC-V Summit 的 Workshop。本次由 CEO Jerry 與 CTO Dr.Daming 親自上台,對社群分享公司在 RISC-V SoC + Endpoint AI 方向的思考。

而我在這次扮演的角色則是在幕後,負責整個 Workshop Demo 的技術實作與展示內容。

我的任務很單純:讓台上說的每一句話與展示的數據,在台下都有一個能被檢驗的依據


用系統回答 Edge AI 的現實問題

Edge AI 的世界,從來不是「效能越高越好」這麼單純。它更像是一個系統經濟:功耗、延遲、體驗彼此拉扯,沒有單一解。

實際上,我們面對的是同時存在卻彼此衝突的需求:

  1. 裝置需要長時間待機 : 例如語音麥克風、各式感測器的Always-on Listening/Monitoring
  2. 一旦觸發事件,必須立刻進入高效能運算: 預處理、AI Inference、特徵擷取、後處理

關鍵在於:要在 Ultra-low powerHigh performance 之間取得平衡,就必須協同完整的系統設計,而不是單點加速。


MLPerf Tiny – Keyword Spotting

我們選擇 MLPerf Tiny 之中的 Keyword Spotting(KWS) 作為展示主軸之一:

Benchmark 是對外溝通的共同語言。

在技術社群裡,大家最怕的不是你做不到,而是你做了卻「無法比較」。MLPerf Tiny 提供一個接近產業共識的基準,讓效能與能耗的討論變成可比較的數字。


Dual-core Programming - 一顆常駐、一顆衝刺

這次 Demo 最核心的設計思路,是一個非常典型的 Edge AI 架構:

  • Core A:Always-on Listening

    • 長時間待機、極低功耗
    • 負責 Voice Activity Detection,判斷是否有聲音事件
  • Core B:高效能運算路徑

    • VAD 觸發後啟動
    • 將高運算量的 AI inference 交給 NPU

這樣的設計精神其實很簡單:

把「一直醒著」跟「很會算」拆開,才能同時省電又夠快。


Heterogeneous Memory 的取捨

如果只談 CPU 或 NPU,還不足以說服真正做系統的人。因為在 Edge 裝置上,功耗與效能往往藏在記憶體配置裡:

  • FLASH XIP:容量大,但效能與功耗需權衡
  • SRAM:常用資料與一般工作區
  • DTIM:低延遲、對即時性敏感的關鍵區段

Workshop 技術分享的價值在於:不只是展示功能能跑,而是能清楚說明 為什麼這樣放、以及這樣放帶來什麼結果


從議程看市場脈動:AI、HPC,仍然主導一切

快速瀏覽三天議程,一個訊號非常明確:

AI 仍然是整個產業的引力中心。

從 Keynote 到技術 Session,可以清楚看到:

  • HPC 與大型模型對算力的需求仍在快速拉升
  • 軟體(Compiler、Runtime、MLIR、Triton)如何激發所有硬體效能,成為關鍵戰場
  • 同時,如何把這些技術「縮小、壓低功耗」,落實到 Edge/Endpoint AI ,仍有很長的路要走

大模型與資料中心是現在的焦點,但 Endpoint AI 是未來真正進入日常生活的關鍵節點。


另一個清楚的趨勢:RISC-V 生態中,中國角色持續上升

在這次 Summit 中,也能明顯感受到在中美科技角力的背景下,中國公司在 RISC-V 生態系中的存在感持續增加。

無論是:

  • ISA Extension
  • AI Accelerator (NPU)
  • SoC 與系統應用
  • 軟體工具鏈

都可以看到來自中國的企業積極投入。這並不令人意外。RISC-V 的開放性,本來就使它成為各國發展自主技術的重要基石。而從產業角度來看,這種多方投入,反而讓整個生態更快成熟。


我們正在浪頭上

回頭看這段忙碌的準備期,我最深的感受是:全球的注意力與資源,正聚焦在 AI 上,而我們正身在其中。這不只是一場技術競賽,更像是一個產業的加速期。

無論是 AI Agent、HPC、Edge/Endpoint AI,都還有大量問題等待被解決。而能在這個時間點,參與其中、動手做系統、把技術真正跑起來,本身就是一件值得投入的事。

如果這真的是一個 AI 的春天,那就希望它不只是算力的堆疊,而是能帶來更實用、更節能、更貼近生活的科技產品

延伸閱讀

  1. 想了解看看社群使用心得,請閱讀【開箱評測】穿戴式超低功耗 TinyML 開發板 Trina-Pi (UP201) 開箱實測

Tags