广东
随着大模型应用加速落地，AI算力需求正在从单纯追求峰值算力，向性能、能效、成本以及部署效率等综合能力延伸，对系统带宽和功耗提出更高要求。RISC-V与AI计算的融合，为产业界提供了新的技术探索方向。10月19日，在2026 RISC-V中国峰会上，蓝芯算力发布智通融合超节点，进一步将基于RISC-V架构的AI计算能力从单芯片、服务器向集群化算力基础设施延伸。
在传统CPU与独立AI加速器分离的架构中，数据需要通过PCIe等高速互联在不同内存空间之间传输。智通融合方案则尝试从芯片架构层面减少数据搬运，并围绕大模型推理中的首Token延迟、Prefill和长上下文等场景进行优化。而蓝芯算力提出“智通融合”架构，将通用计算与AI计算能力集成在同一芯片，并通过统一内存架构减少数据在不同计算单元之间的搬运。
据蓝芯算力CTO贾新霞介绍，蓝芯算力LX500采用RISC-V架构，集成48个RISC-V CPU核心，包括32个性能核和16个能效核，同时集成AI Vector和Matrix计算引擎，AI算力达到75 TOPS INT8，并支持INT4至FP32多种精度。芯片采用统一内存架构，共享DDR5内存资源，并支持CXL扩展。
在芯片和服务器之外，模型适配和软件生态成为AI推理产品能否真正落地的重要环节。
目前，蓝芯算力已围绕Qwen、DeepSeek、Kimi等大模型开展适配，覆盖不同参数规模、不同精度以及长上下文应用场景，并探索通过统一软硬件栈降低模型部署复杂度。
在应用层面，相关产品可面向企业私有知识库RAG、Agent办公助手、金融合规推理、政府离线问答以及工业现场检测等场景，满足部分行业对本地化推理、数据安全和低成本部署的需求。
从芯片到服务器，再到超节点，蓝芯算力正在尝试构建覆盖不同算力规模的RISC-V AI推理产品体系。此次智通融合超节点的发布，也意味着RISC-V在AI推理领域的探索进一步从芯片和单机产品向系统级算力基础设施延伸。
业内人士认为，随着人工智能应用从模型训练逐步走向更加广泛的推理和行业部署，算力基础设施需要兼顾性能、能效、成本与部署灵活性。未来，芯片性能、软件生态、服务器产品以及行业应用之间能否形成更成熟的协同体系，将成为这一技术路线进一步规模化落地的重要因素。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
