作者：电子创新网张国斌

当AI从数据中心走向汽车、机器人、工业设备和各种智能终端，处理器IP的竞争逻辑正在发生变化。

过去，客户采购CPU IP，关注的是指令集、性能、功耗、面积以及生态；但进入物理AI时代，仅仅提供一个CPU内核已经越来越难以满足需求。感知、推理、实时控制、安全、通信以及软件工具链，需要被放到同一个系统里进行协同优化。

这也是MIPS在GTS 2026上释放出的一个重要信号：MIPS正在从一家传统意义上的处理器IP供应商，向“工作负载原生”的全栈技术平台供应商转型。其背后的关键词，是“物理 AI”和“Workload Native”。

MIPS首席执行官Sameer Wasson在媒体沟通会上明确表示，MIPS希望从IP供应商进一步走向全栈技术解决方案供应商，并将定制芯片战略作为未来业务的重要组成部分。

换句话说，MIPS想做的已经不只是“卖一个CPU核”，而是从IP一直做到芯片交付。而RISC-V，则成为这条路线的重要底座。

MIPS并不是一家新公司，它拥有40多年处理器技术积累的MIPS，在与ARC整合之后，正在重新定义自己的业务边界。目前，MIPS将业务划分为四大支柱：RISC-V处理器IP、AI加速器与DSP、软件，以及定制芯片。这个变化非常值得关注。

因为传统IP公司的商业模式，本质上是把一个“标准化模块”授权给芯片厂商，由客户完成后续SoC设计、软件适配、流片以及量产。

而MIPS现在试图向产业链下游再走一步。IP只是起点，芯片才是交付终点。这意味着MIPS的竞争对象，也正在从传统CPU IP供应商扩展到更广泛的芯片平台公司。据MIPS首席执行官Sameer Wasson介绍，公司目前拥有超过750名工程师，在美洲、亚洲和欧洲建立研发体系，中国上海、武汉，以及印度、欧洲和美国均有研发布局。

与此同时，MIPS目前已经服务超过500家客户，覆盖汽车、航空航天、AI基础设施、机器人和工业自动化等领域。更重要的是，MIPS透露，其RISC-V平台已经在AI数据中心领域实现量产。

Image

这背后实际上体现了一个产业趋势：当芯片越来越围绕具体工作负载设计，IP与芯片之间的边界正在变得模糊。

过去我们谈CPU，更多是谈“CPU有多少核、频率多高、IPC多少”。但物理AI的计算需求并不是单纯追求峰值算力。一辆汽车需要实时处理摄像头、雷达、激光雷达等传感器数据，同时完成AI推理、决策和控制；一个机器人需要同时处理视觉、语音、运动控制和传感器数据；工业设备则需要在确定性的实时约束下完成感知和执行。

这些场景的共同特点是：计算不是孤立存在的，而是嵌入整个物理系统。因此，MIPS提出的“工作负载原生”，实际上是在回答一个问题：与其先设计一个通用处理器，再想办法让它适应不同工作负载，不如从工作负载出发反向设计处理器、软件和芯片平台。

这也是MIPS所谓“软件优先”和“模块化工作负载扩展”的意义。其技术路线可以简单理解为：工作负载 → 软件 → 处理器IP → 加速器/DSP → SoC → 芯片交付。这比单纯提供CPU IP显然更接近最终应用。

在此次GTS 2026上，MIPS推出了三款全新的工作负载原生平台：Acies、Actus和Aegis。

三者分别对应推理、事件和安全。

这三个方向其实非常有意思，因为它们恰好对应了物理AI落地过程中最核心的三个问题：AI怎么跑、系统怎么实时响应、系统怎么保证安全。

Acies：AI边缘计算需要的不只是NPU；Acies是MIPS推出的推理原生平台，面向现代AI边缘处理器。

从产品定位来看，Acies并不是简单增加一个AI加速单元，而是试图围绕AI推理工作负载重新组织处理器平台。这背后的变化在于，边缘AI正在从“有没有AI算力”转向“如何把AI真正部署到系统”。数据中心里的AI推理可以通过大规模GPU集群完成，但汽车、机器人、工业设备不可能无限堆算力。它们更关心的是：单位功耗下能完成多少推理；推理延迟是否稳定；AI加速器与CPU如何协同；传感器数据如何高效进入计算系统；软件能否快速部署；整个系统是否满足安全和实时要求。

因此，未来边缘AI处理器的竞争，很可能并不是简单的“NPU TOPS大战”。真正决定产品竞争力的，是AI计算能力与CPU、DSP、内存、I/O以及软件之间的协同。MIPS此次还强调Acies采用标准RISC-V架构，并提供M.2 PCIe形态的平台，这实际上也是在降低AI边缘开发和集成的门槛。

从这个角度看，Acies更像是一个面向AI推理的完整开发平台，而不是一个单纯的CPU IP。

Actus：物理AI的核心不是“算得快”，而是“反应快”。

如果说Acies解决的是“推理”，那么Actus解决的是物理AI更加关键的问题——实时响应。MIPS将Actus定义为事件原生平台，并以MCU形式推出。其核心思想是让处理器能够实时感知环境，并快速完成响应和执行。这一点对于机器人、汽车、工业自动化尤其重要。

传统AI讨论中，大家很容易关注模型参数量、TOPS、Token/s等指标。但物理世界不一样，

对于机器人来说，机械臂是否能够在几毫秒内响应一个传感器事件，可能比模型拥有多少参数更加重要；对于汽车来说，安全系统能否在确定性的时间窗口内完成响应，也不是单纯靠提升AI算力能够解决的问题。

所以物理AI实际上存在两套计算逻辑：一套是“推理计算”，另一套是“实时控制”。Actus显然瞄准的是后者。

MIPS 首席技术官 Yankin Tanurhan介绍称，Actus基于RISC-V环境，并搭配512位向量协处理器，同时针对ISO 26262和ISO 21434等汽车安全与网络安全标准进行设计。这也意味着，MIPS正在尝试把RISC-V从“计算架构”进一步推进到实时控制系统。

Aegis：安全不是外挂，而是处理器的原生能力。

Aegis将“安全”放到了处理器设计的核心位置。MIPS将其定义为安全原生CPU平台，面向汽车、航空航天和工业控制等场景。

这里有一个很重要的变化。过去很多芯片的安全能力是在处理器之外通过安全岛、安全MCU、监控模块等方式增加进去的。但对于物理AI系统而言，安全越来越不能只是一个外挂模块。

因为AI系统正在越来越多地参与现实世界的决策和执行。汽车、机器人、工业控制系统一旦具备感知、推理和执行能力，其计算系统本身就必须具备安全隔离、故障处理、实时响应和网络安全能力。

因此，“安全原生”本质上是在把安全从一个功能模块提升为处理器架构的基本属性。

这也是Aegis与Acies、Actus形成互补的地方：Acies负责推理，Actus负责实时事件处理，Aegis负责安全。三者共同构成了MIPS所谓的“工作负载原生平台”。从感知到推理再到执行，MIPS正在补齐Physical AI闭环。

MIPS此次还提出了一个值得关注的框架——STAC。从感知（Sense）、推理（Think）、执行（Act）到通信（Communicate），MIPS希望通过处理器、AI加速器、DSP、MCU和软件等不同产品，把物理AI系统中的主要计算环节串起来。

这意味着MIPS对于Physical AI的理解，并不是“在CPU旁边加一个NPU”。它更接近一个完整的系统：传感器获取数据 → DSP进行信号处理 → AI加速器进行推理 → CPU进行控制和决策 → MCU/执行器完成动作 → 通信系统与外部环境交互。

这也是为什么MIPS此次展示的产品组合并不只有CPU。例如在AI加速方面，MIPS展示了Acies/S8200和NPX6；在64位应用处理方面包括P8700、RPX100和A720级别MPU；实时Linux方面有I8500；高性能安全MCU包括M8500、RHX100和RMX500；入门级MCU则有RMX100；DSP则有VPX系列。

从汽车到机器人，从IoT到通信，不同工作负载都可以找到相应的计算单元。如果过去MIPS的核心价值是“处理器IP”，那么现在它希望形成的是：CPU + NPU + DSP + MCU + Software + Chip。这实际上就是“全栈化”。

那么，为什么MIPS会把RISC-V放在这套战略的核心位置？答案并不只是“RISC-V开放”。

真正重要的是：开放ISA给了工作负载定制化留下空间。AI时代，通用处理器与专用加速器之间的边界正在重新划分。尤其是矩阵计算、向量计算、信号处理等领域，不同客户的工作负载差异非常大。如果所有芯片都必须采用完全相同的指令集和固定架构，那么芯片设计者能够进行优化的空间自然有限。而RISC-V的开放性，让企业可以在标准指令集基础上进行扩展。

MIPS CTO Yankin Tanurhan在现场也明确表示，他认为未来一定会存在一定程度的定制化，而这正是RISC-V的优势之一。

但这里又出现了一个非常现实的问题：标准还没有完全成熟的时候，到底要不要自己扩展？

这其实是当前RISC-V产业面临的一个关键矛盾。

矩阵指令就是一个典型案例。目前RISC-V在矩阵计算扩展方面仍存在不同路线探索。对于芯片公司来说，这产生了一个两难：如果等标准，可能错过产品窗口；

如果自己做定制扩展，又可能出现产品上市之后标准变化，最终导致返工。MIPS在此次沟通会上也坦率谈到了这一风险。过去类似的情况已经出现过：一些厂商在标准尚未最终确定之前进行了自定义扩展，但后来正式标准与早期实现存在差异，最终不得不重新设计。

这说明RISC-V生态正在进入一个新的阶段。早期RISC-V最大的优势是“开放”。但当RISC-V真正进入汽车、AI、机器人、服务器等大规模商业市场之后，产业真正需要解决的已经变成：如何在开放和标准之间建立稳定的工程秩序。这甚至可能比单纯提升处理器性能更加重要。

因为对于汽车和工业客户来说，一颗芯片的生命周期可能长达十几年甚至二十年。他们需要的不只是今天能不能跑，而是：十年之后软件还能不能继续运行，生态还能不能继续支持，指令集是不是依然兼容。

因此，RISC-V下一阶段真正需要建立的，是从ISA标准、工具链、操作系统到芯片认证的一整套长期生态。

MIPS在回答媒体关于RISC-V在汽车、机器人和工业领域面临哪些挑战时，提到了一个非常值得关注的词：平稳过渡。这可能比“替代ARM”更加现实。

因为汽车和工业领域不可能因为一种新架构出现，就把原来的软件和芯片生态全部推倒重来。真正可行的路线，是让RISC-V逐步进入现有系统。

保留原有软件体系，逐步替换处理器；保留原有系统架构，再逐渐引入RISC-V；让不同RISC-V供应商之间可以切换，而不是重新被某一家供应商绑定。

从商业角度看，这实际上是在降低迁移成本。而这恰恰是RISC-V能否进一步扩大市场的重要变量。开放不是最终目的，降低迁移成本才是开放架构真正的商业价值。

回到MIPS本身，这次GTS 2026释放出的信息其实可以概括成一句话：MIPS不再满足于做CPU IP，而是希望成为物理AI系统的计算平台。这也是为什么它一边强调自己已经是全球最大的RISC-V IP供应商之一，同时又不断强调软件、AI加速器、DSP、定制芯片以及晶圆厂合作。

因为物理AI时代，单独一个CPU IP的价值正在被重新定义。真正有价值的，是能够把：

ISA → CPU → AI加速 → DSP → 软件 → 安全 → 实时计算 → 芯片制造；连接起来的平台能力。

而MIPS与格罗方德的关系，也让这种“从IP走向芯片”的战略有了进一步落地的可能。不过值得注意的是，MIPS也特别强调，其处理器IP本身并不绑定某一家晶圆厂，客户仍然可以选择台积电、三星、联电等不同制造平台。这意味着MIPS真正希望建立的并不是一个单纯的“代工+IP”绑定模式，而是通过IP、软件和定制芯片能力，形成更完整的交付能力。

如果把时间尺度拉长来看，MIPS此次战略调整所反映的其实并不只是MIPS一家公司的变化。整个处理器产业正在经历一次竞争维度的迁移。PC时代，竞争核心是CPU性能；移动时代，竞争变成CPU + GPU + NPU + SoC；到了AI时代，计算开始围绕具体工作负载重构；而物理AI时代，进一步要求计算系统同时解决感知、推理、实时控制、安全和执行。

这意味着未来的处理器IP竞争，很可能不再是简单比较谁的CPU核更快。真正的问题会变成：谁能够针对具体工作负载，把处理器、加速器、软件、实时性、安全和芯片制造组合成一个可以真正量产的系统。

从这个角度看，MIPS此次推出Acies、Actus和Aegis，并不仅仅是增加了三个产品。它实际上是在尝试建立一套新的产品方法论：以工作负载定义处理器，以软件定义平台，再以芯片完成交付。

这或许才是“智能将无处不在”这句话背后的真正含义——未来的智能并不只存在于GPU服务器或者大型AI模型中。它会进入汽车、机器人、工业设备、传感器乃至各种微型终端。而当智能开始无处不在，计算也必须无处不在；当计算开始嵌入物理世界，处理器IP的竞争，也将从“提供一个内核”，走向“定义一套能够真正工作的计算系统”。

注：本文为原创文章，未经作者授权严禁转载或部分摘录切割使用，否则我们将保留侵权追诉的权利。