当前，RISC-V正在进入AI算力芯片的核心战场，但有一个现实问题始终存在：拥有开放的指令集，并不意味着就能轻松做出一颗完整的高性能AI芯片。

一颗真正面向AI计算的芯片，远不只是靠一个CPU核。它需要CPU与NPU协同，需要存储、互联、接口和安全模块配合，还要经过复杂的验证、软硬件适配和系统集成。即使架构设计已经完成，距离芯片成功流片、软件正常运行乃至最终产品落地，仍然有很长一段路要走。

这也是RISC-V产业发展中一个非常值得关注的变化：竞争正在从指令集和处理器IP，进一步延伸到整芯片的工程能力，以及围绕芯片构建计算平台的能力。

近日，在RISC-V中国峰会期间，电子创新网CEO张国斌专访了CoreLab创始人吴雄昂先生，笔者认为吴雄昂选择在这个阶段投身RISC-V，值得思考和观察。

作为曾在英特尔工作、后来担任Arm中国董事长兼CEO的行业人士，吴雄昂经历过不同计算架构及其生态的发展过程。如今，他创立CoreLab，将目光投向以RISC-V和开源软件栈为基础的OpenCSS开放计算平台。

笔者认为如果只把这件事理解为一家新公司进入RISC-V市场，可能低估了它的意义。更值得关注的问题是：当RISC-V开始承担AI算力任务，芯片企业能否不再每次都从零搭建整套计算系统？

“过去谈到RISC-V，行业关注的焦点往往是开放指令集、处理器性能，以及它能否在特定市场替代Arm或其他处理器架构。但随着AI算力需求不断变化，RISC-V的应用边界也在扩大。它不再只与微控制器、嵌入式处理器等领域联系在一起，也开始进入高性能CPU、AI加速器协同以及更复杂的计算系统。这意味着，RISC-V芯片的开发逻辑也在发生变化。”

吴雄昂指出，“对于一颗面向AI计算的芯片，CPU、GPU、NPU等模块并不是简单地拼在一起就能正常工作，例如，替换一个CPU或NPU IP，可能会影响互联结构、存储访问、时钟复位、验证环境以及软件适配。即使每个模块单独看都没有问题，集成后仍可能出现时序、带宽、功耗或系统兼容性方面的挑战。”

因此，真正的难点不只是获得一个性能不错的RISC-V处理器核，而是把不同的计算模块组织成一套能够稳定运行、经过充分验证并可交付客户的SoC系统。

“所以，开放指令集只是起点，整芯片工程能力才是RISC-V走向高性能AI计算必须补上的一课。”他强调。

如果每进入一个新项目，就要重新完成子系统架构设计、IP集成、验证和软件适配，研发团队不仅需要承担高昂的重复性投入，也很难持续缩短产品迭代周期。

对希望进入AI算力市场的芯片公司而言，如何降低这些重复工作，同时保留对芯片架构的控制权，正在成为一个现实问题。

吴雄昂的经历，为理解这一问题提供了一个观察角度。

英特尔长期围绕处理器构建软硬件协同的计算平台，Arm则通过处理器IP授权和广泛的合作伙伴生态，将其架构延伸到大量不同类型的终端和计算设备。两者的商业模式并不相同，但都说明了一件事：计算架构的影响力，不只取决于处理器本身，还取决于它能否形成可持续使用、开发和扩展的平台。

处理器IP与完整计算平台之间，存在着明显的工程鸿沟。

前者提供某种计算能力，后者则要把计算能力放进真实的系统中，让它能够与存储、互联、外设和软件协同工作，并最终满足具体产品的需求。

吴雄昂在英特尔和Arm中国的工作经历，使他有机会从不同角度观察计算平台的发展及其生态运作。如今转向RISC-V，可以将其理解为一次经验迁移：当计算架构发生变化，新的机会未必只存在于处理器IP本身，也可能来自围绕新架构重建计算平台的过程。

“RISC-V并不是把Arm或x86的既有模式简单复制一遍。它的开放性，为芯片设计者提供了更大的架构选择空间，也允许不同来源的IP与自研模块组合使用。但开放本身并不能自动解决系统集成、验证和产品化的问题。”他强调。

这就提出了一个更具体的问题：能否把芯片开发中那些重复、复杂、却又不可或缺的工程工作沉淀下来，让企业把更多精力用于真正有差异化的设计？

吴雄昂创立的CoreLab提供的OpenCSS，正是沿着这条路径展开。

OpenCSS全称为Open Compute Subsystem，即开放计算平台。按照CoreLab的设计思路，它并不是简单提供一组处理器IP，而是尝试将计算子系统及其相关的硬件、验证和软件能力整合起来，形成可复用、可配置的开发基础。

其关键价值在于开放性。

“传统的计算子系统方案往往与特定供应商的IP生态深度绑定。对于希望使用不同CPU、NPU或其他专用加速器的芯片企业来说，如果底层系统缺乏灵活性，替换某个核心模块就可能牵动大量关联设计。”吴雄昂解释说，“OpenCSS则希望让CPU、GPU、NPU或其他加速器，以及NoC、DDR、PCIe等模块能够根据项目需要进行组合，同时允许客户接入自有或第三方IP。它还将以太网、安全模块及相关外设纳入更完整的SoC基础框架。”

这意味着，客户可以在复用平台基础能力的同时，根据自己的产品定位选择和调整关键模块，而不必因为更换一个IP，就重新设计整个子系统。

但平台化的意义并不止于硬件组合。

实际上，一颗芯片能否按期流片，取决于硬件设计之外的大量工程工作。OpenCSS的交付内容还包括子系统RTL与配置、集成脚本、验证环境、FPGA原型及仿真环境，以及固件、BSP、驱动程序和Linux/RTOS支持等软件能力，并提供相应的工程集成和文档支持。

换句话说，它试图将原本分散在芯片研发流程中的一系列工作，变成可以重复使用的工程基础。

对于AI芯片企业而言，这种模式的吸引力是明确的：团队可以把更多资源投入计算架构、NPU设计、目标工作负载和产品差异化，而不是反复解决已经出现过的底层集成问题。

据吴雄昂估算，OpenCSS希望将传统芯片项目约16至20个月的开发周期缩短至8至10个月，开发成本降低一半甚至更多。这个数字最终能否在不同规模、不同复杂度的项目中普遍实现，仍需更多项目验证；但其背后的方向值得关注——把一次性的芯片工程投入，转化为能够持续复用的平台能力。

这并不意味着芯片设计从此变得简单。高性能计算芯片仍然需要大量架构创新、性能优化和复杂验证。平台化真正想减少的，是每个项目都不得不重复完成的基础工作。

对RISC-V AI算力芯片来说，这可能比单纯增加一个处理器IP更有长期价值。

判断一个开放计算平台是否有价值，最终不能只看它的架构理念，还要看它能否进入真实的芯片项目。

目前，CoreLab已基于OpenCSS推出经硅验证的Atlantis SoC基础设施子系统。吴雄昂透露，2026年10月，CoreLab为Tenstorrent完成了基于OpenCSS平台的首次流片。从初始架构设计到成功流片，项目历时约十个月。该项目结合了Tenstorrent的高性能RISC-V CPU以及CoreLab的SoC解决方案，将主要面向AI服务器和工作站。

这类项目的价值，在于它展示了不同团队的能力如何通过平台协同起来。

CPU提供通用计算能力，NPU面向AI计算需求，SoC平台则负责把不同模块组织成一个可运行、可验证的完整系统。对于需要将AI加速器与通用处理器结合起来的企业而言，这种分工与组合方式提供了一条不同于完全自主搭建底层系统的研发路径。

当然，成功流片只是芯片产品化的重要节点，并不等同于已经完成量产和市场验证。但从研发流程的角度看，这个项目至少为OpenCSS的工程整合能力提供了一个实际案例。

更重要的是，它所对应的需求并不局限于某一款芯片。

当越来越多企业希望围绕自有NPU、专用加速器或特定AI工作负载开发芯片时，它们未必都需要从头构建CPU、存储和互联等基础系统。能够在经过验证的基础平台上完成定制，可能成为提高研发效率的一条现实路径。

这也是开放计算平台与单纯IP授权之间的区别：前者试图解决的不只是“给客户什么模块”，还包括“如何让这些模块在客户的芯片里协同工作”。

从更大的产业视角看，RISC-V进入AI算力市场，面对的挑战远不止性能指标。

一方面，AI工作负载仍在快速变化。模型规模、计算精度、存储需求以及推理与训练的工作方式不断演进，芯片企业需要根据目标应用调整CPU、NPU及其互联和存储架构。

另一方面，芯片研发周期长、投入大。一旦底层系统缺乏复用能力，每一次架构调整都可能带来大量重新集成与验证工作，企业很难快速响应市场变化。

因此，RISC-V AI芯片需要的不只是更多处理器IP，也不只是一个开放的指令集，而是从处理器、加速器、互联、存储到软件和验证的一整套工程能力。

OpenCSS所尝试的，正是将其中可复用的部分沉淀为平台，让芯片企业能够在基础系统之上进行差异化设计。

吴雄昂坦承这条路径能否走通，还取决于几个因素：平台的IP兼容性是否足够广泛，验证质量能否经受不同客户项目的检验，软件工具链能否支撑实际工作负载，以及平台能否在真实商业项目中持续迭代。

开放计算平台也不意味着所有客户都应该使用同一套设计。恰恰相反，平台的价值在于把通用能力与差异化能力分开：通用部分尽可能复用，真正决定产品竞争力的部分，则留给芯片企业自主定义。

对于RISC-V AI芯片而言，这种分工尤其重要。开放架构提供了更大的设计自由度，而平台化工程能力，则决定这种自由度能否转化为可交付的产品。

吴雄昂从英特尔、Arm中国走向CoreLab，其意义或许也在这里：当新的计算架构开始获得更多关注，产业机会并不只存在于重新设计一个处理器核，还存在于重新思考整颗芯片应该如何被开发、集成和交付？

RISC-V的开放性解决了架构选择的问题，但要让它真正走向高性能AI计算，还需要更多企业建立完整的芯片工程能力。

RISC-V AI芯片不应该每次都从零开始。真正值得建立的，是一套能够反复验证、持续复用、允许客户深度定制，并最终走向商业交付的计算平台。

这可能正是CoreLab及其OpenCSS想要回答的问题。