【導讀】隨著AI從大模型走向智能體（Agentic AI），CPU正在重新成為整個AI系統的核心。就比如，最近英特爾就說隨著AI從模型訓練邁向推理和智能體應用，數據中心正在經歷新一輪架構重構。在這一過程中，CPU不再只是輔助角色，而是重新成為AI基礎設施的調度中心和控制中樞。
RISC-V作為開放且極具拓展性的指令集，正在在Agentic AI時代爭奪越來越多的定義權。
2026年WAIC期間，在芯原主辦的“RISC-V和物理智能論壇”上，靈睿智芯聯合創始人、副總裁李華慶圍繞Agentic AI時代CPU的新定位、高性能RISC-V的發展趨勢，以及靈睿智芯在高性能RISC-V CPU領域的布局進行了分享。
智能體時代，CPU重新成為系統核心
李華慶認為，今年以來，隨著Agentic AI的發展，AI已經從'會聊天'逐漸演變為'會做事'，真正開始成為生產力工具。
與生成式AI相比，智能體最大的變化并不僅僅來自大模型（Model），更重要的是圍繞模型運行的一整套Agent框架（Harness）。這一層負責智能體之間的調度、協同、任務執行以及系統管理，而這些工作幾乎都需要CPU完成。
例如，智能體運行過程中涉及的大量系統級任務，包括多智能體調度、沙盒創建與銷毀、權限管理、狀態監控、安全隔離等，都依賴CPU完成；CPU還承擔著智能體記憶管理的重要職責；短期記憶中的KV Cache、超長上下文管理需要CPU協調；長期記憶涉及向量數據庫、知識圖譜、外部知識庫的訪問和檢索，同樣由CPU負責調度；無論是網頁抓取、腳本執行，還是各類工具調用（Tool Calling），本質上都是CPU最擅長處理的工作。
因此，在Agentic AI時代，CPU已經不再只是AI加速器的'輔助角色'，而成為整個智能體運行框架的控制中心。
CPU開始更多參與AI推理
CPU在大模型推理過程中的作用也正在持續增強。李華慶表示，在生成式AI時代，CPU主要負責數據預處理、后處理以及I/O調度，大部分計算任務仍由GPU或AI芯片承擔。隨著大模型技術不斷演進，越來越多推理任務開始由CPU參與完成。
例如，對于'唐朝從哪一年到哪一年、共有多少位皇帝'這類穩定、不隨時間變化的知識，系統完全可以由CPU結合緩存和數據庫直接完成查詢，而無需再次調用大模型進行推理，不僅能夠降低推理延遲，也能減少整體功耗。
隨著CPU越來越深度地參與推理流程和智能體運行框架，它正在成為下一代AI系統新的性能瓶頸，也因此重新成為架構優化的重點。
RISC-V為智能體提供可擴展計算平臺
面對智能體和具身智能日益復雜的應用場景，傳統通用CPU越來越難兼顧所有業務需求。李華慶認為，在摩爾定律放緩、工藝紅利逐漸減弱的背景下，未來提升計算效率的重要方向已經從單純依賴先進制程，轉向軟硬協同設計。
RISC-V最大的優勢，正是開放、可擴展和可定制。開發者可以針對不同應用場景增加專用指令和硬件模塊，讓CPU更加貼近具體業務，實現領域專用優化，而不是依靠一顆完全通用的處理器覆蓋所有應用。
對于國內產業而言，RISC-V既具備自主可控能力，又能夠保持與全球生態兼容，為智能體時代提供了新的技術路線。
李華慶認為，Agentic AI天然需要大量針對場景的架構創新，而RISC-V開放指令集為這些創新提供了充分空間，無論是流水線優化、專用計算單元，還是系統級協同，都可以圍繞具體應用進行聯合設計。
高性能RISC-V開始進入數據中心
近年來，RISC-V生態保持高速發展，參與企業不斷增加，產品類型也越來越豐富。不過，李華慶指出，2025年以前，大多數RISC-V產品仍主要集中在MCU、IoT和AIoT等嵌入式市場。
雖然包括NVIDIA在內的國際廠商每年部署數十億顆RISC-V內核，但更多承擔的是控制器等輔助功能，其自身附加值并不高。
整個產業也意識到了這一問題。2024年，RISC-V國際社區正式批準RVA23規范，引入虛擬化、向量擴展等一系列面向高性能CPU的重要特性，為服務器和數據中心應用奠定基礎。
自2025年以來，高性能RISC-V CPU開始密集發布。包括阿里達摩院推出玄鐵C930，隨后又發布玄鐵C950；2026年，靈睿智芯也正式發布首款高性能RISC-V CPU內核。隨著CPU IP逐漸成熟，面向服務器的數據中心級RISC-V芯片也開始陸續出現。
李華慶認為，高性能RISC-V已經進入產業發展的新階段。
智能體時代需要怎樣的CPU？
在李華慶看來，一顆面向Agentic AI的高性能CPU，需要同時滿足AI計算、系統管理以及開放擴展等多方面能力。
從計算模式來看，智能體屬于典型的混合計算（Hybrid Computing）。
除了傳統矩陣計算之外，還包含Token處理、數據管理、任務調度以及大量控制邏輯，因此CPU不僅需要具備基礎AI計算能力，還需要提供豐富的擴展接口，支持針對不同應用增加專用加速模塊，而這正是RISC-V架構最大的優勢。
超深、超寬流水線提升處理能力
為了提升處理器吞吐能力，靈睿智芯重點優化了CPU流水線設計。李華慶將CPU流水線比作汽車生產線：一條設計優秀的流水線可以擁有上百道工序，但如果物料供應不足，最終產能仍然無法提升。
除了增加流水線深度之外，更重要的是提高每個周期能夠處理的指令數量，確保流水線始終保持高利用率。
據介紹，靈睿智芯P100 CPU采用超過20級的超深流水線設計，同時支持每周期8條指令取指、8條譯碼以及最多10條指令發射，屬于目前業內流水線最深、發射寬度最大的RISC-V CPU設計之一。
多線程成為智能體的重要能力
除了流水線設計，多線程也是靈睿智芯重點布局的方向。李華慶介紹，同時多線程（SMT）技術與x86超線程原理類似，可以讓一個物理核心同時執行多個線程。這一技術尤其適用于數據庫訪問、智能體調度等I/O密集型場景。
由于CPU計算速度遠高于I/O速度，傳統單線程處理器經常需要等待數據返回，導致計算資源閑置。多線程則能夠利用等待時間切換到其他任務，提高整體資源利用率。對于數據庫等典型I/O密集型應用，多線程可帶來約50%至80%的性能提升。
他用廚房進行了類比：如果一位廚師只有一名配菜員，大量時間都會浪費在等待食材上；而增加多名配菜員之后，廚師可以持續炒菜，整體效率將顯著提升。
目前，靈睿智芯已經實現單核四線程設計，也是全球少數支持單核四線程RISC-V CPU的企業之一。
李華慶表示，包括NVIDIA以及國內多家科研機構也都已經開始布局多線程技術，這說明智能體時代對于CPU并發能力提出了新的要求。
長時間運行，對可靠性提出更高要求
隨著智能體持續運行時間不斷增加，CPU可靠性的重要性也進一步提升。李華慶認為，智能體通常需要連續運行較長時間，執行復雜的決策鏈，一旦底層硬件發生錯誤，就可能在整個推理過程中不斷累積和放大。
因此，企業級CPU不僅需要能夠檢測錯誤，還要能夠快速隔離故障，甚至實現自動修復。
據了解，靈睿智芯已經在CPU內核層面實現了硬件級錯誤檢測、自愈和恢復機制，以滿足企業級AI系統對可靠性的要求。
面向數據中心打造國產高性能RISC-V CPU
最后，李華慶介紹了靈睿智芯的發展情況。靈睿智芯成立于2025年，是一家專注于全棧自研RISC-V CPU內核、Chiplet和芯片產品的企業，核心團隊主要來自IBM，長期從事超大規模處理器研發，在CPU架構設計、軟硬協同優化以及端到端解決方案方面積累了豐富經驗。成立一年多以來，公司已完成兩輪融資，累計融資金額超過3億元。
技術方面，公司已完成多個關鍵節點驗證，包括在FPGA平臺成功運行類操作系統，在更大規模FPGA和仿真平臺完成SPEC CPU2017測試驗證。目前，公司已形成以高并發、多線程、超深超寬流水線以及企業級可靠性為核心特色的高性能RISC-V CPU產品體系。
李華慶表示，凡是Arm Neoverse N2、N3能夠覆蓋的應用場景，高性能RISC-V同樣具備競爭能力。同時，依托RISC-V開放架構，公司還將繼續探索存算一體、光計算等新型計算架構的融合創新，為下一代智能計算提供更多可能。
