RISC-V加速挺进AI算力腹地，蓝芯算力押注“智算一体机”

AI算力正在发生一场悄然的“迁移”。

在本届RISC-V中国峰会上，蓝芯算力生态营销负责人许庆伟发表《RISC-V通用智算一体机应用场景解析》主题演讲。面对AI智能体加速进入产业应用的新趋势，他将关注点从“大模型需要多少算力”，进一步延伸到“算力应该部署在哪里”。

许庆伟的判断很明确：当AI从训练走向高频推理，当智能体开始进入政务、金融、工业等真实业务，传统服务器架构正在遭遇新的效率和成本挑战，AI算力需要更加贴近数据和业务现场。

这也意味着，RISC-V正在从传统优势领域向AI基础设施纵深突破。

AI算力，正在从“集中”走向“分布”

过去，AI基础设施的核心场景是大型数据中心。企业通过集中部署GPU集群，为大模型训练和推理提供算力。

但智能体时代正在改变这种模式。

许庆伟在现场谈到，传统服务器主要针对虚拟化、数据库等业务设计，而AI推理强调低时延、高并发，两者在资源调度逻辑上存在差异。即便配置了高性能GPU，如果数据无法持续、高效地送达，计算资源仍可能处于等待状态。网络、存储和总线等环节，也可能成为AI算力发挥的瓶颈。

与此同时，AI算力需求正从一次性的大规模预训练转向长期、高频的在线推理。对于企业而言，算力利用率、能效和持续运行成本的重要性正在快速上升。

数据安全则成为另一重变量。

政务、金融、医疗等行业越来越强调数据不出域，本地化部署由此从“可选项”变成部分场景的刚性需求。

算力效率、成本和数据安全的共同变化，让AI基础设施开始从云端向业务现场下沉。

RISC-V正在寻找AI时代的新位置

在这一趋势下，蓝芯算力将目光投向RISC-V。

此次峰会上，许庆伟重点介绍了以LX500为核心的RISC-V通用智算一体机。LX500采用48核异构架构，包括32个性能核和16个能效核，并提供75 TOPS INT8峰值AI算力；通过统一内存管理，将CPU通用计算与AI加速能力进一步融合。

与传统服务器思路不同，这套方案更强调围绕智能体工作负载进行软硬件协同设计。

RISC-V开放、模块化的架构，也让这种定制化成为可能。通过指令集选择和自定义扩展，可以针对具体工作负载进行优化；同时，开放架构和本地化部署也被赋予了成本、安全方面的价值。

对于蓝芯算力而言，智算一体机并不是传统服务器的简单替代品，而是希望成为智能体时代的一种新型算力底座。

六大场景，AI开始进入“现场”

这一判断已经开始向具体行业延伸。

在政务领域，openClaw一体机被用于城市交通治理、企业财务发票和会议管理等场景，强调端侧运行和数据自主可控；运营商场景则围绕国产化云基础设施展开，LX500承担服务器和云计算底座角色。

金融领域，蓝芯算力正在与多家金融机构开展智能体技术联合验证，探索智能客服、合规审查、风险评估和信贷文档处理等应用。工业场景则将AI推理直接放到工厂现场，用于视觉巡检和异常检测，以满足实时响应需求。

教育科研同样成为RISC-V生态的重要落点。AI实验室、未来课堂以及高校科研平台，让RISC-V不只是算力设备，也成为理解从芯片到AI应用完整技术链条的载体。

此外，蓝芯算力还希望联合医疗、能源、科教等领域的ISV，通过硬件适配、整机产品和行业大模型共创，进一步打通从芯片到底层软件再到行业应用的生态链条。

从这些场景可以看到，RISC-V与AI结合正在呈现出一个明显特征：算力不再只是部署在远端数据中心，而是越来越靠近数据产生和业务发生的地方。

RISC-V的AI“新战场”

许庆伟最终将这套思路概括为“三个本地化”：算力本地化、数据本地化和成本本地化。

这背后，是蓝芯算力对AI基础设施下一阶段的判断——未来的智能体不一定都需要连接到远端超大规模数据中心，它们可能拥有更加贴近业务现场的专属算力。

这也是RISC-V正在争夺的新空间。

从嵌入式和边缘计算，到服务器，再到AI推理，RISC-V正在不断向计算产业链的上游和核心基础设施延伸。峰会上提到的相关产业预测显示，到2030年，RISC-V处理器出货量有望达到170亿颗，占全球市场近四分之一。

当然，从架构走向规模化AI基础设施，RISC-V仍需要跨过生态成熟度、软件适配和商业规模化等多道门槛。

但一个变化已经发生：AI正在给RISC-V打开一块过去并不属于它的市场。

当智能体从云端走进工厂、学校、政务大厅和企业内部，算力基础设施也将随之发生变化。

在许庆伟看来，这不是传统服务器的一次升级，而可能是一种全新的计算形态——从集中式云端推理，走向分布式边缘智能。

对于RISC-V而言，真正值得期待的，或许正是这场从“云端”到“现场”的迁移。