RISC-V一直以其开源特性而备受业界关注。不过，一直以来，RISC-V相关IP主要集中在CPU领域，而事实上，它也可以用在GPU领域。

你我都知道，GPU领域几乎被一两家企业所统治，这是因为GPU领域生态是最大的壁垒。加之专利门槛极高，GPGPU（通用GPU）IP在图形处理领域一直不温不火。

最近几年，大家都探索通过扩展和改写RISC-V CPU指令集，做GPU。

全世界都在研究RISC-V GPU架构

事实上，全世界都不想看一两家厂商垄断市场，都在想办法做各种开源GPU架构，这其中既包含较老的指令集或是中间语言进行实现，有些则基于RISC-V CPU指令集进行改进和扩展来实现GPGPU的功能。

2021年，乔治亚理工研究了一种支持CUDA的RISC-V GPU架构——Vortex。

前几日，一个成立于2022年的美国公司X-Silicon发布了其开放标准、低功耗的C-GPU架构。

根据介绍，C-GPU架构将打造成为开源、统一的RISC-V 矢量 CPU-with-GPU ISA 架构，C-GPU采用NanoTile架构，X-Silicon将这种CPU/GPU混合处理器称为“万能处理器”。其处理器专为动态内容最佳管理和渲染而设计，并超越传统GPU限制。

翻译翻译就是把基于RISC-V架构的CPU和GPU放在同一个核内。

国内方面，上海清华国际创新中心集成电路研究平台推出的首款基于RISC-V向量扩展（RVV）的GPGPU“Ventus（乘影）”，是国内首个开源GPGPU，也为后续协同企业开发国产全自主GPU商用产品的路上迈出关键一步。

根据官方信息显示，RVV GPGPU参考RISC-V CPU开发思路，在满足SIMT基础功能同时，汲取RISC-V向量扩展在功能定义和指令设计上优势，将二者有机结合，使乘影同时具备向量处理器工具链兼容性和GPGPU编程灵活性。

陈巍博士解读，乘影主体大框架借鉴GPGPU的结构，每个流多处理器（Streaming Multiprocessor，SM）主体结构接近于RISC-V。后端执行则直接使用处理器中常用ALU、FPU、LSU。为了让SM能够完成GPGPU工作，乘影里添加了SIMT-stack和SFU这类GPU中的常见功能模块。

2024年2月，芯瞳成功开源了一款基于RISC-V指令集的GPU处理器模型RVGPU，这是芯瞳在RISC-V + GPU方向持续研究取得的重要突破。

根据官方介绍，RVGPU采用SIMT（单指令多线程）技术，现已成功实现对CUDA（Compute Unified Device Architecture）的兼容支持，包括CUDA编译器和运行时环境。除此以外，RVGPU的架构指令CModel仿真模型允许开发者在模拟环境中模拟GPU的各种指令和行为。

综合来看，上述产品均基于LLVM开源工具链完成GPGPU编译器的开发，支持OpenCL开源并行编程框架。

可见，所有厂商都有着一个共同的目标，那就是建设一个开源GPU生态。

不过，总的来说，GPU是一个非常复杂的产品，绝不仅仅只是一个开源GPU就能够与现有玩家五五开的，未来还依赖大量的研发与投入。


跨越专利、生态门槛是关键

目前的RISC-V可以说是初入 GPU赛道，未来能否取得更好表现，业界也在关注。David Harold就表示，GPU确实是一个很难的赛道，如果不是这么多专利保护起来，不会看到现在世界上只有为数不多的几家GPU。RISC-V肯定也会面临这些困境，很难克服这种挑战。只有完全克服这些挑战才能成为大家更加认可的开源GPU。

生态也是RISC-V未来发展过程中面临的重要挑战。无论是x86、ARM，还是早期市场上的MIPS、PowerPC等芯片架构，决定竞争成败的都不仅是产品性能本身，还包括是否具有丰富的上层应用，以及高效的软硬协同。平头哥半导体副总裁孟建熠指出：“RISC-V将继续向高主频、高性能演进。而随着稳定硬件的出现，软硬件全栈成为必然。同时，RISC-V将走向更广的生态合作，在商业合作上涌现更多新模式，软件持续丰富，应用不断多样化。这是未来RISC-V发展的大趋势。”

那么，下一步RISC-V厂商就应当积极加强自身产业生态的营造，使上层的软件与应用丰富起来。Imagination 公司技术产品管理高级总监Stephen Barton指出：“GPU其实是一个很复杂的东西，不光是硬件开源了就可以直接为大家所使用，还要有相应的DDK（设备驱动程序套件）和应用软件。这些软件和DDK的开发是否是开源硬件同来源的公司提供的？优化程度如何？能不能完整地支持各种不同的接口和各种Open GL（开放图形库）？这些都是很复杂的事情，绝不是一句简单的开源就完事的，还有大量细致的工作要做，还有许多挑战要面对。”

David Harold也承认，现在有很多与RISC-V相关的IP供应商，但能提供GPU IP的并不多。对RISC-V来说，GPU是一个相对新的领域，更加需要产业链上下游的企业共同携手，才能取得突破。但是，中国科学院软件研究所总工程师武延军也强调：“虽然目前RISC-V还局限在一些对算力和软件生态丰富程度要求不那么高的领域，但是它的商用时机已经到了，以此为起点今后它的加速度是惊人的。”


用RISC-V做GPU，有好也有坏

用RISC-V做GPU，有人拍手叫好，也有人觉得多此一举。

觉得它好的人，认为RISC-V可以直接套用RISC-V的生态，不需要完全自建GPU生态，规避了与CUDA的专利对决。毕竟这是个开源的GPU IP，大家都加入到开源建设的大家庭，就能够弥补GPU生态不足，也不容易踩到知识产权的坑。

与此同时，每个SM核的独立性更好，可以执行比常规GPU CUDA核更复杂的计算。如果加上MMU，未来甚至可以在每个SM核上跑操作系统，非常有利于虚拟化。

觉得它不好的人，认为目前的RISC-V GPU产品，都是目前NVIDIA的GPU的形似物，设计没有什么太大差别，而HBM这样的器件八成是用不起的，其它诸如Nvidia GPU里面的Texture Unit也是缺失的。

更何况，CUDA这样的生态是很难跨越的鸿沟。有大佬曾言：“如果你看一下GPU的生态系统，就会发现工具链是由NVIDIA控制的，包括AMD在内的其他竞争对手都试图打破垄断，但失败了。通过扩展RISC-V标准指令集，几乎不可能与不断更新的NVIDIA生态系统兼容。另一方面，也很难重新开始，因为英伟达拥有先发优势。”

所以，对于大部分RISC-V GPU来说，支持CUDA生态至关重要，我们也看到许多厂商确实也是这样做的。因为虽然通过LLVM可能只需要重构compiler后端，但性能好不好就是另外一回事了。

还有比较激进的观点，认为从RISC-V开始做GPU，不如直接从白纸开始做。他们认为，要使基本的RISC-V指令集适应GPU任务，需要大量投资来定义自定义ISA扩展，构建高度复杂的微架构更改，并对开源工具进行大手术，使它们几乎与原始工具相似。这样一来，使用RISC-V的几乎所有潜在价值，都被定制架构比下去了。

就连上海交大也曾经说过，“我们想做的是一个独立完整的GPGPU架构和指令设计，而不依赖于现有RISC-V CPU开源指令，这样才能更完备地打造和融入原生的GPGPU生态 ，从而与现有的各种CPU系统无缝衔接。”所以因此，他们做了“青花瓷”这样一个定制的开源GPGPU架构。