7月17日，2025RISC-V中国峰会在上海张江科学会堂举行。 中兴微电子副总经理石义军做题为《大语言模型推理部署RISC-V服务器应用及架构研究》的报告。
石义军表示，大语言模型在AI时代服务器当中，特别是在推理当中有非常多的应用机会。大模型最近几年的一些明显趋势，从算法架构上，从原来的Dense向MoE迁移，随着DeepSeek出现，整个计算从算力向效率转变。在CPU领域，包括RISC-V架构的CPU，在MoE这种新型架构下有非常多的机会去帮助推理的落地，其中降本增效是关键。
石义军指出，当实际部署大模型推理时，在优化TCO阶段有两大矛盾。
一是计算与带宽的驱动要素切换在两个阶段是不同的。预训练阶段，为了追求首Token的时间要求，需要比较大的算力。在Decode节，需要一定的带宽去满足任务的吞吐量的需求。
二是存储成本与数据活跃度的背离。MoE模型中，每个token只激活少数。统计下来，也许在相当长的时间内，高频使用的参数只是一个集合，但是被低频使用的参数依然要付出昂贵的存储成本。
基于这样的挑战，石义军认为在大模型推理过程当中拥有非常多的优化机会。大致而言，在端侧和边侧，在并发度比较低的时候，在CPU或者是完全基于CPU的方案具有比较好的性价比，因为整个存储成本DDR相对HBM降低非常多，这在中小企业以及私域推理应用当中是一个重点。
而在云侧，在规模化部署过程当中，如果只是使用GPU部署，成本是非常高的。如果说GPU结合CPU能做一些卸载，降低GPU的部署数量也存在一定的整体TCO的优化机会。
“我们觉得混合推理是未来的趋势，整个计算是稀疏的，同时根据使用的频度，不同的阶段，包括Decode阶段注意力方面，CPU也是可以分摊的。通过混合计算既能够提高通信效率又能够带来部署成本的下降。”石义军说。
在面对机遇的同时，石义军表示，RISC-V服务器的实际部署中也存在一些挑战。
首先是在模型架构上，算法上还会存在持续优化的机会，MoE这样的算法从长远发展来说还是有更多的优化趋势，业界也在提出不同的算法。在算力底层架构上需要新质的AI算力能够支撑更高效的计算，使得CPU在服务器上，能够提高服务器的算力利用率。在存储管理，特别是大模型要求的更长的上下文，特别是在智能体上，长上下文是非常关键的。还有对于存储的管理等方面也是非常重要的。多核的通信效率，以及为异构计算做协调也存在挑战。
在算力方面，整个RISC-V已经有了很好的基础，支持了一些AI的数据格式，但是目前大模型的算法看下来，整个模型对低比特精度的支持也是至关重要的，可以带来带宽、算力、存储大幅度的下降，所以对于提高能效非常重要。
第二个挑战是在超长上下文支持上，对未来大规模的推理应用上也是很关键。因为需要记住历史上所有的上下文信息，对存储消耗非常大。存储管理本身就是CPU的强项，现有GPU部署当中，CPU也是必不可少的一部分。未来，这一部分可以更好的发挥优势。同时如果在CPU上能够增加必要的一些算力，使得跟上下文相关的一些注意力计算，这些能够offloading，做这样一个分工就可以带来长上下文，可以处理得非常好，会带来整个TCO的优化。
“总结起来，我们有一些非常好的RISC-V在未来AI推理当中的应用机会，同时也有非常多的挑战，两者并存。好在我们有非常多的优势，首先RISC-V指令集是开放的，开放就意味着我们的使用是人人可获得的，这样一个开放性会带来更多创新，不会有非常多的限制。同时在可定制性方面，针对各个领域有非常多的方向去定制、试错，然后收敛到一些比较好的方向，将其标准化，通过这样的循环可以快速发挥RISC-V的优势。同时整个生态也是开放的，这个开放生态我们认为对AI应用来讲非常重要，只有开放的生态我们才能够在上面建构应用，建构工具链，大家通过共享这一层带来创新迭代加快。”石义军说。
