RISC-V
PulseAugur coverage of RISC-V — every cluster mentioning RISC-V across labs, papers, and developer communities, ranked by signal.
12 天有情绪数据
-
灵瑞智芯获数亿元融资，聚焦RISC-V与AI计算
专注于高性能RISC-V核心和AI原生计算的灵瑞智芯公司已完成数亿元人民币的新一轮融资。本轮融资由张江高科领投，多家风险投资机构和现有股东参与。募集资金将用于推进其RISC-V核心的应用与产业化，加速其智能CPU产品的研发，并深化AI融合计算架构的创新。
-
HiFuzz 使用分层强化学习进行高级 CPU 模糊测试
研究人员开发了 HiFuzz，一个利用分层强化学习来提高 CPU 模糊测试效率的新框架。该系统采用两层生成过程，其中程序代理管理全局布局，基本块代理处理指令填充。为了解决奖励稀疏性问题，HiFuzz 采用自适应覆盖奖励机制和用于内在反馈的语义感知基本块编码器。在 RISC-V 核心上的评估表明，HiFuzz 在覆盖率和错误检测方面均优于当前最先进的模糊测试器。
-
Modder builds 8,192-core RISC-V GPU at home, drawing over 2,000W
硬件黑客Matthias Balwierz（又名Bitluni）在家中使用8,192个RISC-V微控制器构建了一个定制GPU。这个独特的创作既是显卡也是显示器，每个微控制器都有一个RGB LED。该项目耗电量巨大，超过2,000瓦，并需要定制的供电解决方案和一个3D打印的工具来编程各个芯片。
-
使用 8,192 颗 RISC-V 芯片自制 GPU
一位爱好者构建了一款定制 GPU，使用了 8,192 颗 RISC-V 芯片，旨在打造商业硬件的强大、开源替代品。该雄心勃勃的项目在 The Register 上有详细介绍，展示了分布式 RISC-V 架构在专业计算任务中的潜力。此次构建凸显了对用于人工智能和高性能计算的开放硬件解决方案日益增长的兴趣。
-
Meta 使用定制 CXL 2.0 芯片在新款服务器中重新利用 DDR4 内存
Meta 正在实施一项成本节约策略，即在其新的仅支持 DDR5 的服务器中重新利用旧的 DDR4 服务器内存。该公司开发了一款名为 Vistara 的定制 CXL 2.0 ASIC，它充当内存扩展器，允许遗留的 DDR4 模块与配备 AMD EPYC 'Turin' 处理器的现代服务器进行接口。这种设置将更快的 DDR5 本地内存与通过 CXL 连接的更慢但更便宜的 DDR4 内存相结合，由软件堆栈透明管理，以优化性能和容量。
-
中国转向二维半导体，绕过硅出口限制
作为对西方先进硅芯片出口限制的回应，中国正在加速开发二维半导体，如二硫化钼。复旦大学的研究人员与上海原子技术公司合作，使用这种新材料开发了一个功能性的32位RISC-V微处理器，这标志着朝着“超越摩尔定律”架构迈出了重要一步。尽管取得了这一进展，但这些新芯片的规模目前仍与早期微处理器相当，在晶体管数量和缺陷控制等领域仍面临重大的工程挑战，才能与当前高端AI芯片竞争。
-
Yuri Zaporozhets 推出采用双内核RISC-V架构的新操作系统
Yuri Zaporozhets 开发了一款新的操作系统，集成了两个独立的内核，实现了增强的功能和灵活性。该项目建立在他之前关于定制PC和迷你大型机的研究基础上，展示了他对系统架构的创新方法。该操作系统利用了RISC-V架构，表明其专注于开源和可定制的硬件平台。
-
开发者复活x86 xv6项目，排除AI
一位开发者计划复活xv7项目，该项目旨在继续维护xv6操作系统的x86版本，此前MIT已停止支持并转向RISC-V版本。开发者寻求社区参与以改进项目并构建一个健壮的系统，并明确表示反对集成AI。
-
作者背痛有所缓解，并提及AI和RISC-V
作者正经历背痛，但通过谨慎活动和锻炼找到了一些缓解，使他们能够站立更长时间。此次更新还涉及与AI、硬件、LLM、RISC-V和个人笔记相关的主题。
-
新型 RISC-V 处理器提升 Tsetlin 机器边缘 AI 效率
研究人员开发了一种专用的 RISC-V 处理器，用于在边缘高效地进行 Tsetlin 机器 (TM) 推理。这种新架构精简了指令集，以优化 TM 的逻辑运算，与标准的 RISC-V 核心和二值神经网络 (BNNs) 相比，在性能和能耗方面取得了显著的改进。在 CIFAR-2 等数据集上，TM 方法展示了相当或更优的准确性，同时执行时间缩短了高达 98%，能耗降低了 29.7 倍。
-
算能（Sunmmio）3D TokenPU芯片流片，提升中国AI算力
算能（Sunmmio）已正式流片其为大模型推理设计的3D TokenPU芯片A4E。这标志着中国国产AI芯片产业迈出了重要一步，该芯片采用了3D混合堆叠架构，以解决大模型推理中的内存、计算和通信等关键瓶颈。该芯片旨在为国内大模型生态系统提供自主可控、高性能、高性价比的算力解决方案。
-
高通有意以80亿至100亿美元收购Tenstorrent以获取AI芯片人才
据报道，高通正在考虑收购由Jim Keller领导的AI芯片开发商Tenstorrent。这笔潜在交易的估值在80亿至100亿美元之间，将是高通的一笔重大交易。据报道，该公司对Tenstorrent基于RISC-V的AI加速器和CPU知识产权感兴趣，可能旨在加强其自身的数据中心AI和CPU开发工作。
-
传高通拟收购Tenstorrent，押注RISC-V AI芯片业务
据报道，高通公司正考虑收购专注于AI芯片且采用RISC-V开放指令集架构的公司Tenstorrent。此次潜在收购标志着高通对RISC-V生态系统及其在竞争激烈的AI芯片市场中的作用的重大承诺。
-
SPARX框架加速边缘RISC-V芯片上的CNN
研究人员开发了SPARX，一个用于在边缘设备上加速卷积神经网络（CNN）的框架。该系统将近似计算与安全和隐私功能集成到RISC-V片上系统中。SPARX利用自定义RISC-V指令扩展和近似对数CNN加速器，并通过差分噪声隐私引擎和认证机制进行增强。评估显示，在特定CNN模型的精度影响极小的情况下，面积和功耗显著降低，吞吐量也有所提高。
-
AI芯片IP公司Sunzhan Technology完成近1400万美元融资
专注于AI芯片处理器IP和开发平台的初创公司Sunzhan Technology已完成近1亿元人民币的天使+轮融资。该公司致力于构建基于“RISC-V + DSA”的新一代处理器设计系统，以降低AI时代定制处理器设计的门槛。其核心团队由来自Synopsys和ARM等领先半导体公司的资深专业人士组成，拥有深厚的RISC-V、处理器架构和EDA专业知识。
-
Majestic Labs发布Prometheus服务器，配备128TB内存
AI初创公司Majestic Labs正在开发一款名为Prometheus的新服务器，旨在通过大幅增加内存容量来克服当前AI硬件的限制。该服务器将配备高达128TB的内存，远超现有解决方案，并采用以DRAM为中心的架构和专有接口。这种方法旨在通过提供比计算能力更高的内存带宽和容量，来解决阻碍大型语言模型（LLM）性能的“内存墙”问题，尤其对大型模型而言。
-
字节跳动开发定制人工智能芯片以减少对美国的依赖
据报道，TikTok母公司字节跳动正在开发自己的定制人工智能CPU，以减少对美国芯片制造商的依赖。该项目受Groq的推理优化处理器启发，目前处于设计阶段，可能会采用Arm或RISC-V架构。据报道，该公司还与InnoStar Semiconductor合作开发内存技术，以进一步减少对外国供应商的依赖。
-
AI芯片初创公司XCENA为其以内存为中心的架构筹集了1.35亿美元
专注于AI基础设施的初创公司XCENA已以5.7亿美元的估值完成了1.35亿美元的B轮融资。该公司正在开发一种新的芯片架构，旨在通过将计算能力置于DRAM附近来缓解AI的内存瓶颈。这种方法通过减少CPU、GPU和内存之间的数据传输效率低下，有可能显著降低超大规模用户的AI基础设施成本。
-
Google Coral 模块搭载 RISC-V 处理器，实现 Gemma 3 AI 离线运行
Google 推出了 Coral 模块，该模块配备了 RISC-V 处理器，专为离线运行其 Gemma 3 AI 模型而设计。这一开发被定位为未来增强现实眼镜和其他可穿戴设备的基础元素。该模块旨在实现设备端 AI 处理，减少对 AI 功能的互联网连接依赖。
-
Ariel-ML工具包支持在多核微控制器上进行基于Rust的并行神经网络推理
一个名为Ariel-ML的新工具包已被开发出来，用于使用嵌入式Rust在多核微控制器上自动化神经网络推理的并行化。该工具包旨在利用各种32位微控制器中存在的异构多核架构的能力，包括Arm Cortex-M、RISC-V和ESP-32系列。基准测试表明，与现有的解决方案相比，Ariel-ML实现了更低的推理延迟，同时保持了与使用C/C++的工具包相当的内存占用。