RISC-V峰会观察与思考（3）

接上篇：http://t.cn/AXSZET2j

三、AI 快速发展对软件生态带来什么影响？

1. 跨指令集迁移应用成本巨大

AI 大模型对软件编程的影响巨大，已经让一批程序员感受到职业压力。但对于 RISC-V 生态建设来说，AI 大模型和 AI Agent 的发展，恰恰带来了前所未有的机遇。

过去每当出现一个新指令集，最大的难点就是：存量应用如何迁移到新 ISA？

迁移应用需要大量人力，因为工程师要处理编译错误、依赖缺失、架构相关代码、平台 API 差异、三方库适配、测试失败、性能退化等问题。

我们的合作伙伴企业在RISC-V芯片产品推广过程中，有用户提出要运行国产软件WPS。这让RISC-V芯片企业感到无能为力，因为WPS包含约4000万行C/C++代码，要将其迁移至RISC-V终端设备上，工作量巨大——具体可参考《鸿蒙开物》一书中提到的一个案例：

2023年9月，金山公司在华为10多位资深驻场工程师的支持下，组建了一支30多人的团队，全力攻关将WPS移植到鸿蒙操作系统。攻关任务启动后，仅仅是重新编译4000万行代码就耗时近一个月，投入近50人月（算上华为驻场工程师）。如果按5万元/人月估算成本，仅重新编译这一项任务就投入了超过250万元。此后，攻关团队继续夜以继日地调试bug，终于在2023年12月底实现了第一个可正常运行的、最原始的WPS预览版，转而进入到优化阶段。粗略估计，针对WPS适配鸿蒙操作系统这一攻关任务，金山与华为累积投入了近千万元。

虽然这个案例是跨操作系统迁移，从安卓迁移到鸿蒙，但这些数字对于跨ISA迁移的成本依然有参考意义，即说明了一个事实：大型复杂应用迁移成本非常高，单靠应用厂商自发迁移，动力往往不足。如今x86和ARM生态中都积累了上千万个应用，其中常用应用也有几万级别。若按传统思路，每个应用迁移需要投入千万级，那么新 ISA 要建立完整软件生态，需要投入的总成本将高达上千亿元。目前，只有像华为这样具备强大组织能力和战略投入能力的企业，才有可能推动鸿蒙这样的大规模迁移工程。

这就是传统 ISA 生态壁垒的来源。

2. AI Agent 将显著降低迁移成本

AI Agent 的出现，将改变这种高成本迁移局面。

将一个应用从一个 ISA 迁移到另一个 ISA，工程师要面对大量错误信息和重复性工作。例如：
- 编译器报错；
- 依赖库缺失；
- C / C++ 宏定义不兼容；
- SIMD intrinsic 不支持；
- 汇编代码需要重写；
- 字节序、对齐、内存屏障差异；
- 平台 API 不一致；
- 构建系统脚本需要修改；
- 测试失败需要定位；
- 性能热点需要重新优化；
-……

这些工作几乎不需要原创性发明，而是需要经验、规则、工具和大量耐心。它们非常适合沉淀到大模型中，然后由 AI Agent 自动化处理，形成一个完整自动化迁移闭环：扫描源码 → 识别架构相关代码 → 分析依赖 → 修改构建系统 → 处理编译错误 → 替换不兼容库 → 自动运行测试 → 定位测试失败 → 给出性能优化建议 → 更新迁移知识库。

为了验证上述技术路径的有效性，中国科学院软件所正在开发一个从 x86 / ARM 到 RISC-V 的源码迁移工具箱Agent，针对有源代码的应用场景。软件所本来在编译器、操作系统和软件迁移方面有较好基础，与 AI Agent 结合后，进展非常快。按照当前规划，今年10月份的中国峰会上将会推出一版能支持复杂应用迁移的智能体，值得期待。

这个迁移智能体主要针对有源代码场景。对于只有二进制的情况，中国科学院计算所的编译团队正在开发面向RISC-V的二进制翻译技术，同样与AI结合来加速翻译效率。

3. AI Agent 重塑 ISA 生态壁垒

如果源码迁移智能体和二进制翻译技术都被证明有效，那么人们长期担心的 RISC-V 软件生态问题，就会被显著缓解。

传统观点认为，ISA 是处理器生态的根，也是生态隔离的壁垒。一个软件在 x86 上开发，迁移到 ARM 或 RISC-V 往往成本很高；一个 ISA 软件生态形成后，应用、工具链、驱动、SDK、开发者社区、商业支持都会围绕它形成惯性。

AI Agent 不会让这些壁垒瞬间消失，但会让其中最昂贵的一部分——应用迁移和适配成本——显著下降。因此，在AI技术快速发展的背景下，我们需要刷新关于生态壁垒的新认识，做出新的研判：ISA 将不再是生态壁垒，AI Agent 将显著降低跨 ISA 软件迁移的边际成本，使 ISA 生态对存量应用的锁定效应弱化。

未来我们可能实现这样的局面：一个软件最初在 x86 上开发，但借助 AI Agent，可以较低成本迁移到 ARM、RISC-V 甚至 LoongArch 上运行。

这将极大改变软件生态建设的成本结构。过去新 ISA 最大的问题是“没有应用”；未来如果迁移成本大幅下降，竞争重点就会转向“谁的硬件运行效率更高”——这对 RISC-V 是重大机遇。

4. 开放灵活的 RISC-V 更有优势

如果应用迁移成本显著下降，指令集的角色会发生变化。过去指令集不仅是软硬件接口，也是生态壁垒。因为软件迁移成本高，一个 ISA 一旦积累大量应用，就形成强锁定效应。

但如果 AI Agent 能够显著降低跨 ISA 迁移成本，那么 ISA 的生态锁定作用会变弱，ISA 更接近其本质：它是软件和硬件之间的接口。

在这种情况下，针对同一个软件，哪个指令集和硬件平台运行效率更高，哪个平台就更有优势。这恰恰有利于 RISC-V，因为 RISC-V 的核心优势是开放、模块化、灵活、可定制。它可以根据不同软件和 workload 特征，在硬件层面做更有针对性的定制优化。

因此，当软件迁移壁垒降低后，RISC-V 的开放灵活性会被进一步放大。这意味着，AI 大模型和智能体技术的发展，可能会同时改变两个关键问题：
（1）在芯片侧，AI Agent 降低高性能处理器研发与验证成本；
（2）在软件侧，AI Agent 降低跨 ISA 软件迁移成本。

这两个变化叠加起来，将使 RISC-V 在 AI 时代获得新的战略窗口。

四、总结：AI 时代 RISC-V 生态建设的两个关键变量

综上，RISC-V 生态建设正在面临两个关键变量。

第一个变量是芯片研发生产率革命。香山的实践已经证明，依靠开源协同、敏捷验证工具、全栈团队和强 ST 能力，高性能处理器研发可以从传统万级人月工程压缩到 5000 人月级别。下一阶段，如果 AI Agent 能够进入 UT、IT、ST、DSE 和架构-物理协同流程，就有可能进一步向 1000 人月级别迭代目标迈进。

第二个变量是软件迁移成本坍缩。AI Agent 将显著降低跨 ISA 应用迁移成本，这将削弱传统 ISA 的存量生态锁定效应，使开放灵活的 RISC-V 更容易发挥硬件定制和软硬件协同优化优势。

因此，AI 时代的 RISC-V 生态建设，不能只围绕“开源指令集”展开，而应与其他多个层次紧密协同，形成更完整的开源组合：

开源芯片 + 开源软件 + 开源大模型 + 开源Agent。

如果这条路线走通，RISC-V 将成为 AI 时代当仁不让的主流指令集。