ปัจจุบันอุตสาหกรรมกำลังพูดถึงข้อดีของสถาปัตยกรรม RISC-V มากขึ้นเรื่อยๆ แต่สถาปัตยกรรมนี้เหมาะสมที่จะเป็นจุดเริ่มต้นหรือไม่? แม้ว่ามันอาจจะไม่สมบูรณ์แบบ แต่ก็อาจให้ความยืดหยุ่นที่จำเป็นสำหรับการก้าวไปข้างหน้าอย่างค่อยเป็นค่อยไป

สถาปัตยกรรมคอมพิวเตอร์และซอฟต์แวร์ได้พัฒนาตามรอยโปรเซสเซอร์ที่พัฒนาขึ้นเมื่อ 80 ปีที่แล้ว โดยมีเป้าหมายเพื่อแก้ปัญหาทางคณิตศาสตร์แบบลำดับและค่าคงที่ โดยใช้เทคโนโลยีพื้นฐานที่สามารถแก้ปัญหาใดๆ ก็ได้ที่มีขอบเขตจำกัด ตราบใดที่มีหน่วยความจำเพียงพอ

อุตสาหกรรมชิปแสดงให้เห็นถึงความลังเลที่จะละทิ้งแนวทางนั้น โดยเฉพาะอย่างยิ่งในอุตสาหกรรมที่ยังคงใช้ซอฟต์แวร์ที่พัฒนาขึ้นเมื่อ 50 ปีที่แล้ว รูปแบบซอฟต์แวร์และความเข้ากันได้กับเวอร์ชันเก่ามีอิทธิพลอย่างมาก ต้องใช้เวลาหลายทศวรรษกว่าที่การเขียนโปรแกรมจะเปลี่ยนจากสถาปัตยกรรมโปรเซสเซอร์เดี่ยวไปเป็นสถาปัตยกรรมโปรเซสเซอร์หลายตัวได้อย่างมีนัยสำคัญ และจนกระทั่ง NVIDIA พัฒนา CUDA ขึ้นมา แอปพลิเคชันที่มุ่งเป้าไปที่โปรเซสเซอร์แบบขนานขนาดใหญ่จึงเริ่มได้รับการพัฒนาขึ้นนอกเหนือจากแอปพลิเคชันเฉพาะทางขั้นสูง

แล้วทำไมอุตสาหกรรมจึงต้องการสถาปัตยกรรม CPU แบบใหม่ ในเมื่อภาระงานทั่วไปของแอปพลิเคชันจำนวนมากคือปัญหาการไหลของข้อมูล โดยมีการควบคุมเพียงเล็กน้อย? คำตอบอยู่ที่วิธีการมากมายที่สถาปัตยกรรม RISC-V สามารถพัฒนาต่อยอดได้ และบางวิธีอาจช่วยให้การเปลี่ยนผ่านเป็นไปอย่างค่อยเป็นค่อยไป แทนที่จะพยายามข้ามผ่านอุปสรรคใหญ่หลวง

เมื่อสองสัปดาห์ก่อน ชุมชน RISC-V ได้จัดงานประชุมสุดยอดประจำปีในยุโรป ซึ่งแสดงให้เห็นถึงวิธีการใช้งาน RISC-V ที่เพิ่มมากขึ้น และผลกระทบที่เพิ่มขึ้น โดยเฉพาะอย่างยิ่งในโดเมนแอปพลิเคชันที่ไม่มีซอฟต์แวร์รุ่นเก่ามาเป็นอุปสรรคมากนัก “RISC-V ไม่ใช่แค่ไมโครคอนโทรลเลอร์ฝังตัวขนาดเล็กที่คุณไม่เคยรู้มาก่อนว่าอยู่ในผลิตภัณฑ์ของคุณอีกต่อไปแล้ว” Andrea Gallo ซีอีโอของ RISC-V International กล่าว “RISC-V ได้เข้าสู่เฟสที่แตกต่างออกไปแล้ว”

มีคนอื่นๆ ยืนยันเรื่องนี้เช่นกัน “เมื่อเทียบกับปีก่อนๆ ในยุโรป มีผู้เข้าร่วมจากภาคอุตสาหกรรมมากขึ้นอย่างเห็นได้ชัด” แลร์รี ลาปิเดส กรรมการบริหารฝ่ายพัฒนาธุรกิจของ Synopsys กล่าว “เนื้อหามาจากภาคอุตสาหกรรมมากขึ้น และนั่นได้เปลี่ยนบรรยากาศของการประชุม สิ่งที่เราเห็นคือ RISC-V เริ่มเข้ามามีบทบาทในที่ที่เราไม่คาดคิดมาก่อนแม้แต่เมื่อห้าปีก่อน”

กัลโลได้ยกตัวอย่างความก้าวหน้าที่สำคัญหลายประการ “อินฟิเนียนกล่าวว่าพวกเขากำลังนำ RISC-V มาใช้ในอุตสาหกรรมยานยนต์” เขากล่าว “สหภาพยุโรปกำลังให้ทุนสนับสนุนโครงการ HPC และโครงการยานยนต์ เมตาใช้มันสำหรับ AI ในการ์ดเร่งความเร็วของพวกเขา และ NVIDIA ประเมินว่าเมื่อปีที่แล้ว ในปี 2024 พวกเขาได้จัดส่งคอร์ RISC-V จำนวน 1 พันล้านคอร์ใน GPU ของพวกเขา”

คนอื่นๆ เน้นย้ำถึงความก้าวหน้าที่สำคัญของ RISC-V ในโปรเซสเซอร์ล้ำสมัย “ไม่ใช่แค่โปรเซสเซอร์ระดับล่างเท่านั้น แต่ยังรวมถึงโปรเซสเซอร์ที่ทำหน้าที่เป็นตัวประมวลผลร่วมหรือตัวเร่งความเร็วสำหรับ GPU ในบางส่วนด้วย” โมฮิต วานี ผู้จัดการผลิตภัณฑ์หลักของ Synopsys กล่าว “NVIDIA ได้นำเสนอข้อมูลที่ระบุว่าพวกเขามีฟังก์ชันการทำงานที่แตกต่างกันเกือบ 30 ประเภทในผลิตภัณฑ์ของพวกเขา ซึ่งแกนประมวลผลแบบ RISC-V ทำงานให้กับฟังก์ชันการทำงานมากกว่า 30 ประเภทเหล่านั้น”

อุปสรรคทางธุรกิจและทางเทคนิคบางประการยังคงต้องเอาชนะให้ได้ “อุตสาหกรรมยานยนต์กำลังหันมาสนใจ RISC-V มากขึ้นเรื่อยๆ” โรลันด์ แยนเคอ หัวหน้าฝ่ายวิธีการออกแบบของ แผนกวิศวกรรมระบบปรับตัวได้ของ Fraunhofer IISกล่าว “พวกเขาลังเลเพราะ RISC-V เป็นสถาปัตยกรรมแบบเปิด ในอุตสาหกรรมยานยนต์ คุณต้องมีคนรับผิดชอบเสมอหากมีอะไรผิดพลาด ซึ่งเป็นเรื่องยากหากคุณไม่มีผู้ให้บริการรายเดียว แต่มีชุมชน ปัจจุบัน พวกเขาหันมาสนใจ RISC-V มากขึ้นเรื่อยๆ เนื่องจากศักยภาพในการลดต้นทุน เพราะในอุตสาหกรรมยานยนต์ คุณต้องมองหาทุกสตางค์เพื่อลดราคา อย่างไรก็ตาม คุณต้องมีระบบนิเวศ มันไม่เพียงพอที่จะมีเครื่องมือที่สามารถพัฒนาโปรเซสเซอร์ของคุณได้ แต่ต้องมีซอฟต์แวร์อยู่ด้านบนด้วย RISC-V กำลังได้รับความนิยมมากขึ้น แต่ก็ยังต้องพัฒนาอีกมากจนกว่าเราจะมีโปรเซสเซอร์ RISC-V เป็นตัวหลักในอุตสาหกรรมยานยนต์”

อย่างไรก็ตาม ไม่ใช่ทุกคนที่มองว่าเรื่องนี้มีความสำคัญอย่างยิ่ง “RISC-V ไม่ใช่ทางออกสำหรับ AI ไม่ว่าจะเป็นการฝึกฝนหรือการอนุมาน” สตีฟ ร็อดดี้ หัวหน้าฝ่ายการตลาดของ Quadric กล่าว “RISC-V เป็นเพียงซีพียูควบคุมอีกตัวหนึ่งในลักษณะเดียวกับโปรเซสเซอร์ Arm, x86, MIPS, Xtensa และ ARC ซึ่งสองตัวหลังนี้ยังให้ความสามารถในการปรับแต่งชุดคำสั่งแก่ผู้ออกแบบได้คล้ายคลึงและเหนือกว่า RISC-V ด้วยซ้ำ ดังนั้น RISC-V จึงไม่มีอะไรที่เหนือกว่ารุ่นก่อนหน้าอย่างเห็นได้ชัดในเชิงเทคนิค”

การจะผสมผสานมุมมองสุดขั้วทั้งสองเข้าด้วยกันนั้น จำเป็นต้องมีความเข้าใจในระยะยาวเกี่ยวกับวิธีการทำงานของอุตสาหกรรม “RISC-V มีศักยภาพที่จะช่วยให้ AI พัฒนาไปได้” เวนกิ นารายานัน ผู้อำนวยการอาวุโสฝ่ายสถาปัตยกรรมระบบและโซลูชันฝังตัวในแผนก FPGA ของ Microchip Technology กล่าว “มันต้องการสิ่งนั้น AI กำลังพัฒนา โมเดลต่างๆ กำลังพัฒนา ทั้งในระดับการเรียนรู้และการอนุมาน มันต้องการชนิดข้อมูลที่หลากหลาย องค์ประกอบหน่วยความจำที่หลากหลาย หน่วยความจำภายใน และความสามารถในการประมวลผลแบบกำหนดเองได้มากขึ้นในวิธีที่เร็วกว่ามาก หากคุณมองดู จะเห็นว่ามีหลายวิธีในการทำเช่นนั้น RISC-V ช่วยให้สิ่งนั้นเป็นไปได้ด้วยสถาปัตยกรรมเฉพาะด้าน”

โอกาสสุดพิเศษ

ในอุตสาหกรรมการผลิตชิปนั้น เป็นเรื่องยากที่จะมีแอปพลิเคชันใดเกิดขึ้นมาโดยที่ไม่มีซอฟต์แวร์รุ่นเก่ารองรับมาก่อน อย่างไรก็ตาม นั่นคือสิ่งที่เกิดขึ้นกับ AI ยิ่งไปกว่านั้น ด้วยอัตราการพัฒนาที่รวดเร็วอย่างมากของเทคโนโลยี จึงไม่น่าจะมีซอฟต์แวร์ใดที่จะได้รับการยอมรับอย่างแพร่หลายก่อนที่จะถูกเปลี่ยนแปลงอีกครั้ง ซึ่งสร้างสภาพแวดล้อมที่สมบูรณ์แบบสำหรับการวิวัฒนาการและการปรับตัวอย่างต่อเนื่อง

“เมื่อไม่มีซอฟต์แวร์รุ่นเก่าให้ต้องดูแล คุณจึงสามารถปรับแต่งโปรเซสเซอร์ให้เหมาะสมกับปริมาณงานและตัดสิ่งที่ไม่จำเป็นออกไปได้” Lapides จาก Synopsys กล่าว “ยังคงมีการปรับแต่งเพิ่มเติมอีกมากมายที่สามารถทำได้ในระดับสถาปัตยกรรม แม้กระทั่งในระดับไมโครสถาปัตยกรรม ในการออกแบบไปป์ไลน์ แคช และหน่วยความจำ และทั้งหมดนี้ยังไม่รวมถึงสิ่งอื่นใด ก่อนที่จะเริ่มการใช้งานจริง”

อิสรภาพที่มาพร้อมกับ RISC-V ช่วยให้เกิดอิสรภาพในการออกแบบสถาปัตยกรรม “การ์ดเร่งความเร็ว AI สามารถมีคอร์ RISC-V จำนวนมาก แม้กระทั่งคอร์ที่แตกต่างกันภายในคลัสเตอร์เดียวกัน” Gallo จาก RISC-V International กล่าว “คุณสามารถมีบล็อกเล็กๆ หลายร้อยบล็อก แต่ละบล็อกเป็นคอร์ RISC-V ที่แตกต่างกัน บางบล็อกใช้สำหรับรับส่งข้อมูลเข้าและออก และบางบล็อกใช้สำหรับการประมวลผลและการอนุมาน นอกจากนี้ยังมีแนวคิดในการเพิ่มคำสั่งแบบกำหนดเองที่ช่วยให้คุณมีหน่วยประมวลผลเทนเซอร์ที่มีประสิทธิภาพสูง นี่คือวิธีที่ RISC-V กำลังส่งผลต่อสถาปัตยกรรมของชิป”

แม้ว่าการอนุญาตใช้งาน RISC-V จะช่วยลดต้นทุนได้ แต่ก็ไม่ใช่เหตุผลเดียว “มันมากกว่านั้น” วานีจาก Synopsys กล่าว “หากคุณดูวิธีการที่ตัวเร่งความเร็วเชื่อมต่อกับโปรเซสเซอร์ มันจะผ่านอินเทอร์เฟซที่รวดเร็ว และโดยทั่วไปแล้วจะเป็นแบบแมปหน่วยความจำ จากมุมมองของนักพัฒนา หากคุณต้องการให้ตัวเร่งความเร็วทำงาน คุณเพียงแค่ส่งข้อมูลและข้อมูลงานไปยังตัวเร่งความเร็วผ่านอินเทอร์เฟซ จากนั้นคุณก็รอให้ตัวเร่งความเร็วส่งผลลัพธ์กลับมา”

แต่การสื่อสารแบบนั้นมีค่าใช้จ่ายสูง และหมายความว่าหน่วยประมวลผลหลักไม่ได้ใช้งาน “คุณเสียเวลาไปถึง 30% ในการส่งข้อมูลและรับผลลัพธ์กลับมา” วานีกล่าว “คุณสามารถหลีกเลี่ยงเวลาทั้งหมดนั้นได้ หากคุณสามารถดำเนินการเหล่านั้นได้โดยตรง โดยส่งข้อมูลผ่านไปป์ไลน์เวกเตอร์ของคุณเอง ซึ่งจะเชื่อมต่อกับตัวเร่งความเร็วโดยตรง ความยืดหยุ่นแบบนี้มีอยู่เฉพาะในโลกของ RISC-V เท่านั้น”

Roddy จาก Quadric ไม่เชื่อเช่นนั้น “ซีพียูควบคุมทั้งหมดมีข้อจำกัดที่รุนแรงเหมือนกันเมื่อนำไปใช้กับแอปพลิเคชัน AI โดยเฉพาะอย่างยิ่งแอปพลิเคชันการอนุมาน” เขากล่าว “ซีพียูถูกออกแบบมาเพื่อไล่ตามตัวชี้ในโค้ดแบบสุ่ม พวกมันไม่ใช่เครื่องมือประมวลผลเมทริกซ์หรือเทนเซอร์ อย่างดีที่สุด ซีพียูเหล่านี้ก็ให้ประสิทธิภาพการคำนวณเวกเตอร์ * เวกเตอร์เท่านั้น พวกมันถูกจำกัดด้วยข้อจำกัดด้านแบนด์วิดท์ในการโหลด/จัดเก็บแบบดั้งเดิม ดังนั้น ทุกแนวทางที่อ้างว่าใช้ RISC-V สำหรับ AI จะต้องรวมเครื่องมือประมวลผลเมทริกซ์แยกต่างหาก ซึ่งจะทำให้เกิดปัญหาการแบ่งพาร์ติชันกราฟ ซึ่งเป็นจุดอ่อนของแนวทางที่ใช้ซีพียู นวัตกรรมที่เหมาะสมในการรับมือกับ AI คือการสร้างสถาปัตยกรรมที่ได้รับการปรับให้เหมาะสมโดยเนื้อแท้สำหรับ (เมทริกซ์ * เมทริกซ์) หรือ (เทนเซอร์ * เทนเซอร์) และทำลายการพึ่งพาการแคชหน่วยความจำและไปป์ไลน์นอกลำดับแบบคาดการณ์ล่วงหน้าของซีพียู”

RISC-V ช่วยให้สามารถใช้งานส่วนประกอบเหล่านี้ได้ โดยห่อหุ้มด้วยโปรเซสเซอร์ควบคุมแบบดั้งเดิม “สมาชิกบางรายของเรามีคำสั่งเทนเซอร์แบบกำหนดเองอยู่แล้ว” กัลโลกล่าว “นั่นคือความยืดหยุ่นของ RISC-V คุณสามารถพัฒนาคำสั่งแบบกำหนดเองสำหรับภาระงานเฉพาะของคุณ จากนั้นคุณก็รับภาระค่าใช้จ่ายทั้งหมดในการเป็นเจ้าของแอปพลิเคชันเฉพาะของคุณเอง นอกจากนี้ยังมีคุณค่าในการกำหนดมาตรฐานและขยายข้อกำหนดเพื่อให้เราแบ่งปันค่าใช้จ่ายในการบำรุงรักษาคอมไพเลอร์ ชุดเครื่องมือ และไลบรารี เรามีเวกเตอร์ เรากำลังพัฒนาเมทริกซ์ และจะมีวิธีการที่แตกต่างกันสำหรับเมทริกซ์ขึ้นอยู่กับกรณีการใช้งานของแอปพลิเคชัน หากเป็นการ์ดเร่งความเร็ว หากเป็นแอปพลิเคชัน AI IoT หรือ AI ขอบ (edge ​​AI) จะมีวิธีการที่แตกต่างกันในการใช้งานการเร่งความเร็วเมทริกซ์”

ในเมื่อไม่มีตัวเลือกอื่นที่น่าสนใจ คุณจึงต้องใช้สิ่งที่มีอยู่ “การไหลของข้อมูลมีความสำคัญมากใน AI และในองค์ประกอบการประมวลผลหลายอย่าง” นารายานันจากไมโครชิปกล่าว “ความต้องการด้านการประมวลผลเพิ่มขึ้น และจำเป็นต้องทำในลักษณะที่ประหยัดพลังงานมากขึ้น ไม่ใช่แค่สถาปัตยกรรมไมโครของคำสั่ง การดึงข้อมูล การประมวลผล และการเขียนกลับเท่านั้น แต่ยังรวมถึงวิธีการจัดระเบียบสถาปัตยกรรมไมโครและการไหลของข้อมูลด้วย คุณจะนำข้อมูลเข้าและออกได้อย่างไร โดยเฉพาะอย่างยิ่งข้อมูลจำนวนมากที่ส่งจากเลเยอร์หนึ่งไปยังอีกเลเยอร์หนึ่ง คุณไม่สามารถเขียนข้อมูลกลับไปยัง DDR ได้เรื่อยๆ”

เนื่องจาก AI พัฒนาไปอย่างรวดเร็ว จึงจำเป็นต้องมีความยืดหยุ่นสูง “ประเภทของโมเดลที่จำเป็นต้องนำไปใช้งานอย่างมีประสิทธิภาพนั้นเพิ่มมากขึ้น” นิลัม รูพาเรเลีย หัวหน้ากลุ่มธุรกิจ AI และการสื่อสารของ Microchip กล่าว “Transformer คือสิ่งที่ ChatGPT ต้องการ และนี่คือสิ่งที่ทำให้ AI เป็นที่นิยม แต่ยังมีโมเดลอีกมากมายที่ซับซ้อนน้อยกว่า Transformer โมเดลเหล่านั้นก็ต้องการประสิทธิภาพที่สูงกว่าเช่นกัน ตัวอย่างเช่น CNN, RNN, LSTM แบบคลาสสิก จำเป็นต้องมีสถาปัตยกรรมบล็อกทางคณิตศาสตร์และสถาปัตยกรรมบล็อก DSP ที่เหมาะสมกับ Transformer หรือโมเดลเหล่านั้นมากขึ้น เพื่อให้ได้ประสิทธิภาพที่ดีขึ้น”

AI ไม่ใช่แค่ปัญหาเดียว และความยืดหยุ่นยังคงมีความสำคัญ “AI มีหลายชั้น” นารายานันกล่าว “คุณมีการแบ่งส่วน การตรวจจับวัตถุ การจำแนกประเภท การแปลงข้อมูล และทั้งหมดนี้ใช้ประเภทข้อมูลที่แตกต่างกัน ชั้นเหล่านี้ถูกนำไปใช้อย่างไร คุณจะทำได้อย่างมีประสิทธิภาพได้อย่างไร และคุณจะนำข้อมูลเข้าและออกระหว่างชั้นต่างๆ ได้อย่างไร นั่นคือคำถามที่คุณต้องถาม และนี่คือวิธีที่สถาปัตยกรรมช่วยคุณสร้างสิ่งเหล่านั้น”

นอกจากโอเปอเรชั่นแล้ว ยังรวมถึงข้อมูลด้วย “RISC-V มีข้อได้เปรียบโดยธรรมชาติ คือ คุณสามารถสร้างฮาร์ดแวร์แบบกำหนดเองได้โดยไม่ละเมิดข้อกำหนด ISA” รูพาเรเลียจากไมโครชิปกล่าว “คุณสามารถปรับปรุงการประมวลผลสำหรับประเภทข้อมูลเฉพาะได้ ไม่ว่าจะเป็นในระดับคำสั่ง หรือในสถาปัตยกรรมไมโคร ดังนั้นคุณจึงสร้างโซลูชันการประมวลผลแบบกำหนดเองสำหรับเวิร์กโหลดประเภทนั้น ความยืดหยุ่นนี้มีบทบาทสำคัญในการปรับตัวให้เข้ากับประเภทข้อมูลใหม่ๆ ที่จะเกิดขึ้นในอนาคตอันใกล้นี้ สำหรับแอปพลิเคชันประเภทต่างๆ”

แต่ข้อกำหนดทั้งหมดสำหรับโปรเซสเซอร์ที่จะช่วยเพิ่มประสิทธิภาพงานในอนาคตยังคงไม่เป็นที่ทราบแน่ชัด “หากเรากำลังสร้างโปรเซสเซอร์สำหรับการประมวลผลแบบ Edge Inferencing มันอาจจะทำการจำแนกประเภท การตรวจจับ การแบ่งส่วน หรือแม้แต่การแปลงข้อมูลบางประเภท” นารายานันกล่าว “สิ่งเหล่านี้เป็นเลเยอร์คงที่ และเรารู้ว่าองค์ประกอบการคำนวณได้รับการออกแบบให้มีประสิทธิภาพมากขึ้นและทำงานผ่านเวิร์กโฟลว์เหล่านี้ เราสร้างคอมพิวเตอร์ที่เหมาะสมกับความต้องการในปัจจุบัน แต่ไม่ได้หมายความว่าหากคุณมีเลเยอร์ใหม่ หรือประเภทตัวดำเนินการใหม่ หรืออะไรทำนองนั้น เราจะไม่สามารถทำได้ เพียงแต่ว่ามันจะไม่ประสิทธิภาพเท่ากับการออกแบบในลักษณะนั้น”

ระบบนิเวศ

ระบบนิเวศเป็นอุปสรรคสำคัญต่อการนำไปใช้งานในบางด้าน แต่ก็มีความคืบหน้าอย่างต่อเนื่อง “เราได้ยกระดับสมาชิกภาพในโครงการ Yocto เป็นระดับแพลทินัมแล้ว” กัลโลกล่าว “นี่เป็นสัญญาณที่ชัดเจนมากสำหรับระบบนิเวศ Yocto เป็นระบบปฏิบัติการ Linux แบบฝังตัวที่แพร่หลายที่สุด นี่เป็นครั้งแรกในรอบหลายปีที่โครงการ Yocto เพิ่ม ISA ใหม่ สถาปัตยกรรมใหม่ และการเป็นสมาชิกระดับแพลทินัมหมายความว่า RISC-V จะทัดเทียมกับสถาปัตยกรรมอื่นๆ Yocto ไม่ได้ใช้เฉพาะกับ Linux แบบฝังตัว, AI สำหรับอุปกรณ์ปลายทาง, IoT แต่ยังใช้ในทีวีกล่องรับสัญญาณสำหรับผู้บริโภค และยานยนต์ในด้านระบบสาระบันเทิงด้วย”

อุปกรณ์พกพากำลังตามทัน “Google ได้ทำให้ RISC-V กลายเป็นส่วนสำคัญในการพัฒนา Android แล้ว” วานีกล่าว “เมื่อซอฟต์แวร์มีความสมบูรณ์มากขึ้น เราก็จะได้เห็นคอร์แอปพลิเคชันระดับเริ่มต้นในกลุ่มผลิตภัณฑ์ยอดนิยม เช่น โทรศัพท์มือถือ แล็ปท็อป และอื่นๆ”

เมื่อผู้นำจำนวนมากพอเข้ามามีบทบาท กลุ่มอื่นๆ ก็จะตามมา “Red Hat ประกาศว่าพวกเขามีเวอร์ชันพรีวิวสำหรับนักพัฒนาของ RHEL สำหรับ RISC-V แล้ว” Gallo กล่าว “Fedora ก็พร้อมใช้งานสำหรับ RISC-V แล้ว เมื่อเดือนมกราคมที่ผ่านมา ในงาน FOSDEM ที่ยุโรป Canonical เปิดเผยว่าพวกเขากำลังวางแผนที่จะสนับสนุนโปรไฟล์ RVA23 กับ Ubuntu นั่นหมายความว่า RISC-V พร้อมแล้วสำหรับโปรเซสเซอร์แอปพลิเคชันและระบบปฏิบัติการมาตรฐาน”

มีการลงทุนจำนวนมากเกิดขึ้น “อีกหนึ่งโครงการที่น่าสนใจในยุโรปคือโครงการ DARE” ลาปิเดสกล่าว “โครงการนี้จะอัดฉีดเงิน 260 ล้านถึง 280 ล้านยูโรในช่วงห้าปีข้างหน้า ผู้ผลิตหลักทั้งสามรายต่างกำลังสร้างชิปเล็ต ไม่ใช่แค่เพียง IP ของโปรเซสเซอร์เท่านั้น หนึ่งในนั้นเป็น CPU อเนกประสงค์ หนึ่งในนั้นเป็นตัวเร่งความเร็วเวกเตอร์ และอีกหนึ่งเป็นตัวเร่งความเร็ว AI ชิปเล็ตเหล่านั้นจะถูกรวมเข้าด้วยกัน สถาปัตยกรรมชิปเล็ต RISC-V แบบใหม่นั้นน่าสนใจมาก”

บทสรุป

RISC-V อาจไม่ใช่โซลูชันที่สมบูรณ์แบบสำหรับแอปพลิเคชันหลายอย่าง โดยเฉพาะอย่างยิ่งที่เกี่ยวข้องกับ AI แต่ก็อาจเป็นเส้นทางในการพัฒนาต่อไปได้ นอกจากนี้ ยังไม่มีสิ่งใดในอนาคตที่จะเป็นทางเลือกที่ดีกว่านี้ได้

การปฏิวัติที่ประสบความสำเร็จในอุตสาหกรรมเซมิคอนดักเตอร์นั้นมีน้อยมาก ด้วยการมีชุมชนที่เปิดกว้างและเติบโตอย่างต่อเนื่อง ซึ่งผู้คนต่างร่วมกันกำหนดนิยามของสิ่งที่พวกเขาต้องการในปัจจุบัน สิ่งที่พวกเขาคิดว่าอาจต้องการในอนาคต และมองการณ์ไกล พวกเขาอาจสามารถไปถึงจุดหมายที่ต้องการได้โดยไม่ต้องแบกรับความเสี่ยงมากเกินไป ด้วยการก้าวไปทีละเล็กทีละน้อย ระบบนิเวศจึงสามารถก้าวทัน และความก้าวหน้าก็จะเกิดขึ้นอย่างสม่ำเสมอ