面向边缘AI的RISC-V可扩展向量处理器设计与异构计算架构实现.docxVIP

PAGE2

面向边缘AI的RISC-V可扩展向量处理器设计与异构计算架构实现

摘要

边缘人工智能设备的迅猛发展对处理器算力与能效提出了严苛要求，传统通用处理器难以在功耗约束下提供足够的并行计算能力，而专用加速器又缺乏灵活的可编程性。

本文以RISC-V开放指令集架构为基础，设计了一款支持自定义向量扩展的嵌入式处理器，并集成脉动阵列AI加速协处理器，构建面向边缘AI的异构计算系统。

核心方案包括：在经典五级流水线中嵌入可配置向量处理单元，设计紧耦合的矩阵乘加加速器，并通过自定义指令实现主机与协处理器的协同调度。

全文按工程递进逻辑展开：绪论分析边缘AI面临的算力瓶颈与现有方案局限；相关技术论证RISC-V向量扩展与异构集成优势；需求分析量化为0.5TOPS算力与2W功耗目标；

总体设计划分处理器流水线、向量单元、AI加速器与存储层次；详细设计深入微架构、指令编码与接口协议；系统实现完成VerilogRTL开发与FPGA原型部署；

测试结果表明，在100MHz主频下，系统INT8峰值算力达0.51TOPS，能效比高达0.25TOPS/W，完整验证了设计方案的有效性。

本文的创新点在于提出了一种可自定义向量长度且与AI加速器紧耦合的RISC-V异构架构，为边缘智能芯片提供了兼顾灵活性与能效的可行路径。

第一章绪论

1.1研究背景

边缘计算场景正从简单的数据采集向本地