消费者和手机厂商，对芯片的核心需求是，“能用、好用”。
而“能用”的前提是，兼容现有设备和软件。
绝大多数人，其实并不在乎，手机中的指令集或芯片，是不是纯自研。
更有甚者，还会嘲讽自研是“人傻钱多”。
某种程度上，跟部分网友嘲讽华威鸿蒙系统，“能玩XX吗”，“XX都玩不了还这么贵”是一个道理。
倒也没什么好苛责的就是了。
相比之下，ARM指令集授权费用，仅数千万美元。
芯片厂商可在成熟的架构及生态上，将精力集中于微架构创新，性价比更高。
通过“永久授权”，也可规避未来的诸多麻烦。
当然，该留的后手，肯定还是要准备的。
回头问问大嘴兄那边，有没有自研指令集的打算。
两边联合研发，能省去不少功夫。
不过骄阳系列算力卡，肯定是要全栈自研的。
骄阳系列，是基于RISC-V架构开发的。
两相对比，ARM有些类似于iOS。
闭源、成熟，买授权就能用，但受限于版权，只能做固定款式。
而刚诞生没两年的RISC-V架构，则类似于安卓。
代码全公开，可自由改造。
AI算力卡，需针对“矩阵乘法”等核心操作，定制加速单元。
RISC-V的模块化指令集，可扩展自定义指令，能快速将AI加速逻辑，与基础计算结合，有效避免ARM架构的授权限制和定制壁垒。
但随着极光通用大模型，对算力的需求越来越高，转向纯自研AI计算专属架构，也是早晚的事情。
AI计算，尤其是大模型训练、推理，核心痛点是“算力效率”。
即单位功耗下的矩阵运算吞吐量。
即便是定制化的RISC-V架构，也仍需保留大量通用计算逻辑。
而专用架构，则可通过“硬件级深度优化”，解决这一问题。
如华威达芬奇架构的“Cube Unit”、英伟达Tensor Core，均通过固定数据流路径、简化控制逻辑、优化存储访问模式等方式，将矩阵运算效率提升数倍。
此前提到过一个公式，可以清晰明了的解释这一点。
大模型训练=99%的矩阵乘法+1%的其他操作。
就是这么朴实无华~
也因此，骄阳系列转向专用架构，是从“能用”到“好用”的必然升级。
目前，极光芯片研发团队，已正式启动“骄阳指令集全栈自研计划”。
核心目标，实现骄阳系列核心模块自主可控。
包括矩阵运算专用硬件单元，专注矩阵运算；
Vector单元，支持卷积、池化等典型AI算子的硬件加速，采用可配置的“单指令多数据”架构，灵活适配不同模型的进度需求；
Scalar单元，类似微型CPU，负责任务调度和分支控制。
同时，配套开发完整工具链，完成从编译器到应用框架的全栈工具链闭环控制，无需依赖第三方生态。
这一块，洛川了解的还算深入，将会全程参与开发工作。
毕竟，前世，除了柰白的雪子，以及黑丝白丝灰丝各种丝之外，多数时间，他都沉迷于AI和云计算之中。