RISC-V + 类 TPU
技术路线
判断国产 AI 芯片九成在"追赶英伟达 GPU + 兼容 CUDA"；奕行智能是少数把赌注押在RISC-V 开放指令集 + 自研类 TPU 架构上的规模玩家——不追 GPU，而是想在指令集层面换一条更开放、更自主的路。看它，核心就一句：它能不能证明"RISC-V + 专用架构"这条路，既有真实性能与量产，又能补上开放生态最缺的那块——好用的软件工具链和外部规模客户。
判断奕行智能是国产 AI 芯片里路线最"换道"、资本认可度罕见地高、但仍需证明生态与真实规模的一家——用 RISC-V 开放指令集 + 自研类 TPU 架构，赌"开放 ISA 能替代被 CUDA/x86/Arm 生态税绑架的旧底座"。它的强，强在顶级外企芯片老将班底 + 已量产芯片 + 15 亿 B 轮的资本背书；它的悬，悬在两个赌注：① 路线赌注——"RISC-V + 专用架构"能不能在 AI 大算力场景真跑赢、且比 GPU 更省成本；② 生态赌注——RISC-V 的开放同时意味着 AI 软件生态从零、CUDA 那道墙依然横在客户面前。它的决定性变量，是能不能把"资本与团队光环"兑换成"非关联外部客户的规模装机 + 成熟到能迁移的软件栈"。
| 决定性变量 | 为什么是胜负手 | 兑现的观察信号 |
|---|---|---|
| 路线赌注：RISC-V + 类 TPU 能否在大算力场景兑现 | 事实公司主打"类 TPU 自研架构 + RISC-V/RVV 指令集"，支持 FP8/FP4 等低精度格式。判断RISC-V 在 CPU/端侧已成气候，但在数据中心级 AI 大算力上仍是新战场，能效与可编程性都要真实负载验证。 | Epoch 芯片在大模型训练/推理的实测有效算力、精度、能效；对主流模型的适配速度。 |
| 生态赌注：开放 ISA 能否补上软件短板 | 事实RISC-V 是开放指令集，无 CUDA 式现成 AI 生态。推导客户迁移成本、编译器/算子库成熟度是这条路最深的坑。 | 软件工具链成熟度、模型迁移工作量、非关联外部客户数与装机量。 |
先看它站在算力技术栈的哪一层、走了哪条支线，这决定了它的天花板和风险。
判断奕行选的是一条"指令集层换道"的路：不在 GPU 层跟英伟达硬碰，而是用 RISC-V 开放指令集 + 自研类 TPU 计算架构，从底层重构一套自主、开放、可定制的 AI 算力底座。事实公司自述以"AI 计算架构、编译器软件工具"为核心技术，通过 RISC-V 生态提供"通用 + 专用"的加速方案。推导这条路的诱惑是"自主可控 + 不受单一 ISA 授权与生态绑架"；陷阱是"开放不等于好用"——RISC-V 的 AI 软件生态远不如 CUDA 成熟。
判断奕行的位置"叙事上先进、落地上孤独"。先进：RISC-V 是国产自主与全球开源大势，叠加类 TPU 的能效优势，理论上能同时解决"卡脖子"和"能效比"两个痛点。孤独：RISC-V 在 AI 大算力上没有现成生态，客户要么重写、要么依赖你把编译器/算子库做到"接近 CUDA 好用"——这恰是所有非 CUDA 阵营都栽过的地方。推导所以奕行强调自建"顶尖硬件架构 + 编译器团队"，本质是想用软件把开放 ISA 的生态短板补上——这是它能否成立的真正战场，而非芯片本身。
| 本质 4 问 | 答案（含证据） |
|---|---|
| ① 本质在做什么 | 判断为 AI 计算造一套"自主可控 + 能效优先"的底座，用 RISC-V 换掉被授权与生态绑架的旧指令集，用类 TPU 架构换 GPU 的通用冗余，赌"开放 + 专用"是国产算力更长期的解。 |
| ② RISC-V 的成熟度 | 事实RISC-V 在 MCU/端侧/CPU 已规模落地，是全球开源 ISA 大势；判断但在数据中心级 AI 大算力上仍属早期，软件栈、算子库、框架支持都在建设中。 |
| ③ 谁掌握话语权 | 事实话语权仍在英伟达 + CUDA 生态与 x86/Arm 授权体系手里。推导奕行赌的是"生态税与管制压力会推动开放 ISA 崛起"，即护城河随自主化诉求而松动。 |
| ④ 未来价值往哪迁 | 推导若国产化 + 开源 ISA 成主流、且 AI 软件栈补齐，价值会向"自主可控 + 能效领先"的开放架构迁移。判断若 CUDA 生态惯性与客户迁移成本仍占上风，开放路线短期难破局。这是奕行押注的核心分歧。 |
判断RISC-V 的"开放 + 自主"是真价值，AI 场景的能效痛点也是真的；但真正决定生死的，是"开放 ISA 的软件生态能不能做到让客户愿意迁移"。推导客户买算力，买的是"跑通我的模型、迁移成本可控、后续有人维护"，不是"指令集是否开放"。奕行要赢，光有先进架构不够，必须证明它的编译器/工具链能把"迁移到 RISC-V + 类 TPU"的成本压到客户可接受——否则再自主的芯片也难变成规模生意。
在 AI 芯片这种极硬的系统工程里，"做过真量产"和"想做"是天壤之别。
| 角色 | 人物 | 关键背景 |
|---|---|---|
| 创始人 & CEO | 刘珲 | 事实拥有 20 余年半导体经验；曾任意法半导体、富士通半导体、Cadence 等外企中国及亚太区高管；西北工业大学 + 英属哥伦比亚大学双硕士；主导过多款车载/通信先进制程芯片的开发与量产。事实受特斯拉 AI Day 启发，2022 年初在广州南沙创立奕行。 |
| 联合创始人 & COO | 杨宜（博士） | 事实核心团队成员，公开演讲代表公司阐述 RISC-V + 类 TPU 路线与"端-边-云"愿景。 |
| 技术班底 | — | 事实公司自述拥有"国内最顶尖的硬件架构与编译器团队"；判断编译器实力对 RISC-V 这条路是决定性的——生态短板要靠软件补。 |
判断团队是奕行较硬的资产："外企先进制程量产经验 + 强调编译器"，方向对口 RISC-V 这条最吃软件的路。缺口但需核实：① 团队在数据中心级 AI 大算力（而非车载/通信）的实战深度；② 编译器/算子库团队的真实厚度与产出（是这条路的死穴）；③ 从自动驾驶 SoC 到通用 AI 大芯片的能力迁移是否顺滑。
缺口Epoch 的真实端到端有效算力、对标 GPU 的实测能效、支持的模型范围与精度损失、软件栈成熟度均未充分公开；"规模化量产"与营收口径为公司自述，缺第三方与真实负载验证。缺口更关键的——非关联外部客户是谁、装机量多少、客户把模型迁到 RISC-V 的实际成本——未公开。这正是追问清单第 1、2 组的核心。
奕行的命运系于三个真正有分歧的命题。每题给 Bull / Bear / Reality，再下裁决。
看清它周围站着谁，就明白它的优势多稀缺、软肋在哪。
| 玩家 | 类型 | 打法 / 现状 | 对奕行的意义 |
|---|---|---|---|
| 奕行智能 | RISC-V + 类 TPU | 开放 ISA + 自研架构，Epoch 量产、15 亿 B 轮 | 换道者，生态与外部客户待证 |
| 英伟达（CUDA） | 通用 GPU + 生态 | 绝对主导，护城河是 CUDA | 它赌 CUDA 生态税会松动；也是必须绕开的对手 |
| 沐曦/摩尔线程等国产 GPU | 类英伟达 + 兼容 CUDA | 追赶 GPU、兼容 CUDA 生态，密集上市 | 路线之争：它们赌"兼容通用"，奕行赌"开放换道" |
| 中昊芯英/寒武纪等国产 ASIC | 专用 AI 芯片 | TPU/ASIC 专用路线，能效优先 | 同为"非 GPU"阵营，奕行多押了 RISC-V 开放 ISA 这一层 |
| 各国 RISC-V AI 玩家 | 开放 ISA 生态 | 全球 RISC-V AI 生态早期共建 | 生态盟友也是路线赛跑者，奕行需抢先把软件栈做通 |
判断奕行的独特之处，是它比国产 GPU 阵营多押了"RISC-V 开放指令集"这一层自主性，又比纯 ASIC 玩家多背了"从零建开放 AI 生态"这份苦。推导它的破局空间大概率不在"什么都能跑的通用市场"，而在对自主可控、能效、成本极敏感的国产化算力场景（运营商/国资智算中心、特定推理负载）——用"开放 + 能效"叙事切入，再靠软硬一体交钥匙降低迁移门槛。团队与资本是它的底气，软件生态与外部规模客户是它的天花板。
| 风险 | 说明 | 观察信号 |
|---|---|---|
| 生态从零 | RISC-V 在 AI 大算力无 CUDA 式生态，客户迁移成本高，编译器/算子库是死穴。 | 软件工具链成熟度、模型迁移工作量、开发者支持。 |
| 路线验证 | 类 TPU + RISC-V 在数据中心级大算力的真实能效与可编程性未被第三方验证。 | 实测有效算力、精度、对新模型的适配速度。 |
| 叙事切换 | 从自动驾驶转向通用 AI 大算力，进入最拥挤、最吃生态的战场。 | Epoch 数据中心真实装机、两条业务线是否互相拖累。 |
| 营收与客户质量 | 营收为公司口径，外部非关联客户、复购、关联/项目制占比未公开。 | 客户结构、外部装机量、复购率。 |
| 资本节奏依赖 | 大额融资 + 运营商/国资背景，可能带来国产化叙事溢价与 to G 路径依赖。 | 剔除叙事溢价后的真实市场需求、估值合理性。 |
判断五类风险的母题是同一个：奕行能不能把"RISC-V + 类 TPU"的自主与能效优势，兑换成"有成熟软件栈、有非关联外部客户规模装机"的真实生意。这个问题没答清楚前，它是一支路线先进、资本认可、但仍在验证核心赌注的稀缺队伍。
判断四个断点里，断点 2（软件生态）和断点 1（大算力路线兑现）最致命——前者是所有非 CUDA 阵营的历史死穴，后者是这条换道路线的根本验证。团队与资本再强，也要先过这两关。
奕行团队和资本够硬，最关键的变量藏在"软件生态"和"外部客户质量"里。★ 是我认为最锋利、最能戳破叙事的问题。
判断① 没有 CUDA，客户迁到 RISC-V + 类 TPU 的成本有多大、软件栈到哪了？② Epoch 的非关联外部客户规模与复购如何？③ 类 TPU + RISC-V 在数据中心大算力的实测能效相对 GPU 优势多少？——这三问答清楚，就知道奕行是"国产自主开放算力的换道者"，还是"路线先进、资本高看、但生态建不起来"的赌注。
· 奕行智能官网 evas.ai：公司定位、Epoch 系列、RISC-V + 类 TPU 路线、应用场景
· 新浪财经 / 凤凰网 / 半导体行业观察 / DoNews：天使近 2 亿、Pre-A 3 亿+、A 轮数亿、2026 完成 15 亿 B 轮（称 RISC-V 领域单笔纪录）
· 极术社区 / 知乎《AI 时代的 RISC-V 芯片：奕行智能的破局之道》《以 RISC-V + 类 TPU 架构破局》：技术路线、编译器团队、FP8/FP4 精度、产品矩阵
· 芯片洞察（semi-insights）/ 铅笔道：创始人刘珲背景（意法/富士通/Cadence、双硕士、特斯拉 AI Day 启发、南沙创立）、COO 杨宜、中国移动链长基金战投
· 公司口径业绩：2023 营收约 6000 万、2024 预计近 2 亿、与头部企业签署订单/战略合作（均为公司自述，待第三方验证）