RISC-V架构和指令集凭借其开放特性，正赢得越来越广泛的关注，无论是中国还是Intel、三星、高通等巨头都大力投入，RISC-V也被视为ARM乃至是
RISC-V架构和指令集凭借其开放特性，正赢得越来越广泛的关注，无论是中国还是Intel、三星、高通等巨头都大力投入，RISC-V也被视为ARM乃至是x86的潜在“备胎”。
其实，NVIDIA对于RISC-V架构也非常关注，早早就加入了RISC-V基金会，并做了不少研究，近日还公开了在深度神经网络(DNN)中应用RISC-V指令集的可能。
NVIDIA表示，DNN需要高性能、高精度，对功耗也比较敏感，打造DNN加速器并不容易，成本也很高，所以计划使用低功耗、高带宽的芯片互连技术，将多个推理加速芯片组成一个Mesh网格网络。
封装架构、芯片架构、PE结构
在一款研究性芯片中，NVIDIA设计了16个用于深度学习计算的处理元件(PE)，搭配一个采用RISC-V指令集的控制器，可提供4.01TOPS(每秒4.01万亿次操作)的算力，支持最多36块芯片互连，总算力达到128TOPS。
使用台积电16nm工艺时，单个芯片封装面积6平方毫米(2.4×2.5毫米)，内核面积3.1平方毫米，36块芯片互连就是总封装面积216平方毫米、总内核面积111.6平方毫米，仍然在可控范围内，而且算下来能效可达1.15TOPS每平方毫米。
不过，NVIDIA这项研究只是一种方向性探索，暂时不会有对应的商用产品，但思路可能会融入到未来的架构和产品设计中。（上方文Q）
