AMD ROCm RISC-V 演示开启 AI 服务器新路径，但生产就绪性尚未得到验证

尽管该软件栈历来依赖成熟的主机架构，AMD ROCm 的 RISC-V 支持现已实现可运行的服务器演示。AMD 与 SiFive 在一台连接 AMD 专业 GPU 的 RISC-V 主机上运行了 AI 模型。这为开放式 AI 服务器开辟了一条可信的新路径，但尚不足以证明其已具备生产就绪性。

此次演示采用 SiFive 的 BigSky 开发平台和 AMD 的 ROCm 10.0 软件栈。一颗 32 核 RISC-V 处理器负责管理系统，Radeon AI PRO R9700 GPU 则执行模型推理。两家公司于 2026 年 9 月 15 日在圣克拉拉举行的 AI Infra Summit 上展示了该系统。

关键竞争并不只是 RISC-V 与 x86 之间的较量。更重要的是，开放主机架构与 AMD 开放软件栈的组合，将与集成度更高的加速器平台竞争。Nvidia 已通过 NVLink Fusion 与 SiFive 合作，为这一新兴 CPU 架构进入 AI 基础设施提供了另一条路径。

AMD ROCm RISC-V 支持已落地真实硬件

AMD 与 SiFive 已将 RISC-V 上的 ROCm 从兼容性构想推进为可运行、但仅用于演示的服务器系统。

两家公司在 SiFive 的 BigSky Datacenter Development Platform 上展示了该系统。其 SiFive Performance P870-D 处理器担任主机 CPU，AMD 的 Radeon AI PRO R9700 负责推理。

在 AI 服务器中，主机 CPU 协调存储、网络、内存移动和加速器任务。GPU 则执行模型所需的高度并行计算。

这一分工之所以重要，是因为 ROCm 过去的部署叙事主要围绕熟悉的 x86 系统展开。AMD 也已将软件栈的部分能力扩展至 Windows 和客户端硬件。RISC-V 主机则为这一图景增加了一种不同的处理器架构。

两家公司使用 ROCm 10.0 运行 Gemma4-E2B 大语言模型。其联合演示被明确描述为仅用于演示的系统。

这一限定应当引导对该公告的所有结论。此次活动证明了主机、操作系统、ROCm 软件、GPU 和模型各层之间的基本互操作性。它并未提供性能对比或生产可靠性数据。

SiFive 的 BigSky SF-2U870 开发服务器配备 32 个以 2.0 GHz 运行的 P870-D 内核，包含 256GB DDR5-5600 内存和四条 PCIe Gen5 x16 连接。

这些 PCIe 连接为主机系统与所连接加速器之间提供了物理通路。该服务器还配备两块 7.68TB U.2 NVMe 硬盘和一个 10/25Gb 网络接口。

这是真实且有意义的硬件，而非模拟器或孤立的编译器测试。开发者可以使用该平台进行软件移植、调优和验证。SiFive 表示，BigSky 系统现已向感兴趣的客户开放。

不过，开发平台可用与大规模商业部署并不相同。已公布的配置仍是用于生态系统工作的测试环境。AMD 尚未推出 RISC-V 生产支持矩阵、服务承诺或通用安装包。

AMD 也避免将这项实验描述为成品。AMD AI 软件产品管理公司副总裁 Ramine Roane 将其称为探索 RISC-V 主机加速能力的早期一步。

这种克制的表述很重要。它将此次演示定位为验证过程的开端，而不是终点。

眼下的变化依然具体。一块现代 AMD GPU 现在可以通过 ROCm 10.0 参与由 RISC-V 主机承载的 AI 工作流。这让开发者有了可实际测试的对象，同时两家公司继续推进更广泛的兼容性工作。

它也暴露了下一个问题。运行一个模型只是 AI 平台的第一层。生产系统需要可重复的安装流程、稳定的驱动程序、监控、编排、安全维护，以及在持续负载下可预测的行为。

AMD 与 SiFive 为何此时推进这项合作

AI 基础设施正将主机处理器与加速器分离；只要软件能够跟上，这便为新的 CPU 架构创造了空间。

在现代 AI 服务器中，加速器承担了大部分模型计算。主机 CPU 仍负责关键系统功能，但采购方不再需要让每个组件都遵循单一的传统架构。

这种分离改变了 RISC-V 的竞争机会。该架构是一种开放指令集，这意味着实施者无需为专有指令集付费授权，也能设计兼容处理器。

开放规范并不意味着所有 RISC-V 处理器都可互换。不同实现的内核设计、内存系统、输入输出能力、安全特性和支持的扩展都可能不同。

因此，服务器标准与指令集同样重要。已获批准的服务器平台规范定义了硬件和软件接口，旨在提升符合规范系统之间的互操作性。

一致的平台能为操作系统和基础设施软件提供更稳定的目标。缺少这一点时，每台服务器都可能需要定制化适配工作，从而增加开发者和采购方的成本。

SiFive 推出 BigSky 正是为了加快这类工作。它面向移植、工作负载调优和验证，而非大规模部署。在更大的商业市场形成之前，该平台让软件团队能够接触服务器级 RISC-V 硬件。

AMD 也有互补的动机。该公司的 AI 硬件所处市场中，软件可用性往往比单项基准测试更重要。

ROCm，即 Radeon Open Compute 平台，是 AMD 面向 GPU 计算的开放软件栈。它包括编译器、运行时、库、开发者工具，以及与广泛使用的 AI 框架的集成。

AMD 将其ROCm 平台描述为在受支持 AMD 硬件上开发和部署加速工作负载的途径。扩展主机选项强化了这一可移植性主张。

RISC-V 还为 AMD 提供了另一种方式，使 ROCm 与紧密绑定于单一供应商系统设计的软件形成差异。即便短期部署仍然有限，这一吸引力也具有战略意义。

对 SiFive 而言，加速器支持让 BigSky 更具实用价值。如果无法连接 AI 团队已在使用的 GPU 和软件，服务器 CPU 开发平台对它们的价值便有限。

因此，两家公司分别为对方解决不同的采用难题。AMD 带来了成熟的 GPU 软件栈和专业加速器。SiFive 则提供了一个主机平台，用于在真实的服务器条件下测试开放架构。

这一时机也反映了定制 AI 基础设施带来的压力。超大规模云服务商越来越多地将处理器、加速器、网络和软件视为彼此独立的设计决策。

RISC-V 承诺在 CPU 层面提供更强的定制能力。这一承诺吸引了寻求掌控功耗、安全特性、接口或专用处理能力的组织。

然而，当每种实现的行为都不同时，定制化可能削弱兼容性。服务器规范和 BigSky 等开发系统，正是在尝试控制这种张力。

因此，ROCm RISC-V 服务器代表的不仅是另一种受支持的运行环境。它们正在检验，两项开放技术能否在没有一家企业控制所有层级的情况下构建可靠平台。

这一答案对希望获得替代选择的采购方至关重要。可行的组合能够扩大主机 CPU 和加速器领域的供应商选择；碎片化的组合则只会将集成工作转移给客户。

核心竞争在于开放选择与集成控制

AMD ROCm RISC-V 的尝试挑战了高度集成的 AI 平台，但开放性只有在完整系统仍易于管理时才能胜出。

Nvidia 仍是核心参照对象，因为 CUDA 已积累广泛的框架、库、工具和开发者支持。Nvidia 还通过日益高度集成的平台设计，将 CPU、GPU、网络和软件连接起来。

AMD 与 SiFive 提出的是一条更模块化的路线。主机采用 RISC-V，加速器采用 AMD 的 GPU 架构，ROCm 则将应用程序连接至 GPU。

模块化能够为系统设计者提供更多选择。客户可以选择 RISC-V 主机以获得定制能力，同时保留围绕 AMD 硬件构建的加速器编程环境。

代价是需要额外验证。供应商之间的每一处边界都会带来关于固件、驱动程序、内存传输、错误报告、监控和生命周期协调的问题。

这正是为何此次演示的软件成果比模型选择更重要。Gemma 是一项实用工作负载，但更深层的测试在于协调多个系统层级。

Gemma 模型家族提供了开发者可在多种环境中运行的开放模型。这使其适合用于早期可移植性演示。

不过，一条成功的推理路径并不能代表更广泛的工作负载格局。生产环境使用不同的框架、模型格式、量化方法、服务引擎和分布式调度系统。

它们还依赖很少出现在舞台演示中的运维工具。团队需要指标收集、故障恢复、安全扫描、容器支持，以及围绕驱动部署的自动化能力。

开放架构并不会自动提供这些组件。供应商必须针对特定硬件组合，对它们进行打包、文档化、测试和支持。

竞争也不只是 AMD 对阵 Nvidia 那么简单。SiFive 已宣布计划在未来的 RISC-V 数据中心解决方案中集成 Nvidia 的 NVLink Fusion。

NVLink Fusion 允许合作伙伴将定制处理器连接至 Nvidia 的加速计算平台。SiFive 与 Nvidia 的合作为 RISC-V 系统设计者提供了第二条加速器路径。

这使 SiFive 成为平台供应商，而非 AMD 的独家盟友。无论客户选择哪家 GPU 供应商，其目标都是让 RISC-V 在主要 AI 系统中发挥作用。

因此，AMD 必须证明 ROCm 能在这些主机上提供更具吸引力的软件路径。基础兼容性拉开了竞争序幕，但持续性能和可维护性将决定最终结果。

Nvidia 计划中的 SiFive 集成在技术上也与已演示的 AMD 配置不同。AMD 系统使用 PCIe 连接主机和 GPU；NVLink Fusion 则瞄准合作伙伴芯片与 Nvidia 基础设施之间更紧密的连接。

PCIe 已被广泛部署，也更易于在不同供应商之间使用。取决于具体实现，更紧密的互连可在数据移动、内存协调和扩展能力方面带来优势。

AMD 没有公布可支持直接比较的测量数据。没有披露吞吐量、延迟、功耗、利用率或成本结果。

这一缺失使读者无法断定这条新路径可与 x86 或 Arm 主机匹敌。它同样阻碍了与未来采用 Nvidia 技术的 RISC-V 系统进行比较。

目前最有力的主张更为有限。AMD 已证明，当 RISC-V 服务器担任主机时，其加速器软件能够运行。

这种灵活性可能具有战略价值。如果 RISC-V 的采用率上升，且客户需求转向可定制的基础设施，它就为系统构建者提供了另一种选择。

它也让 AMD 能继续参与那些不再默认采用 x86 主机处理器的讨论。这一点很重要，因为 AI 服务器设计正日益将通用计算视为一个可配置组件。

不过，集成式控制也有实际优势。单一供应商可以协调发布节奏、跨层诊断故障，并提供统一的支持流程。

开放的多供应商设计必须通过标准和协作来复现这些运维优势。否则，采购灵活性就会带来工程摩擦。

因此，竞争问题可以被量化：AMD 和 SiFive 能否将开放选择转化为一个让运营方无需额外费力即可安装、更新、监控和修复的系统？

RISC-V AI Server 机制如何运作

RISC-V 处理器承载工作负载，而 ROCm 通过熟悉的加速器模式，将计算密集型操作导向 AMD GPU。

P870-D CPU 并不会取代 Radeon GPU 来执行模型推理。它们负责准备和协调工作负载、管理系统资源，并通过 PCIe 与加速器通信。

ROCm 提供软件桥梁。其主机端组件负责管理应用程序、运行时调用、已编译的内核，以及在 AMD GPU 上执行工作所需的库。

这一点有助于避免对该公告的常见误解。AMD 并未将一个 AI 模型移植为完全运行在 RISC-V CPU 核心上。

相反，这次演示证明 RISC-V 可以作为 AMD GPU 工作负载的可行主机。加速器仍负责高度并行的数学运算。

这一模式类似于使用 x86 或 Arm 主机的现有 GPU 服务器。架构变化发生在主机端：RISC-V 替代了更成熟的 CPU 指令集。

要完成这种替换，远不只是重新编译一个应用程序。ROCm 组件、依赖项、系统库、安装脚本和管理工具都必须识别主机架构。

操作系统还必须正确暴露加速器。驱动程序需要与 GPU 通信，而用户空间软件必须加载兼容库，并执行为 RISC-V 构建的二进制文件。

应用程序往往还会增加另一条依赖链。一个服务框架可能依赖 Python 包、原生扩展、容器镜像、通信库和模型专用内核。

每一项依赖都可能包含对 x86 或 Arm 的假设。完整移植必须找出并消除这些假设，同时不改变工作负载行为。

这也解释了为什么一个可运行的 Gemma 推理演示很有价值。它验证了跨越多个层级的纵向路径，而不只是确认一个孤立的编译器组件。

BigSky 硬件之所以有帮助，是因为它接近真实服务器。其 PCIe Gen5 通道可连接加速器，内存、存储和网络则支持更广泛的软件实验。

开发者可以测试安装行为、主机开销、数据移动和应用兼容性，也能识别缺少 RISC-V 构建版本的软件包。

下一阶段需要工作负载多样性。一个对 AI 基础设施有用的平台，应能处理多种模型、服务引擎、框架和数据类型。

训练还带来更多要求。多 GPU 通信、集合操作、内存压力、检查点保存以及长时间任务的稳定性都会变得更加重要。

该公告聚焦推理，即使用已训练模型生成输出的过程。它并未宣称已在展示的配置上成功完成训练。

推理仍是合理的起点。它让两家公司能在面对分布式训练更广泛的要求之前，先验证核心兼容性。

更大的模型将同时考验主机和加速器的行为。它们可能需要多个 GPU、更密集的内存移动、更复杂的调度，以及设备之间经过优化的通信。

SiFive 表示，两家公司将继续评估 ROCm 优化、处理速度、更多加速场景和更大模型。这一表述确认目前的工作仍处于探索阶段。

对开发者而言，眼下的价值取决于能否获得软件。除非提供构建版本、说明、补丁或代码库，否则舞台演示无法支持独立测试。

公开的材料将让工程师能够复现该配置，并识别剩余的架构特定问题。它们也会揭示这次演示需要多少定制工作。

如果没有这些材料，行业主要只能依赖两家公司的描述。硬件配置已有记录，但完整的软件配方尚不是通用产品。

这就是技术可行性与生态就绪度之间的差异。可行性问的是这套技术栈能否运行；就绪度问的是普通团队能否部署和维护它。

AMD ROCm RISC-V 支持已经在受控环境中通过了第一项测试。第二项测试将要求其可重复性超出两家公司自身工程师的范围。

该演示仍留下性能与支持问题

该公告验证了一个概念，但没有提供做出生产采购决策所需的证据。

AMD 和 SiFive 没有发布推理吞吐量、首个 token 时间、token 生成速度、功耗或主机 CPU 利用率。

两家公司也没有提供在相同 Radeon GPU 上使用 x86 或 Arm 主机的对比结果。缺少这一基准，主机架构的开销便无法评估。

GPU 往往主导模型执行，但主机性能仍可能影响预处理、调度、网络和数据交付。这些影响在大规模环境下会更加明显。

这次演示也只使用了一个具名模型。它并未证明支持企业环境中常见的不同模型规模和软件组合。

模型兼容性可能因与主机指令集无关的原因而失败。不受支持的算子、专用内核、内存需求和框架版本都可能成为障碍。

ROCm 本身包含许多支持级别不同的组件。一条可运行的运行时路径，并不保证分析器、调试器、通信工具、媒体库和管理工具都获得同等支持。

生产采购方还需要正式的兼容性矩阵。该文档应列出经过测试的操作系统、固件版本、驱动程序、GPU、库和已知限制。

AMD 尚未通过这样的矩阵宣布通用 RISC-V 主机支持。SiFive 的表述则集中于持续评估与优化。

这种区别可避免读者夸大新闻意义。ROCm 尚未面向所有 RISC-V 服务器广泛推出；它只在一个指定的 SiFive 开发平台上运行。

支持责任归属也是另一个悬而未决的问题。遇到故障的客户，可能需要向 CPU 供应商、系统供应商、操作系统维护者、GPU 供应商或应用开发者寻求帮助。

多供应商系统可以通过联合验证和清晰的升级流程来解决这一问题。两家公司尚未说明面向生产用户的相关安排。

安全维护同样需要协调。固件、内核、驱动程序、运行时库和应用程序包可能按照不同的节奏更新。

任何一层的变更都可能引入回归问题。因此，企业运营方需要经过测试的更新路径、漏洞响应承诺和长期版本政策。

RISC-V 的灵活性带来了额外的验证负担。即使处理器共享同一基础指令集，供应商也可以以不同方式实现扩展和平台功能。

新兴服务器标准能减少这种差异，但无法消除所有实现差别。真正的兼容性仍取决于硬件和软件测试。

开发者还应避免把开源视为易于部署的同义词。源代码可用性有助于审查和移植，但不会自动带来已打包的二进制文件或运维文档。

对于低成本或更高效率的说法，也应保持同样谨慎。两家公司没有披露系统定价、能耗测量或总体拥有成本对比。

RISC-V 可以支持定制化设计，这可能改善某些特定工作负载。然而，这次演示并未测量此类收益。

它也没有展示多节点扩展。数据中心 AI 系统通常依赖网络以及跨多台机器的协同执行。

单服务器结果无法证明这些条件下的表现。网络软件、集合通信和编排都需要单独验证。

因此，对成熟主机平台的竞争威胁是长期的。x86 和 Arm 平台拥有成熟的服务器软件、广泛的管理支持和丰富的部署经验。

RISC-V 无需在所有领域取代它们，便可体现价值。它可以先在定制化或架构控制具有明确价值的专用系统中获得采用。

AMD 的合作提升了这种可能性，因为 GPU 支持消除了一个软件障碍。不过，许多运维障碍仍然存在。

正确的解读既不是轻视，也不是庆祝。真实硬件演示比路线图幻灯片更有力，却比可复现的基准测试和受支持的发布版本更缺乏说服力。

这种中间立场定义了这则报道。AMD 和 SiFive 已展示出这条路径存在，但尚未证明企业今天就应选择它。

三个信号将显示 AMD ROCm RISC-V 是否重要

下一阶段必须将受控演示转化为可复现的软件、可衡量的性能以及明确的支持路径。

第一个信号是面向 BigSky 的公开 ROCm 构建版本或文档化安装流程。开发者需要足够的材料，才能在不依赖私有补丁的情况下复现 Gemma 工作负载。

可复现性将增强 AMD ROCm RISC-V 支持正成为生态系统能力的说法。若继续依赖私有演示，则会削弱这一说法。

最有价值的发布内容应明确所需固件、操作系统软件包、ROCm 组件、框架版本和模型设置，同时披露已知限制。

这些信息将让独立团队能够测试其他模型和服务工具。他们的结果将提供超出原始合作方之外的证据。

第二个信号是对比性能数据。AMD 或 SiFive 应在相同 Radeon GPU 和软件配置下，测试 RISC-V、x86 和 Arm 主机。

对比应包括推理吞吐量、响应延迟、主机利用率、系统功耗和扩展行为，也应说明任何配置差异。

具有竞争力的结果将支持主机架构选择可以变得更灵活的论点。较大的性能损失则会表明仍需要进一步的编译器、运行时或平台优化。

独立基准测试将更具分量。它们可能揭示受控供应商演示未能暴露的性能瓶颈。

第三个信号是正式产品支持。AMD 必须决定是否将 RISC-V 主机纳入 ROCm 的文档化兼容性和发布流程。

支持条目将表明经过测试的组合、维护预期和缺陷报告路径。这将使该工作更接近企业评估阶段。

SiFive 也必须展示 BigSky 的工作如何迁移至未来的生产系统。开发服务器可以发现问题，但客户最终需要可部署的平台。

Nvidia 的合作关系让这些信号更显紧迫。SiFive 正在围绕两大 GPU 软件生态构建选择，而非只押注某一家独家合作伙伴。

这一策略有利于 RISC-V 的普及，但也迫使 AMD 必须凭借执行力竞争。ROCm 需要能够在新的主机平台上轻松获取、运行和优化。

更广泛的行业参与同样至关重要。框架维护者、Linux 发行版、容器项目和基础设施供应商，都必须将 RISC-V 视为常规的服务器目标平台。

没有任何一项单独的公告能够造就这样的生态系统。每一个经过验证的工作负载和持续维护的软件包，都会降低下一位采用者所需投入的成本。

开发者应首先关注公开的软件资源。代码、说明文档和问题追踪记录能够显示，活动结束后协作是否仍在持续。

企业采购方则应关注支持边界。当供应商清晰界定其将维护哪些配置时，系统才具备商业意义。

基础设施规划者应关注真实负载下的基准测试结果。模型成功运行一次具有参考价值，但持续提供服务时的表现才决定其运营价值。

AMD 的 ROCm RISC-V 支持如今已有实体演示作为验证。剩下的问题是，AMD 和 SiFive 能否让这种验证成为常态。

对于正在评估未来 AI 基础设施的团队而言，实际行动很直接：关注可复现构建、独立基准测试以及官方兼容性文档。这三个信号将区分一个有趣的移植项目和一个可靠的平台。如果这些条件到位，RISC-V 将在成熟的 AI 服务器主机平台之外获得可信的一席之地。否则，9 月的演示仍将只是一次有价值的实验，而非可供采购的选择。