RISC-V进军人工智能和机器学习领域？

Esperanto Technologies正在寻求在人工智能（AI）和机器学习（ML）应用中使用RISC-V技术，这项工作已经在进行中了。其中，亟待解决的一项工作是需要为处理这些类型的网络量身打造高性能计算。

为了实现机器学习的最佳TFLOPS，最新的处理器中采用了RISC-V

Esperanto Technologies正在开发ET-Maxion和ET-Minion RISC-V处理器来解决这个日益增长的市场，到目前为止，GPGPU和定制硬件设计一直占据着主导地位。另一部分是针对图形解决方案的ET-Graphics核心。

该公司的目标是使用RISC-V for ML获得最高的每瓦特的teraFLOPS。它将使用RISC-V域特定扩展（DSE），包括RISC-V Vector ISA、张量指令和附加的硬件加速。RISC-V的一个优势是它不使用整个指令空间，使DSE成为可能。当然，一个带有DSE的实现可能与另一个不同，因此应用程序不一定是可移植的，除非它们限于常见的RISC-V子集。

Esperanto Technologies是针对TSMC 7- nm硅。 ET-Maxion核心最初是基于开源 Berkeley Out-of-Order (BOOM) RISC-V 处理器架构，但Esperanto Technologies计划仍有重大扩展。该公司将继续管理和支持开放源码的BOOM存储库，但高级版本将成为可授权技术的一部分。

ET-Maxion从64位RISC-V开始

RV64GC指令集。该核心具有多个高速缓存级别和多处理器支持的无序（OOO）管道。

ET-Minion专为节能和浮点密集型任务而设计。它使用一个64位RISC-V指令集和一个有序的流水线和DSE。矢量扩展由集成矢量浮点单元支持。张量指令和其他增强功能针对机器学习优化，并支持图形操作，它们被设计用来处理多个执行线程。

这个系统芯片（SoC）的目标将包括16个具有专用L1和L2高速缓存的ET-Maxion RISC-V核心，4096个ET-Minion RISC-V内核以及硬件加速器。一个芯片上的网络将所有处理器链接在一个地址空间内，提供了缓存一致的支持。它还将拥有高带宽的DRAM接口。

尽管目标看起来雄心勃勃，但是在性能和能源效率方面，模拟的情况已经证明是有希望的。Esperanto Technologies甚至还开发了shader编译器，以便RISC-V内核阵列可以解决通常由GPGPU处理的图形问题。

拥有大量可运行RISC-V的内核可提供灵活的计算平台。使用DSE允许将这些配置到特定的应用程序空间，同时保留一个通用的编程环境，而不是像GPGPU这样的特定于架构的平台。

Esperanto Technologies有一些来自Western Digital 的支持，更以其存储解决方案而闻名。Western Digital 正在利用RISC-V wave，并计划在其新产品中使用基于RISC-V指令集的处理器。