一个关键趋势正在加速释放：AI模型正从“通用计算”时代迈向“专用计算”时代，而这场变革，终于出现了一个值得行业重点关注的技术解法。
近日，聚焦“RISC-V+DSA”技术路线的隼瞻科技，完成近亿元天使+轮融资。本轮引入了英飞尼迪资本、白云金控、深圳中小担创投、厚天资本、华盖资本、嘉誉创投等多家战略投资机构，老股东毅达资本、达泰资本也持续加码。这家成立于2024年初的公司，颇有些“含着金钥匙出生”的意味。
隼瞻科技所做的事情，概括来看并不复杂——它希望让芯片设计从“打造万能钥匙”转向“匹配专属锁芯”。具体路径，则是通过“IP货架+EDA工具链”的组合方案，显著降低AI时代定制化处理器与专用芯片的设计门槛。
为什么DSA成了必选项？
先看清一个核心事实：传统CPU架构统治芯片设计数十年，但它天然并不适合AI计算。原因并不难理解，AI运算高度依赖大规模二维、三维矩阵计算，而CPU本质上是为串行逻辑处理而设计，执行这类任务时效率必然受限。于是，行业很快转向异构计算，让NPU、VPU、TPU等专用处理器协同工作。
再进一步看，AI模型正在快速走向垂直化、碎片化和多样化。过去，一颗通用SoC几乎可以覆盖大多数算法需求；如今，不同应用场景、不同客户之间的模型差异已经非常明显，继续沿用“大而全”的通用架构，无异于开着坦克去送快递，资源浪费十分严重。
这正是DSA（领域专用架构）成为热门方向的底层逻辑。它的核心理念是“让架构服务模型”——客户可以根据自身模型的算法特征，自定义CPU、DSP、NPU等模块的算力比例，真正实现按需配置，从而在功耗、芯片面积与成本之间找到更优平衡。
RISC-V为何成为理想底座？
而RISC-V，正是推动DSA真正落地的关键底座。
相比ARM这类传统闭源架构，RISC-V最大的优势在于开源、可扩展和可定制。AI模型迭代速度极快，如果底层架构缺乏灵活扩展能力，芯片生命周期就会被迅速压缩。隼瞻科技创始人曾轶打了个比方：“我们做架构设计时，会提前预留二维指令、函数空间和后续可编程能力，让芯片能适应未来模型演进，而不是两三年就被淘汰。”
更关键的是，在AI芯片场景中，很多性能瓶颈并不完全来自算力本身，而是来自数据搬运效率和任务调度效率。通过定制RISC-V指令集来协同调度NPU，整体效率提升有机会达到数十倍甚至百倍级别。这才是真正令人兴奋的地方。
真正的难点：不是理念，是工程化
但仅有理念显然远远不够。DSA落地的真正难点，在于工程化能力是否足够成熟。
在传统模式下，开发一款中等规模的DSA处理器，往往需要数十名工程师投入，耗时半年以上，还要面对复杂的软件工具链协同问题。尤其在多核异构环境下，不同处理器往往对应不同编译器和开发环境，整体复杂度会迅速飙升。
隼瞻科技从一开始就意识到这一问题，因此同步布局了IP与EDA平台。目前，公司已经形成完整的RISC-V产品矩阵，涵盖CPU IP、DSP IP、NPU IP，其中多款产品已经实现量产落地。
其自研的ArchitStudio专用处理器设计平台，是核心武器。这个平台由多个关键引擎组成，从架构分析、设计优化到自动生成，几乎覆盖了完整流程：Archit Analyzer负责识别算法在现有处理器上的运行瓶颈；Archit Designer支持开发者通过高层语言描述架构需求，无需手动编写底层RTL代码；最终，Archit Generator可自动生成RTL、验证环境以及完整的软件工具链。
ArchitStudio示意图（图源/企业）
这样带来的结果是，传统需要30人完成30周的DSA设计项目，有望被压缩至3个人、3周左右。这不仅意味着研发效率的大幅提升，更意味着定制化处理器设计能力不再只掌握在行业巨头手中，而是有机会向更多芯片企业开放。
落地：从通信到机器人，多点开花
目前，隼瞻科技已经在无线通信、多媒体处理、信息安全、工业控制、汽车电子以及AI端侧等多个领域实现客户落地。例如，在无线通信领域为客户定制通信DSP；在信息安全领域，帮助头部安全芯片厂商将核心安全算法融入DSA架构；在机器人方向，则已应用于电机控制和灵巧手控制系统。
商业模式方面，隼瞻采用了三层递进策略：标准化IP授权、整体DSA解决方案销售，以及更高阶的多核异构平台定制服务。团队背景同样相当扎实，核心成员来自Synopsys、ARM等顶尖半导体企业，在RISC-V、处理器架构设计和EDA工具链方向积累了多年经验。
不得不承认，AI时代的芯片变革，已经从“通用计算”持续转向“模型驱动”。而隼瞻科技所坚持的“RISC-V+DSA”路线，的确让市场看到了更具想象力的技术可能性。
