如今，物理AI正在汽车、工业机器人和各类嵌入式设备上逐步落地。与云端数据中心的AI不同，物理AI的算力大都分散在设备内部的多个硬件单元中。比如，传感器前端、域控制器（Domain Controller）、电机驱动器，各自承担一部分工作。
然而，这些节点的负载差异也相对较大。有的需要运行Transformer模型做推理，有的负责电机电流环（Current Loop）这类控制任务，却要求每几十微秒完成一次确定性响应。对系统设计者来说，算力应该放在哪些节点，节点之间如何连接，以及不同处理器怎样协同，都需要在设计阶段确定下来。
与此同时，系统架构变化后，用户对处理器IP厂商的要求也随之变化。过去，系统厂商拿到RTL代码和数据手册，就可以进入后续设计。而现在，则需要在芯片流片（Tape-out）之前，就能拿到功耗、带宽和延迟等实测数据，用于验证方案，提前发现问题。
而围绕这些需求，MIPS首席技术官Yankin Tanurhan博士给出了MIPS的应对思路。
MIPS 首席技术官 Yankin Tanurhan博士
如果用三个词归纳Yankin Tanurhan的观点，或许可以总结为架构、产品和交付。
架构层面，MIPS通过其STAC框架把物理AI的工作链路拆成感知（Sense）、推理（Think）、执行（Act）、通信（Communicate）四个环节，形成完整闭环，再为不同环节匹配相应的处理器IP。
产品层面，MIPS把STAC框架对应到不同类型的工作负载，并于9月初发布Acies、Actus、Aegis三款“工作负载原生”（Workload-Native）开发平台。三款平台分别面向AI推理、实时控制和安全关键型应用。
交付层面，MIPS把验证环节进一步前移。依托母公司格罗方德（GlobalFoundries，GF）的晶圆制造能力，MIPS在提供处理器IP之外，还提供可实测的芯片原型，让客户在正式流片之前完成性能评估和方案调试。
这套能力的扩充，也与 MIPS 今年完成的产品线整合直接相关。今年 1 月，格罗方德宣布收购新思科技（Synopsys）的 ARC 处理器 IP 业务，6 月正式完成交割。ARC-V、ARC Classic、VPX 等产品线，ASIP Designer 等定制处理器工具，以及对应的工程团队，整体并入 MIPS。
ARC系列的加入，进一步扩充了 MIPS 的处理器产品矩阵：原有 RISC-V 产品线（包括乱序多线程 CPU）继续承担通用计算任务，ARC 系列则补齐了实时处理器与 DSP 能力，覆盖运动控制、信号处理等专属负载。
01 让"通信"独立成环，STAC的“第四块拼图”
顺着架构层的设计逻辑，Yankin Tanurhan最先拆解的，就是 STAC架构中“C”的由来。
其实，在行业通用的机器人系统设计里，传统架构只覆盖Sense、Think、Act 三个核心环节，MIPS 却把 Communicate 单独列出来，与前三者平级。
在Yankin Tanurhan看来，并非所有工作都需要在本地处理，到了某个阶段，数据总要传输到某个中央计算单元，而且这种情况会越来越普遍。集中式架构的智能汽车和多关节机器人都是如此，节点越分散，数据流动就越关键，如果通信跟不上，前三个环节做得再好，闭环也转不起来。
他将通信链路拆解为三个核心指标：带宽、延迟与传输功耗。
带宽决定多路摄像头、雷达数据能否无拥塞送达计算单元；延迟会直接叠加在 “感知到执行” 的端到端时延上；而在边缘设备上，数据搬运消耗，和AI本身消耗的算力达到了同一量级。
而事实上，这三个维度也恰好是 MIPS 的长期积累方向。Tanurhan 表示，MIPS 在通信领域深耕多年，后续会推出对应的组件与平台，简化有线、无线接口的开发落地流程，缩短实现周期。
从产品侧看，在 MIPS的产品布局中，对应通信环节的是I8500系列处理器，这是一款支持 4 路 SMT（Simultaneous Multi-Threading，同步多线程）的顺序执行内核，主要面向区域网关（Zonal Gateway）与中央网关场景，承担数据编排任务。
STAC框架
02 工作负载原生平台，让“设计左移”
框架决定了算力如何分配，但客户更关心的，往往还是如何更快地完成场景中的系统落地。而MIPS发布的Acies、Actus、Aegis三款工作负载原生平台，分别聚焦AI 推理、实时控制与功能安全场景。
MIPS 三款工作负载原生平台
(截取自MIPS)
对于全新平台形态同时覆盖开发板与成品芯片，外界自然会追问：MIPS 是否要转型做板卡或芯片供应商？
对此，Yankin Tanurhan明确表示，MIPS 的核心目标是加速客户的开发周期。
“这些开发板乃至芯片，本质上是参考样例、设计模板与验证平台。我们不会转型做目录型板卡或目录型芯片供应商，这从来不是我们的定位。”Yankin Tanurhan强调，MIPS 做开发平台的历史由来已久，客户可以用这些平台搭建原型，甚至在芯片流片前，就拿它和下游客户做方案沟通，让软件开发与方案验证工作提前启动。这正是业界所说的 “Shift Left（设计左移）”。
所以，不难看出，MIPS 这次发布算不上商业模式的范式转变，更像是对原有支持方式的强化。“把IP 交付给客户就撒手不管，从来不是好的客户支持方式。而只给 IP，客户拿到的只是纸面参数；配套软件之外，再加上可实测的芯片，客户才能拿到真实可靠的数据。”Yankin Tanurhan如是说
至于 “工作负载原生” 的概念，Yankin Tanurhan的解释是 “从问题出发”。
其实，不少 AI 项目在起步阶段很容易忽略负载需求，在没有理清场景要解决什么问题时就启动开发。而MIPS 的思路与之相反，先针对具体工作负载做性能评估与架构选型，再据此设计芯片产品。NPX6内核就是典型的特征，其支持 CNN、RNN/LSTM、Transformer，在大模型推理场景下有不错表现。
另外，这套 “工作负载原生” 的思路，还配套软件优先的设计原则。开发者的业务负载，在项目早期就能在平台上调试运行，不必等到芯片流片之后才验证软件方案。
不过这套工作负载原生的思路，也并没有将Acies、Actus、Aegis三款平台设计成大一统的综合套件。考虑到汽车、航空航天、工业自动化、机器人等下游场景的需求高度分化，不同领域对应的算力、实时性、安全标准差异显著，因此三款平台均采用独立模块化设计，作为专用子系统供客户按需选配，避免通用方案适配性差、资源冗余的问题。
而这种贴合实际落地需求的产品形态，也离不开 MIPS 全新的交付能力支撑。依托母公司格罗方德的晶圆制造优势，MIPS 彻底解决了以往自身与 ARC 业务的核心痛点。
过去，行业仅能依靠仿真数据与技术手册完成前期评估，无法验证IP在真实硅片上的实际表现；如今MIPS可在交付处理器IP的同时，提供可实测的芯片原型，让客户在流片前即可完成真实性能测试与方案调试。这一模式早已落地了原型芯片辅助开发的模式，而格罗方德成熟的制造体系，促使这套前置验证流程更加高效、落地性更强。
交付能力的升级，也进一步厘清了 MIPS 的商业模式定位。不同于Arm推出自有 CPU芯片、直接下场做产品的路线，MIPS 的核心方向仍是打造开发平台，赋能客户自主设计芯片。其内部虽然有定制芯片的团队，能够承接特定场景的芯片设计服务，但这类定制项目，和面向市场批量售卖通用目录芯片还是两回事。
02 MIPS+ARC“融合”，扩充 “体量”
MIPS 敢于跳出传统IP厂商的单一交付模式，推进 IP、软件、硅原型一体化交付，背后依托的核心底气之一，也正是今年完成的ARC业务整合。这类全链路前置交付体系，对团队工程能力、产品线完整度的要求，远高于传统纯IP售卖模式，而并购整合的价值，也在进一步释放。
经过半年的业务交割与体系梳理，MIPS已完成组织层面的全面融合。目前内部已形成统一的RISC-V研发团队，全盘承接原MIPS与ARC 两大技术体系的积累，统一工程规范与研发流程，彻底告别过去两套团队、两套标准的状态，组织层面的整合已基本收尾。
从行业格局来看，RISC-V的规模化落地已是全球性的确定趋势，中国市场的高速崛起更是典型缩影。
但是，此前的生态依旧存在明显的短板，行业始终缺少体量足够、技术全面、交付可靠的头部综合IP 供应商。
而因为这次整合，MIPS达到了可与行业巨头正面竞争的“体量”。Yankin Tanurhan透露，目前公司坐拥700多人的跨国研发团队，研发力量覆盖中国、美国、印度三地，形成了足够支撑高端车载、工业物理AI场景的研发规模，且具备了承接大型客户全链路定制化需求的实力。
但人员到位、组织统一只是并购整合的第一步，如果只是把MIPS 原有RISC-V产品线和收购来的 ARC 产品线挂在同一家公司名下卖，两边技术体系各做各的、互不通气，这次收购就只是规模扩张，算不上真正的能力升级。
而这，也是MIPS将微架构层面的技术融合，被放在核心位置的原因。具体来说，MIPS沉淀多年的是高性能通用计算能力，代表产品P8700，搭载 16 级流水线、4 发射乱序执行架构，支持双路SMT多线程，主打高吞吐、低时延，面向车载 AI、自动驾驶这类对峰值算力要求高的场景；ARC经过多年工业、嵌入式场景打磨，攒下了小面积、超低功耗、硬实时的技术积累，像ARC-V RHX、RMX 这类内核原生适配运动控制等强实时负载（VPX 则对应信号处理，RPX 承担 64 位主机侧计算）。
P8700 多处理系统框图
截取自MIPS
两套架构打通之后，产品的灵活度会比单做任何一条线都高。
至于原因，则是，MIPS后续新品会把原本只在高端MIPS内核上配备的SMT多线程能力，做成可配置选项，原本主打低功耗、小尺寸的 ARC 内核，不用推翻原有架构，只要付出很小的芯片面积代价，就能获得多线程带来的吞吐提升。
而且，两边研发已经合为一支团队，不存在技术壁垒和跨公司协作成本。最终MIPS 就能凑齐从高性能AI推理到低功耗实时控制的全栈产品能力，进一步适配物理 AI 场景里算力分散、节点负载差异极大的现实需求。
03 直面ADAS严苛场景：“CPU双路线+NPU阶梯式”矩阵
两套技术体系融合出来的全栈产品能力，不能只靠参数证明竞争力，最终要放到要求最严苛的场景里检验。
ADAS是物理AI中传感器密度高、异构算力组合较为复杂的落地场景。在ADAS这类场景下，CPU 到底该堆独立物理核，还是靠SMT提升算力密度，行业已经争论了很久。
堆独立物理核自然不必多说，靠堆硬件换线性算力增长，虽然简单可靠，但芯片面积开销大。而SMT的本质其实是 “榨干执行单元的空闲时间”，让单个物理核同时跑两个线程，其中一个线程遇到缓存未命中、停在原地等内存数据的时候，本来要闲置的计算工作流不会空转，而是直接把空闲的执行槽位让给另一个线程的指令跑。
但是，这种 “挤空闲资源挤出来的性能” 存在“天花板”。
试想，两个线程共享同一套执行单元和缓存，做不到真正的物理隔离。如果跑的是对功能安全隔离要求极高的任务，还是要用独立物理核把资源彻底隔开。
面对这道选择题，MIPS 没有押注单一路线，而是同时布局了两种CPU 架构，让客户按负载特性自行选择。
从产品侧来看，一条路线是P8700，其依靠SMT提升单位面积的算力密度，适合传感器数据高度并发、需要在有限面积内榨出更多吞吐的场景。另一条路线则来自ARC，ARC-V RPX 系列的多核型号 RPX-105，最多可扩展到 16 个物理核，并可在同一集群内连接多达 16 个硬件加速器。
两者面向的负载并不相同，可互为补充。
不过，CPU 解决的是并发与实时调度的问题。一旦进入 AI 感知推理这类重负载，仅靠CPU就不够了。MIPS 的做法，是把这部分计算进一步卸载到专用NPU，并按算力区间划分高低两档产品布局。
代表性的高端产品是NPX6，面向200 TOPS以上的ADAS场景，采用数据流架构，让数据沿着计算图在片上存储和计算阵列之间流动，尽量减少对外部DRAM 的反复读写，从而同时降低带宽压力和功耗。官网数据显示，单颗NPX6采用5nm 工艺、1.3GHz 主频，在最差工况下可提供约250 TOPS算力，开启稀疏化后可达440 TOPS；最多8颗实例级联后，单颗 SoC 的算力可达3500 TOPS。从落地情况看，目前已有客户将NPX6用于高级 ADAS 项目，并全部通过资格验证。
在更低的算力区间，MIPS推出了基于RISC-V的S8200，面向 Transformer、多模态和智能体负载，重点解决了应用在 RISC-V生态下的编程和部署问题。
不过，要让RISC-V更好适配 Transformer，仅靠向量和矩阵扩展并不够。原因在于，Attention计算并不是一串连续的矩阵运算，两次矩阵乘之间还夹着Softmax，其中包含指数、求和、归一化等非线性操作。如果这些步骤都交给通用向量单元逐行处理，那么即使矩阵计算再快，整条流水线仍会被这些零散运算拖住。
正因如此，S8200在向量引擎之外，又加入了矩阵乘法和Softmax等高频算子的专用加速单元，把原本需要通用计算单元反复处理的部分直接固化下来。
这样做的目的，就是减少矩阵计算与非线性算子之间的等待，让AI推理能够连续运行。
04 “紧耦合”保障机器人响应速度
机器人被普遍看作物理AI最重要的落地方向之一。但和汽车领域向中央计算集中的趋势不同，机器人的芯片选型到今天仍然比较分散。x86、Arm、RISC-V以及各类专用AI加速平台，都有自己的适用场景。
不过，在具体的场景下，分化程度并不一样。无论客户使用PyTorch还是ONNX，主流软件框架已经比较统一。基于这两种框架开发的模型，MIPS可以通过SDK直接编译和部署，有户不需要重新进行硬件适配。
执行环节则完全是另一回事。机器人的每个动作最终都要靠电机控制来完成，而电机控制看的不是算力，是响应速度和稳定性。就比如，以常见的磁场定向控制（FOC）为例，一个电流环的周期通常只有50到100 微秒。在这段时间里，芯片需要连续完成采样、坐标变换、电流调节和PWM 输出。只要其中任何一步因为缓存未命中等原因发生延迟，控制输出就会出现偏差。
可见，对于这类任务，实时处理显然比单纯追求高算力的处理器更合适。
这恰恰是ARC系列长期积累的优势所在。MIPS在控制和传感器子系统上已经深耕多年，其ARC-V RHX正是延续了这套实时处理能力。
ARC-V RHX-105 实时处理器框图
截取自MIPS
响应问题，主要体现在存储器和I/O方面。以TCM（紧耦合存储器）为例，控制代码可以直接放入其中运行。与缓存不同，TCM的地址和访问周期固定，不涉及命中判断与替换，因此每次访问需要多少个周期都可以提前确定。
对于FOC 这样的实时控制任务，这意味着程序的执行时间可以被精确计算，最坏情况下，延迟也随之可以推算出来，延迟抖动更容易控制在允许范围内。这正是ARC系列用于电机控制场景时的核心价值。