物理AI场景下，对芯片的要求与云端推理并不一样。以一次避障或抓取为例，感知、推理、执行、通信几乎是接连发生的，留给每个环节的时间窗口很短。对计算芯片来说，光是承担推理过程中的计算任务远远不够，还需要保证推理的每一步都能按时完成。因为，一旦某个环节有延迟，就会直接体现在设备的实际动作上。
甚至，汽车和机器人对芯片还有更多要求：既要通过功能安全认证，功耗也不能增加，还要保证长时间稳定工作。
过去，设计这样一颗芯片，常见的办法是先购买处理器IP，再把NPU、DSP、安全模块等不同IP拼到一起，最后完成流片。这一模式本身并无问题，但其隐含了一个前提，那就是目标负载相对稳定。一旦真实负载发生迁移，选定的IP组合便不再适配，架构调整与验证返工随之而来。更为根本的是，处理器架构一经确定，上层软件栈与开发工具链便被一并锁定，后续调整空间十分有限。
面对这一痛点，近期MIPS发布了Acies、Actus、Aegis三款“工作负载原生”平台，并将每瓦Token数（tokens-per-watt）作为衡量能效的核心指标。
“我们希望从IP供应商转变为全栈技术解决方案供应商，定制芯片战略将成为整个业务的重要一环。”MIPS首席执行官SameerWasson表示。
MIPS首席执行官SameerWasson
01 从授权IP到交付芯片
这种转变，与MIPS今天所处的行业位置有关。
事实上，MIPS已有四十多年的技术积累，如今隶属格罗方德。今年6月，格罗方德完成对新思科技ARC处理器IP业务的收购，ARC随之并入MIPS。合并后的MIPS目前是全球第一大RISC-VIP供应商，也是仅次于ARM的全球第二大处理器IP厂商。
在SameerWasson看来，IP授权仍是核心主业，但并不是业务的全貌，未来相当一部分新增收入将来自芯片制造及流片后的用户交付，背后则依托格罗方德的全球化制造平台。
为此，MIPS在三大洲搭建了约750人的研发团队，在中国设有上海和武汉两处基地。ARC与MIPS不再分设实体，统一下设RISC-VIP、AI加速器与DSP、软件工具、定制芯片四个业务板块。
不过，背靠格罗方德并不意味着IP与工艺绑定。
SameerWasson介绍，其处理器设计会独立于任何代工厂，用户的流片选择与台积电、三星、联电的市场份额分布大体相似；如果选用格罗方德的FD-SOI工艺，则可以在低功耗和汽车环境抗干扰上获得额外收益。
02 以“STAC”重构物理AI的计算架构
交付芯片，首先要知道芯片是为谁而设计的。
MIPS首席技术官Yankin Tanurhan博士给出的框架是STAC赋能物理AI。STAC即感知（Sense）、推理（Think）、执行（Act）与通信（Communicate），对应物理AI每个环节的工作负载。其核心思路是软件先行，先站在程序员的视角梳理开发流程、推出SDK，再反过来定义处理器，让用户针对自己的负载去优化，这就是所谓的“工作负载原生”。
MIPS首席技术官Yankin Tanurhan
具体来看，推理环节由Acies承担，这是一款推理原生平台，搭载基于开放标准的NPU和开放软件栈，采用易于集成的M.2PCIe规格，可以直接插入现有系统做边缘加速。
执行环节由Actus承担。这是一颗“事件原生”的MCU，面向运动控制、传感器融合和预测性维护等场景，基于RVM23微控制器规范，搭配512位向量协处理器，以开发板形态提供给开发者，且符合ISO26262和ISO21434标准。
Aegis则是一款安全原生CPU，面向需要低延迟和智能体（Agent）处理能力的关键任务系统，可用于汽车运行状态监控，以及航空航天和工业控制等场景。由于是全新设计，用户可以从零开始搭建自己的安全子系统。
支撑这三款平台的，是MIPS整套可授权的计算IP产品，覆盖SoC的各个环节。
AI加速这一档，有支持RVA23与矩阵扩展的S8200，以及NPX6神经网络处理器；应用处理器是4发射乱序、双路多线程的P8700；面向区域网关和机器人控制器的实时LinuxMPUI8500，采用3发射顺序、4路多线程；再往下是ASIL-D级入门MCURMX100，以及用于雷达、音频和基带的VPXDSP。其中NPX6单引擎稀疏算力可达440TOPS，最多8个引擎组成集群，单颗SoC可达3500TOPS。
不过，这些产品线不是“从零起步”。Yankin Tanurhan介绍，其采用同一微架构的芯片已有超过2亿颗落地ADAS，MIPS技术覆盖全球超过50家主机厂的1200余款车型；其年出货量约35亿颗。客户覆盖面同样可观，全球12大汽车制造商中9家、AI与数据中心基础设施芯片前15大厂商中的13家，都是MIPS用户。
产品线丰富，意味着同一套IP可以覆盖不同产品和应用场景。用户从一个场景扩展到另一个场景时，不需要重新选择处理器架构，原有的IP、软件栈和开发经验都可以继续复用。
“目前，这种复用已经出现在中国市场。”Yankin Tanurhan透露道。
03 标准与开放的“AB”面
平台之外，一个更根本的问题是：RISC-V这套架构本身，能否撑起物理AI？
YankinTanurha给出了肯定的判断。在他看来，RISC-V是处理器历史上普及速度最快的架构，而它之所以适合物理AI，关键在于开放，也就是不被单一供应商锁定。
事实上，物理AI产品的研发周期长、投入大，一旦作为企业的私有架构，用户的命运就和这家供应商绑在了一起，对方交付不力，项目就会卡在研发环节，进退两难。而如今的RISC-V则给了用户另一种选择，同一套指令集下有多家供应商可选，切换时既能保留现有方案，又能把迁移成本降到更低。
用YankinTanurha的话说，“如果能把成本压到零，这就是商业意义上的成功”。
不过，开放是一把双刃剑。人人都能参与，也就意味着人人都可能各走各的路。以矩阵扩展为例，RISC-V社区目前仍有IME、VME、AME等多条技术路线并存，而不少厂商等不及标准落地，就已经先行推出了私有扩展。
对于这种“抢跑”的风险，YankinTanurha认为已有前车之鉴。
就比如，RISC-V向量扩展（RVV）从2015年提出，到2021年底才正式批准，前后历时六年。其间，一些厂商按0.7.1草案提前量产了芯片，结果与正式的1.0版本并不兼容；而主流编译器只支持1.0，这些厂商要么返工，要么再单独维护一套工具链。
那么，标准为什么来得这么慢？原因在于参与者太多。
要知道，仅RISC-V国际基金会董事会就有二十多家公司，背后还有成百上千家会员单位，凝聚共识注定需要时间。因此在YankinTanurha看来，定制化不可避免，但标准必须先行，否则开放带来的碎片化问题，反而会吞噬开放本身的价值。
"标准先行"的思路，同样贯穿于MIPS对存量IP的处理之中。
一方面，旧IP不会被淘汰。因为，部分客户采用MIPS的IP已超过15年，汽车领域的产品支持周期甚至超过了20年，贸然停止支持，将直接损害这些长期合作的客户。
另一方面，新品已全面转向RISC-V架构。YankinTanurha指出，原ARC产品线中，EM系列演进为RMX，HS系列演进为RHX；VPX这类DSP产品暂缓迁移，待相关标准成熟后再行过渡。