腾讯芯片一号位离职创业：AI智能体为何需要一颗新CPU？

8 月 21 日，有报道称，腾讯芯片研发负责人高剑林已经离职创业。新公司恒一纪元瞄准高性能 AI 服务器和智能体 AI，计划研发基于 RISC-V 的高性能 CPU。

在 GPU 几乎主导 AI 基础设施叙事的今天，高剑林却选择了 CPU。他押注的是另一件事：随着 AI 从聊天机器人走向能够搜索、调用工具、运行代码的智能体，CPU 在 AI 系统里的作用可能正在重新变重。

而高剑林恰好已经做了十多年这类工作。2013 年，他在腾讯从零组建 FPGA 硬件团队，最初用可编程芯片加速图片处理和 AI 计算。2018 年以后，团队进一步转向自研芯片。后来。腾讯陆续推出了 AI 推理芯片“紫霄”、视频编解码芯片“沧海”等产品。这次创业看起来像是高剑林把在腾讯探索多年的技术路线，带到了新的公司。

工商信息显示，深圳市恒一纪元科技有限公司今年 4 月成立，7 月底完成工商变更后，高剑林成为法定代表人。不过，这家公司目前还很早期。从公开招聘信息来看，恒一纪元正在组建芯片团队，架构方向和 SoC 雏形已经形成，仿真和建模框架刚刚起步。公司在招聘信息中透露目前已经完成种子轮融资，但没有公开投资方和金额。

高剑林和他的公司代表了一种新的技术判断。过去的 AI 应用相对简单，大多停留在聊天窗口层面。用户输入一句话，模型完成推理，再返回结果。其中最耗计算的部分，是大规模矩阵运算，这正是 GPU 的强项。

而 AI 智能体把一次 AI 请求变成了一连串动作。如果让 AI 智能体帮忙研究一家公司，它可能搜索网页、读取文件、访问数据库、运行代码，再根据结果决定下一步。模型依然需要 GPU，但模型调用之间，还有大量工作需要完成。这正是 CPU 重新进入视野的原因。

2025 年，一项针对 Haystack RAG、SWE-Agent 等五类 Agent 工作负载的研究发现，在部分测试中，CPU 上的工具处理最高可以占到整个任务延迟的 90.6%。可见，到了智能体场景，系统性能已经不能只看 GPU。

CPU 需要处理工具调用、数据整理、任务调度和大量程序逻辑。如果这些环节跟不上，再快的 GPU 也可能要等。

Arm 公司和恒一纪元有着相似的判断。今年 3 月，Arm 推出了公司成立 35 年来第一款自行设计并交付的量产 CPU：Arm AGI CPU；并直接把智能体 AI 数据中心作为主要应用场景。

不过，恒一纪元更特别的地方，在于高剑林选择了 RISC-V。RISC-V 是一套开放指令集。对芯片公司来说，它最大的吸引力之一，是给处理器设计留下了更大的自主空间：流水线怎么设计、缓存如何组织、怎样处理内存访问，甚至哪些高频任务值得加入专门的硬件优化，都可以围绕具体的工作负载重新取舍。

这与恒一纪元目前透露出的开发思路正好吻合。按照公司招聘信息披露的路线，团队希望先分析真实的智能体工作负载，再通过软件仿真和架构建模，反过来决定 CPU 应该怎么设计。也就是说，它想做的并不是先造出一颗通用的 RISC-V CPU，再去寻找适合它的智能体场景，而是先观察智能体在实际运行中，时间究竟花在了哪里。

一个智能体在执行任务时，往往需要不断在模型调用、代码执行和数据访问之间切换。这个过程中，拖慢系统的可能不只是计算本身，也可能是频繁的内存访问、任务调度，或者 CPU 与 GPU 之间的等待。当大量智能体同时运行时，这些原本不那么显眼的开销还可能进一步放大。恒一纪元希望做的，就是从这些具体的运行特征出发，再决定缓存、内存系统和处理器微架构应该如何调整。

从这个角度看，RISC-V 对它的意义不只是“开放”。如果智能体最终形成了一类和传统服务器应用明显不同的工作负载，RISC-V 给了团队从底层重新做取舍的空间。不过，更多的架构自主权，也意味着要承担更多生态上的工作。

好消息是，RISC-V 在服务器市场的基础已经比几年前完善不少。RISC-V Server SoC 规范在 2025 年完成批准，Server Platform 规范也已于 2026 年 5 月正式批准，服务器 RISC-V 正在逐渐形成更统一的软硬件标准。

但标准完善，只是进入数据中心的第一步。一颗真正部署到服务器里的 CPU，远不只有处理器核心。操作系统、编译器、虚拟化、RAS、服务器管理工具、网络和存储设备的兼容性，以及客户原有软件能否稳定运行，都会影响最终部署。

这些是 x86 用几十年积累起来的优势，也是 Arm 过去多年不断补齐的部分。恒一纪元选择 RISC-V，获得了更多从底层重新设计的空间，但与此同时，也接下了更重的软件和生态建设任务。

总的来说，恒一纪元目前仍然处于非常早期的阶段，此时给出任何结论都有点为时过早。不过，我们仍然可以从它的技术押注一瞥 AI 行业的风向。过去几年，行业最关心的是如何让模型算得更快，于是 GPU 成为整个 AI 基础设施的中心。而现在，AI 智能体 开始从“回答问题”走向“完成任务”；CPU 在整个 AI 系统中的作用也逐渐开始被重新审视。

参考资料：

https://www.theblockbeats.info/flash/362950

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成