近日，面向Agentic AI需求的RISC-V CPU芯片企业恒一纪元，完成了由卓源亚洲、勤上股份、海松资本、北工投资、中科创星、力合基金、长沛资本、中科时代等多家机构和产业方联合支持的数亿融资，推动CPU走上新轨道。
过去两年，AI芯片的叙事几乎被GPU垄断。但从2025年底开始，一件事正在变得清晰：
英伟达推出面向AI系统的Vera CPU，并采用Vera+Rubin 1:2配比；谷歌TPU V8也搭配自研Axion CPU，采用1:2配比。AMD CEO苏姿丰与英特尔CEO均判断，AI服务器的CPU:GPU配置将由训练时代的1:4逐步迈向1:1，甚至出现CPU数量反超GPU的趋势；Arm的新一代Neoverse平台也全面瞄准AI数据中心。TrendForce数据显示，每GW算力所需CPU核心数已由3000万增至1.2亿，2026年服务器CPU价格预计上涨20%–30%。
巨头们的集体转向不是偶然。当AI从"训练大模型"进入"运行智能体"的阶段，计算负载的底层逻辑已经变了。而CPU，这个被认为"成熟到不需要再讨论"的品类，恰恰是变化最剧烈的地方。
恒一纪元创始人高剑林比大多数人更早看到了这一点。
作为腾讯前芯片研发负责人，他在过去10多年里完成了FPGA、AI加速芯片，以及RISC-V高性能核的交付，带领团队研发了数颗芯片并实现规模化上量。如今，他创立恒一纪元，目标只有一个：做一颗为AI时代设计的数据中心CPU。
“我们不是为了做一颗传统 CPU，而是面向AI 时代 Infra 的全新需求，用全新的技术思路重新定义 CPU。”高剑林表示。
CPU的逻辑，正在被Agent重写
“Agent场景下的CPU workload与云计算场景不同，与对话式AI也不同。”高剑林认为。
在大语言模型时代，CPU的角色很轻。用户发出prompt，CPU负责分词，转给GPU计算，GPU生成完token再传回CPU解码，最后返回给用户。CPU更像一个"传话筒"，几乎从来不是瓶颈。
但Agent不一样。
Agent是在"思考—决策—调用工具—运行—再思考"的持续循环，直到任务完成。这决定了Agent系统不等于GPU系统。Agent的每一步都依赖上一步的输出：LLM规划下一步动作，CPU负责解析输出、路由工具、序列化参数、执行脚本、处理返回结果，然后再把结果交回LLM进行下一轮思考。这个循环可能重复几次到几十次，CPU在其中承担的不是简单的数据搬运，而是整个任务链的控制中枢。它的每一次调度都带着状态，每一次都可能命中长尾延时。
长而宽的链，直接带来一个核心挑战——延时。Agent的端到端响应时间等于每一步延时的总和，而每一步中CPU处理工具调用、系统调用和逻辑判断的时间占了大头。学术研究显示，在RAG、代码执行、Web操作等典型Agent工作流中，CPU上的工具处理环节占端到端延迟的比例最高可达90%以上。换句话说，GPU推理再快，如果CPU侧的工具执行和调度跟不上，用户感受到的整体响应依然很慢。
与此同时，CPU与GPU的配比也在发生结构性变化。训练时代一台服务器可能是1颗CPU配8颗GPU，但到了Agent场景，由于CPU需要同时处理大量并发的工具调用、沙箱执行和状态管理，配比正在向1:2甚至1:1收敛。这不是简单的"CPU用量变大"，而是整个系统的算力分配逻辑在重构——CPU从配角变成了决定系统并发上限和响应速度的关键角色。
高剑林指出：“这不仅仅是用量的变化。Agent时代的CPU负载，在延时、带宽、线程和IO上，都和传统CPU负载有着本质区别。”
AI CPU和传统CPU，不是一回事
高剑林对Agent场景下CPU面临的技术挑战有清晰的拆解，核心集中在四个维度。智能体和传统的应用不同，传统应用的主导者是使用者。使用者在一个个应用之间切换，对应切换的频率较低以及周期较长，而智能体应用的主导者是智能体，它可以在短短数秒访问上百个网页，也可能访问数据库的几万条数据。这种高并发、高应用切换和跳转带来了新的挑战。
第一是延时。智能体的多步循环本质上是一个串行状态机：上一步的结果决定下一步的动作，任何一步的延迟抖动都会被整条链路放大。传统CPU追求的是平均性能和峰值吞吐，但Agent需要的是可预测的低延时——不是"平均很快但偶尔很慢"，而是每一步都稳定在可预期的足够确定的范围内。少数的长尾延时，足以拖慢整条链路的端到端延时。这要求CPU在微架构层面减少不可预测的延迟来源，包括分支预测失败的惩罚、缓存未命中的抖动，以及多线程、多核心间资源争抢带来的长尾延迟。
第二是带宽。Agent的多步跳转伴随着频繁的上下文切换和不规则内存访问：工具调用需要加载不同的代码段和数据，RAG检索需要遍历大量索引。这些访问模式的随机性很强，传统CPU的缓存层次设计假设的是局部性良好的通用负载，面对Agent的稀疏遍历和指针长跳转，缓存命中率下降，流水线频繁等待内存。更复杂的是，Agent的低延时负载和AI推理的高带宽负载往往在同一颗CPU上混跑，两者对内存的需求相互冲突——一个要低延时，一个要高带宽——导致DRAM访问随机性增强，整体延时上升、带宽利用率下降。恒一纪元的做法是在CPU上做垂直优化：总线和延时优化，System Cache对不同Workload的自动感知和分流，以及写回DRAM时的访存流整形，从系统层面缓解两种负载的冲突。
第三是独立执行环境。Agent场景通常是多个Agent同时运行，每个Agent都需要独立的执行环境。传统SMT让多个线程动态共享同一套前端、发射队列和执行端口，在负载均匀时能提升吞吐，但在Agent场景下，不同agent之间的应用和数据都不一样，会诱发问题：一个Agent的突发负载会挤占另一个Agent的硬件资源，导致尾部延迟不可控。更重要的是，多租户场景下Agent之间需要强隔离，动态共享的SMT不仅影响性能，还存在微架构侧信道的安全风险。因此，Agent CPU需要在吞吐效率和延迟可预测性之间找到新的平衡，包括严格的硬件资源分区机制。
第四是IO。Agent的工作流涉及大量外部交互和内部决策：在CPU计算的同时反复通过IO调用API、访问数据库、读写文件、网络请求。IO开销相较传统CPU显著变大。同时，CPU与GPU之间的数据搬运也是关键。这导致Agent的推理和逻辑交织在一起，如果CPU和GPU之间的互联带宽不够、延迟太高，频繁的数据交换又会成为瓶颈。因此，Agent CPU需要更高带宽的片间互联、更高效的IO处理机制，以及CPU与GPU之间更紧密的内存协同。
很多Agent的特性并不能通过传统benchmark反映出来。SPECint测的是单核整数峰值，STREAM测的是内存带宽上限，但它们都测不出"多步循环下的端到端延时稳定性"、"异质负载混跑时的带宽利用率"、"高并发下的尾部延迟可控性"。而这些，恰恰是Agent时代CPU最核心的竞争力。
自研Core，不只是选择
理解了AI CPU的负载特征，就能理解为什么恒一纪元坚持从自研Core开始。
当CPU的负载从“通用计算”转向“AI原生”，需要调整的不是SoC层面的外围设计，而是Core本身的微架构——取指宽度、发射宽度、ROB大小、缓存层次、访存流水线以及指令集扩展。这些都在Core内部。
RISC-V的开放性恰好提供了另一种可能。作为开放指令集架构，RISC-V不由单一企业控制，任何企业都可以基于这一架构进行芯片设计、优化和创新。更重要的是，在AI时代，CPU需要同时搞定推理加速、向量计算、内存访问优化、数据压缩、网络通信、存储处理和Agent任务调度，这些需求不同于以往，用过去的架构去套未必是最优解。RISC-V的灵活性，给了芯片公司针对AI需求做深度优化的空间。
但开放只是前提，真正的门槛在于微架构的正向研发能力。
高剑林曾带领团队完成高性能RISC-V核的自主研发并完成芯片量产，单核性能跑分看齐Arm Neoverse N系列IP水平。创业后，恒一纪元将自研一颗全新云和AI场景的Risc-V核心，并交付全新CPU产品，规划性能比肩全球新一代数据中心CPU水平。
这种迭代节奏，建立在一套独特的研发方法论之上。
正向研发：先建模，再写代码
传统CPU研发的常见路径是：先定一个具体参数目标，然后写RTL，跑完仿真看结果，不达标再回去改。这个循环周期长、成本高，而且很多微架构决策（比如6发射还是8发射、ROB多大、缓存层次怎么搭）在写代码之前就应该确定。
恒一纪元的做法不同。高剑林在RISC-V及AI芯片方向能够做出领先水平，关键是一套独特的建模体系。
"我们通过模型的快速仿真，指导微架构设计。"高剑林解释，"建模能力主要在于对微架构的完整理解和上层抽象能力，过去做核沉淀了这套方法论，我们能把核的建模与实际微架构性能表现的误差控制在5%-10%。"
这套建模能力使团队在未写一行代码前就能确认性能目标、定位瓶颈、评估端到端收益。是做6发射还是8发射？ROB设多大？L2缓存怎么分配？这些决策不是靠经验拍脑袋，而是靠建模数据说话。更关键的是，建模可以用新的应用负载来驱动，而不是过去的benchmark——"用真实AI workload 驱动微架构决策，不是靠猜。"
"我们不搞先做芯片再适配软件的路线。"高剑林说。在他看来，软件和芯片的协同，以及根据业务使用去定义芯片，是大多数做芯片的人都知道的话术，却很难掌握实际落地的事。
这也解释了为什么高剑林不觉得此时从头开始太晚的原因。"代码本身不是最核心的，真正宝贵的是正向迭代研发方法论——如何通过建模确定微架构方向，知其然和所以然，从而进入高效迭代状态。"
高性能只是入场券
在高剑林的规划中，Core的高性能领先只是第一步。真正的竞争，在那些benchmark测不出来的地方。
传统CPU的评价体系围绕SPECint、STREAM等benchmark建立，这些指标衡量的是峰值性能和理论带宽。但AI Agent的真实负载对CPU的要求，远不止这些。
比如可预测的延迟。Agent的每一步推理都依赖上一步的结果，延迟的波动比延迟的绝对值更致命——某一步突然变慢，整个任务链就会卡住。这要求CPU对总线、访存做出架构调整，保证在高并发下每个核心的延迟都是可预测的，而不是"平均延迟很低但偶尔飙高"。为了降低延时和保障可预测性，微架构从发射宽度、分支预测、到预取方式都有很多专门的设计。
还有内置AI计算的需求。恒一纪元在Core内实现AI矩阵计算扩展指令和芯片级"Agent智能体加速引擎"，支持静态调度AI计算，数据的计算模式和调度支持确定性流，支持确定的延迟和吞吐率。
"高性能是必要条件，但不是充分条件。"高剑林说，"你能跑到15、20分，别人也终将能跑到。真正拉开差距的，是在AI真实负载下谁的延迟更稳、谁的端到端加速更快、谁能让软件定义硬件的能力更强。"
系统性思维的芯片人
高剑林不是单纯的"芯片人"。他早年负责Linux内核优化和可靠性，曾出过一本书《Linux内核探秘》；后来带领团队做芯片的同时，还需推进芯片的落地和应用。这种软硬件协同背景，让他对数据中心的真实需求和内部真实场景有深度理解，"以实际业务牵引技术，而非纸上谈兵。很多实际的优化点你只有到了现场才深刻感知，它不会写在客户需求册里，也不会写在芯片公司的白皮书里。"
过去，高剑林曾通过软硬件协同优化的方式，协助应用部门在不更新芯片的情况下获得显著的性能提升。这种"从业务端倒推技术优化"的思路，贯穿了他的整个技术生涯。
目前，恒一纪元已经搭建了自研的云计算操作系统和软件迁移工具链。其中，面向RISC-V生态的软件迁移工具"云帆"（YiMig），是恒一系统性思维的典型产物——企业的核心应用从x86迁移到RISC-V，传统方式需要工程师逐行排查编译错误、手动修改、反复调试，一个迁移项目动辄数周甚至数月。云帆基于开源大模型，用多智能体协同的方式把迁移过程自动化。
这套工具的意义不止于效率。它意味着恒一纪元不是在"做一颗芯片然后等生态"，而是主动把软件迁移这个生态瓶颈变成自己的工程能力。从芯片设计到操作系统，从迁移工具到应用优化，团队覆盖的是整个技术栈，而不是其中某一层。
这些系统性思维，核心在于创始人的思路和沉淀。
业务驱动架构，软件定义芯片
采访的最后，高剑林反复提到两句话。
一句是"业务驱动架构，软件定义芯片"。这不是口号，而是恒一纪元整套技术路线的底层逻辑——先理解AI Agent的真实业务负载，再决定CPU架构怎么设计，最后用软件去定义和编排硬件的能力。从负载分析到微架构决策，从确定性执行到数据流编排，每一步都在践行这个思路。
另一句是"无限进步"。
在AI这条路上，高剑林已经完成了多颗芯片的落地，如今再次出发，他认为进步没有终点，芯片也没有最高峰，只有不断求索、持续迭代。
当AI Agent从概念走向大规模部署，当CPU重新成为AI基础设施的核心变量，谁能真正理解AI负载、谁能从微架构层面做出差异化、谁能把软件和芯片的协同做到极致，谁就有可能成为这个新时代的定义者。
恒一纪元已经站在了起跑线上。而资本市场，也给出了相应的答案。
卓源亚洲创始合伙人林海卓表示：
Agentic AI正在改变数据中心CPU的设计逻辑。它正从“数据加载器”变成“全链路调度中枢”。这不是短期技术路线调整，而是系统架构的重新分工。
通用CPU架构在Agentic AI不规则场景下会触及天花板，RISC-V允许“业务驱动架构、软件定义芯片”成为可行路径。底层Core若完全依赖第三方，产品必然同质化。自研高性能Core研发能力成为新的竞争门槛。
恒一纪元团队正站在时代交汇点。高总曾主导自研芯片从0到1，覆盖架构设计、多款自研芯片流片、量产和大规模部署验证全链条，端到端经验在国内数据中心CPU团队中非常稀缺。他选择在Agentic AI时代下做自研核，是最难但最有价值的路。
AI基础设施下一步是软硬件协同定义的深度重构，我们将坚定支持恒一纪元的长期发展。
海松资本创始合伙人陈立光表示：
智能体时代正在为 RISC-V CPU 带来历史性的产业机遇。恒一纪元团队在高性能 RISC-V CPU 核上的长期积累，以及从自研核、芯片设计、流片到应用场景规模部署的完整实践经验，在国内都十分稀缺。该团队始终坚持的“业务驱动芯片设计”理念，与智能体时代对 CPU 多样化、场景化性能需求高度契合。
海松资本期待恒一纪元在国产 CPU 领域占据重要位置，海松资本也会继续坚定支持团队的长期发展。
北工投资政策性基金部董事总经理张小娟表示：
AI带来的不是简单的算力升级，而是整个计算架构的重构——CPU从数据搬运者变成智能任务的调度核心，这为国产CPU提供了新的切入方向和发展机遇。
恒一纪元团队从自研Core做起，注重掌握架构定义和技术迭代的主动权，并且已形成从架构设计到大规模部署的完整闭环验证能力，这种“既懂芯片又懂业务”的全栈能力，在国内数据中心芯片领域较为稀缺。
北京正加快建设人工智能产业高地，北工投资相信，以恒一纪元为代表的硬核科技团队，有望成为国产算力自主可控的重要力量。我们将持续陪伴团队成长，共同把握Agentic AI时代CPU重构带来的发展机遇。
中科创星创始合伙人米磊表示：
Agentic AI 正在让 CPU 重新回到 AI 基础设施的核心位置。随着智能体计算快速发展，CPU 与 GPU 的配比正从过去的 1:8、1:4，逐步提升至 1:2、1:1，在部分特殊场景甚至已出现 4:1 的使用量，CPU 正迎来继 PC 和移动智能终端之后的第三次需求爆发，而且很可能是力度最大的一次。
中国错过了 PC 时代的 x86，也错过了移动时代的 Arm，而 AI 时代的 RISC-V CPU 是不能再错过的重要机遇。恒一纪元不仅掌握高性能 RISC-V CPU Core 的核心技术，也对 Agentic CPU 的场景需求有深刻理解，是兼具底层技术创新与产业落地能力的稀缺团队。我们期望恒一纪元能够为国产高性能 RISC-V CPU 的崛起贡献重要力量。
力合基金合伙人胡洋表示：
进入 Agentic AI 时代，CPU 不再只是 GPU 的配角，而是整个智能体集群的调度核心，AI 算力架构也正迎来新一轮结构性重构。
高剑林团队最难得之处，在于既具备完整的芯片流片与产品化能力，又深刻理解云端真实业务负载，坚持以业务驱动架构、自研 RISC-V CPU Core，走出了一条面向 Agent 协同算力的差异化路径。
芯片是一条典型的长期赛道。力合基金将持续投入资本，并协同上下游产业资源，与团队共同突破流片、生态适配等关键环节，推动产品在云端场景落地，把握 Agentic AI 带来的新一代算力机遇。
*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
