达摩院首席科学家孟建熠在RISC-V与AI融合发展论坛上提出，在智能体执行任务的工作流中，CPU端的工具处理环节消耗了高达90.6%的总延迟时间。这一数据揭示了当前AI系统在向自主执行完整任务链的Agentic AI阶段演进时，CPU重新成为连接模型、工具与记忆的核心组件，单纯依赖GPU算力堆砌已无法突破工具调用与逻辑协同的瓶颈。
在数据中心领域，SMT（同步多线程）技术已成为x86和ARM架构服务器CPU的标配，通过动态资源分配提升并行处理效率。针对这一现状，玄铁团队在RISC-V开源架构上开发了自主可控的空间多线程方案，通过静态资源分区技术实现单线程性能几乎无损、尾部延迟显著降低且保持稳定。该方案与开芯院联合研发的香山昆明湖V3处理器，正在将开源架构统一与生态协同转化为可验证的技术突破。
玄铁的空间多线程技术针对智能体三大核心场景进行优化：在强化学习沙箱环境中，每个独立线程需在严格时间窗口内完成编译测试，静态分区确保资源隔离；工具调用场景下，用户请求触发的多工具并行执行不受其他租户干扰；系统支持运行时动态切换线程模式，无需重启即可适应不同负载需求。这些特性直指当前AI推理在资源调度中的核心痛点。
国际主流CPU厂商通过SMT技术占据高性能计算市场多年，玄铁在RISC-V架构上的突破为该领域提供了新的技术路径。其空间多线程方案通过重构资源分配机制，在保持开源架构灵活性的同时，实现了接近专有架构的性能表现。这项进展被视为RISC-V进军数据中心市场的关键技术支撑，特别是在需要低延迟、高确定性的AI推理场景中展现出独特优势。
技术团队透露，香山昆明湖V3处理器已完成原型验证，其空间多线程实现方案较传统SMT架构降低23%的上下文切换开销。在工具调用场景测试中，多租户并发执行时的任务完成时间波动率控制在5%以内，显著优于行业平均水平。这些数据表明，RISC-V架构通过技术创新正在突破原有性能边界，为AI与CPU的深度融合提供新的可能。
