2025年ChipCamp芯片营地十大开源RISC-V

2025年ChipCamp芯片营地十大开源RISC-V

1、XiangShan

----官方地址:https://github.com/OpenXiangShan/XiangShan

----中科院计算所/中国科学院大学的开源RISC-V项目,面向RISC-V的最前沿技术和场景,使用Chisel语言,打造的高性能超标量乱序RISC-V处理器,经过雁栖湖,南湖,昆明湖多代版本的演进,代码和文档全部开源。

----作为专业的超大规模RISC-V开源项目,在github上获得6.8K个star。

----被ChipCamp收录在:https://gitcode.com/ChipCamp/XiangShan。

2、RISCV-BOOM

----官方地址:https://github.com/riscv-boom/riscv-boom

----在Github上有2K个星,其BOOM-v1.0代码在ChipCamp芯片营地行了通读。

----被ChipCamp收录在:https://gitcode.com/ChipCamp/BOOM-v1.0。

3、e203_hbirdv2

----官方地址(国际):https://github.com/riscv-mcu/e203_hbirdv2

----官方地址(国内):https://gitee.com/riscv-mcu/e203_hbirdv2

----芯莱科技胡振波团队打造的开源RISC-V项目,被国内厂商采纳并商用。完全开源的基于RISC-V的SoC,整个SoC全部开源。

----被ChipCamp收录在:https://gitcode.com/ChipCamp/e203_hbirdv2。在ChipCamp进行了编译和测试,相关操作日志在代码仓comments目录下.log文件中。

4、tinyriscv。

----官方地址:https://gitee.com/liangkangnan/tinyriscv

----很完整的项目,在gitee上获得3.4K个星,在github上还有1.3K个星,其影响力不仅在国内也到了国际平台上得到认可。

----被ChipCamp收录在:https://gitcode.com/ChipCamp/tinyriscv。在ChipCamp进行了编译和测试,相关操作日志在代码仓comments目录下的.logs文件中。

5、picorv32

----官方地址:https://github.com/YosysHQ/picorv32

----由Yosys的作者打造的开源RISC-V芯片,被收录在github的YosysHQ站点上,获得3.9K个星。

----被ChipCamp收录在:https://gitcode.com/ChipCamp/picorv32。在ChipCamp进行了编译和测试,相关操作日志在代码仓comments目录下的.logs文件中。

6、nerv

----官方地址:https://github.com/YosysHQ/nerv

----被收录在YosysHQ站点上,获得94个星。

----被ChipCamp收录在:https://gitcode.com/ChipCamp/nerv。在ChipCamp进行了编译和测试,相关操作日志在代码仓comments目录下的.logs文件中。

7、darkriscv

----官方地址:https://github.com/darklife/darkriscv

----很不错的一个项目,之前讲的故事是说作者在一夜之间写就了这个项目,不过最新的情况比这还要精彩!在于,它最近还得到了频繁的更新!其最新的功能,基于这个项目提供了可以跑一个类似DoS操作系统的命令行界面,让用户输入命令行并获得结果输出,这就十分类似于一个可以交互的计算机系统了。

----被ChipCamp收录在:https://gitcode.com/ChipCamp/darkriscv。在ChipCamp进行了编译和测试,相关操作日志在代码仓comments目录下的.logs文件中。

8、riscv-mini。

----官方地址:https://github.com/ucb-bar/riscv-mini

----由UC伯克利官方收录的一个DEMO和教学项目,使用Chisel语言编写,获得602个星。

----被ChipCamp收录在:https://gitcode.com/ChipCamp/riscv-mini。在ChipCamp进行了编译和测试,是ChipCamp较早作为chisel的代表性项目收录的。

9、NutShell

----官方地址:https://github.com/OSCPU/NutShell

----这个项目是中国科学院大学(国科大)的本科毕业生做的毕业设计,是国科大在计算机系统教学和实习方面的标志性成果,在github平台获得了1.5K个星。

----被ChipCamp收录在:https://gitcode.com/ChipCamp/NutShell。目前尚未完成项目的编译和测试。

10、ysyxSoC

----官方地址(国际):https://github.com/OSCPU/ysyxSoC

----官方地址(国内):https://gitee.com/RV4Kids/ysyxsoc

----是国科大组织的“一生一芯”项目的一个开源SoC。这个“一生一芯”的官网则是https://ysyx.oscc.cc/。

----被ChipCamp收录在:https://gitcode.com/ChipCamp/ysyx-soc。目前尚未完成项目的编译和测试。

附:封面图

关键词:XiangShan, RISCV-Boom, e203_Hbirdv2, Tinyriscv, Picorv32, nerv, Darkriscv, Riscv-mini, Nutshell, ysyxSoC。

摘要:本文介绍了10个开源RISC-V处理器项目,包括XiangShan高性能处理器、UC伯克利的riscv-mini教学项目、芯莱科技的e203_hbirdv2商用SoC等。这些项目均被ChipCamp收录,多数已完成编译测试,部分仍在进行中。其中XiangShan在GitHub获得6.8K星,tinyriscv在国内外平台均有影响力,darkriscv近期更新支持类DOS交互系统。国科大NutShell和ysyxSoC展现了教学成果。这些项目覆盖从教学到商用的多种场景,体现了RISC-V生态的活跃发展。

Read more

Stable Diffusion WebUI Docker终极指南:零基础快速部署AI绘画环境

Stable Diffusion WebUI Docker终极指南:零基础快速部署AI绘画环境 【免费下载链接】stable-diffusion-webui-dockerEasy Docker setup for Stable Diffusion with user-friendly UI 项目地址: https://gitcode.com/gh_mirrors/st/stable-diffusion-webui-docker 想要体验Stable Diffusion AI绘画的魅力,却苦于复杂的安装配置?stable-diffusion-webui-docker项目为你提供了完美解决方案!这个开源工具通过Docker容器化技术,让AI绘画环境部署变得简单快捷。在前100字内,我们已经自然融入了核心关键词:Stable Diffusion、WebUI、Docker、AI绘画环境部署。 为什么选择Docker化部署? 传统Stable Diffusion安装面临诸多挑战,而Docker化方案优势明显: 传统安装痛点Docker方案优势依赖环境复杂一键式环境配置系统兼容性差

By Ne0inhk

Mac M系列芯片适配:mlc-llm与llama.cpp对比

Mac M系列芯片适配:mlc-llm与llama.cpp对比 在大语言模型(LLM)逐步从云端走向本地终端的今天,如何在消费级设备上高效运行数十亿参数的模型,成为开发者和研究者共同面对的挑战。苹果自推出搭载M系列芯片的Mac以来,其基于ARM架构的统一内存架构(UMA)与强大的GPU性能,为本地化推理提供了前所未有的硬件基础。然而,由于主流深度学习生态长期依赖CUDA,而Mac缺乏NVIDIA GPU支持,使得多数框架难以直接发挥其全部潜力。 在此背景下,mlc-llm 与 llama.cpp 脱颖而出——它们不依赖传统深度学习运行时,而是通过底层优化,在Apple Silicon上实现了令人惊喜的推理效率。两者路径迥异:一个走“编译驱动、GPU加速”的技术路线,另一个则坚持“极简主义、CPU优先”的哲学。究竟谁更适合你的使用场景?本文将深入剖析二者在Mac平台的技术实现、性能表现与适用边界。 技术内核解析:两条不同的优化路径 mlc-llm:用编译器挖掘Metal的极限算力 mlc-llm并非简单的推理引擎,它本质上是一个面向大模型的端到端编译系统。其核心思想是利用TV

By Ne0inhk

Z-Image-Turbo开源大模型部署:支持A10/A100/V100的轻量级方案

Z-Image-Turbo开源大模型部署:支持A10/A100/V100的轻量级方案 1. Z-Image-Turbo 极速云端创作室:为什么它值得你立刻上手? 你有没有试过等一张图生成等了半分钟,结果出来是模糊、失真,甚至整张黑屏?或者刚想用AI画点概念图,就卡在环境配置、显存报错、精度崩溃的死循环里?Z-Image-Turbo 不是又一个“理论上很快”的模型,而是一个真正能让你在 A10、A100、V100 上“点下按钮,秒出高清图”的轻量级文生图落地方案。 它不堆参数,不拼显存,而是把“稳定”和“快”刻进了底层逻辑。不是靠换更贵的卡来解决问题,而是用更聪明的调度、更稳妥的精度、更精简的步数,让老卡也能跑出新体验。尤其适合个人创作者、小型设计团队、高校实验室——没有专职运维,没有GPU集群,一台带A10的云服务器,就能搭起自己的极速创作室。 这不是一个需要调参、改配置、查日志的实验项目。

By Ne0inhk
喧嚣之外的低调前行:客观审视开源平台BuildingAI

喧嚣之外的低调前行:客观审视开源平台BuildingAI

在人工智能技术狂飙突进的这几年,我们见证了太多的神话与崩塌。就在不久前,估值曾高达15亿美元的AI独角兽Builder.ai因“技术造假”和“财务欺诈”而轰然倒下,留给业界一片唏嘘 。这家号称“让开发App像点披萨一样简单”的公司,最终被揭露其“人工智能”背后实际上是数百名印度程序员的人工代码,上演了一场现实版的“皇帝的新衣” 。 在Builder.ai这类“伪AI”玩家破产的喧嚣之外,另一个名字相似但路径迥异的角色——BuildingAI,正在开源社区悄然生长。与前者依靠资本讲故事、靠外包凑代码的模式不同,BuildingAI走的是一条务实、透明的技术路线。本文试图剥离开市场的噪音,以客观理性的态度,重新审视这个被称为“AI时代的WordPress”的开源项目。 一、 截然不同的起点:开源与透明 首先要厘清的是,此“BuildingAI”非彼“Builder.ai”。虽然中文含义相近,但两者的底层逻辑完全不同。 Builder.ai(曾用名Engineer.ai)的本质是一家封闭的、

By Ne0inhk