MIPS 推出 RISC-V 邊緣 AI IP

MIPS 發表 S8200，這是一組給邊緣 AI 模型用的 RISC-V 處理器 IP。

說真的，這次不是單純秀規格。MIPS 在 CES 2026 端出 S8200，目標很明確，就是把 Transformer 和 agentic AI 推到裝置端。它主打的是 IP，不是成品晶片，客戶要自己拿去做 SoC。

官方講法也很直接。這個設計把 AI engine 和 RISC-V application core 綁在一起。性能範圍從數十到數百 TOPS，靠 coherent cluster tiling 往上疊。另一個重點是，ForwardEdge ASIC 已經選了這套 IP。這家是 Lockheed Martin 旗下公司，做的是自主平台晶片。

MIPS 到底在賣什麼

先講白了，MIPS 不是在賣一顆能直接插電用的晶片。它賣的是 IP。這代表別人可以授權後，塞進自己的晶片設計裡。對邊緣 AI 來說，這種模式很常見，因為大家都想要更低功耗，也想保留客製空間。

S8200 的架構重點，是把 AI engine 跟 RISC-V 核心放在一起。前者處理矩陣和向量運算，後者處理控制流程和應用邏輯。這種分工很務實，因為 AI 推論不是只有算力，還有資料搬運、排程、快取命中率這些麻煩事。

它還支援 PyTorch 和 TensorFlow。這點我覺得很重要。硬體再猛，軟體團隊如果要重寫一堆流程，大家只會翻白眼。能接現有框架，導入成本才比較像樣。

• RISC-V 核心負責控制與應用邏輯。
• AI engine 負責向量與矩陣運算。
• coherent cluster tiling 用來往上堆性能。
• 目標是邊緣推論，不是雲端訓練。

為什麼 RISC-V 這條路重要

RISC-V 這幾年一直被晶片圈拿來當自由度更高的選項。原因很簡單。大家想少付授權費，也想自己掌控指令集和系統設計。對 AI 晶片來說，這個誘因更明顯，因為很多公司都想把 CPU、NPU、記憶體控制器一起調到最順。

但別把 RISC-V 想得太神。它不是萬靈丹。真正難的地方還是軟體、功耗、記憶體頻寬，還有工具鏈。演算法跑得動，不代表裝置端就能穩定量產。這也是為什麼 IP 供應商要連 runtime、編譯器、模型轉換一起想。

MIPS 以前就常講 heterogeneous computing。這次 S8200 其實也沿用同一套思路。不是要做一顆什麼都包的通用晶片，而是做給特定工作負載用的積木。對汽車、工業、航太、機器人這些市場，這種做法比較合理。

“We believe the future of computing is heterogeneous,” said MIPS CEO Sameer Wasson in a 2024 company statement about the Atlas platform. “We are enabling our customers to co-design solutions that are optimized for their specific workloads.”

這段話放到 S8200 身上也很貼。MIPS 的打法一直沒變，就是賣可組合的積木。它不跟 NVIDIA 那種完整平台硬碰硬，而是去搶那些要自己做晶片的客戶。講白了，就是賣刀具，不賣便當。

跟其他邊緣 AI 方案怎麼比

MIPS 這次沒有丟 benchmark 分數。只有 TOPS 範圍，所以比較時要老實一點。真正的問題不是誰數字最大，而是誰能把功耗、成本、軟體和時程一起壓住。邊緣 AI 很現實，裝置端沒辦法像資料中心那樣燒電。

如果拿市場上常見方案來看，S8200 的定位比較像 IP 平台。它跟 NVIDIA、Qualcomm、Ambarella 這些做法不太一樣。那些公司多半賣的是完整晶片或模組，生態比較成熟，但客製彈性通常沒那麼大。

這裡可以直接拆成幾種路線來看。每條路都有代價，也都有市場。

• MIPS S8200：IP 模式，適合自研晶片團隊。
• GPU 型邊緣方案：生態強，但客製彈性較低。
• 視覺導向加速器：效率高，但模型範圍常較窄。
• 通用 NPU：整合容易，但不一定夠好調。

公開客戶是 ForwardEdge ASIC，這點很有意思。自主平台通常對延遲、可靠性、功耗都很龜毛。這類案子不會只看峰值 TOPS，還會看每瓦性能、記憶體行為，還有系統整合難度。

MIPS 說第一批 S8200 矽晶參考平台會在 2027 年出來。時間不短，但 IP 本來就不是快消品。從授權到 tape-out，再到量產，中間常常要磨很久。CES 很多 demo 聽起來都很猛，最後能不能進產品線，才是真的。

這組資料透露的產業脈絡

邊緣 AI 的方向很清楚。大家都想把推論留在裝置端。原因不是情懷，是錢。雲端推論有延遲，也有持續的伺服器成本。裝置端如果能自己跑，就能省頻寬，也能少依賴網路。

這波需求會先落在幾個地方。車用、工控、機器人、監控、國防系統，都很需要低功耗推論。這些場景不會只問模型準不準，還會問斷網能不能跑，溫度高不高，供電穩不穩。這也是為什麼 IP 供應商最近特別愛講 heterogeneous architecture。

我覺得 S8200 的價值，不在於它是不是最強。它的價值在於，它把 RISC-V 和 AI engine 的組合講得很明白。對想做自家晶片的團隊來說，這比空喊 AI 更實際。畢竟最後要交付的是產品，不是簡報。

接下來該看什麼

接下來最重要的，是軟體細節。MIPS 如果願意多講 compiler、runtime、memory hierarchy、model conversion，這顆 IP 才會更容易判斷。沒有這些資訊，大家只能看架構圖，還很難知道實戰成績。

另一個重點是每瓦性能。S8200 說自己能做到數十到數百 TOPS，但邊緣 AI 真正的戰場是 watts。10 TOPS 如果只吃 2W，跟 100 TOPS 但吃 50W，根本不是同一種產品。這種差距，工程師一看就懂。

我的判斷很直接。MIPS 這次是在押注一件事：RISC-V 加上 AI 專用 IP，會比固定功能晶片更適合邊緣推論。這個賭法不算新，但執行起來很硬。你如果是做晶片或系統整合，接下來要盯的不是新聞稿，而是工具鏈和樣板晶片能不能準時出來。