很多人买 GPU 关心 SM 数量、显存带宽、CUDA 核心，却很少有人注意到一件事——每一颗 NVIDIA GPU 里其实都藏着 10 到 40 个 RISC-V 微控制器。它们不参与图形渲染也不参与 AI 算力计算，而是负责视频编解码、电源管理、安全引擎、内核驱动卸载等看不见的工作。
Falcon 退役，RISC-V 上位
NVIDIA 在 2005 年的 G98 GPU 上首次引入自研微控制器 Falcon（FAst Logic CONtroller）。Falcon 是 32 位核心、无数据缓存，已无法满足 AI 时代对芯片复杂度的要求；NVIDIA 在评估 Arm、MIPS 后，于 2015 年确定把 RISC-V 作为 Falcon 的下一代替代架构。
到 2024 年，NVIDIA 当年 GPU 产品里包含的 RISC-V 核心总量估计约 10 亿颗。从 Turing（2018）到 Ampere（2020）、Ada/Hopper（2022）、Blackwell（2024），每一代都在加深对 RISC-V 的依赖。
三类内核、一套子系统
NVIDIA 至少有三个 RISC-V 微控制器内核：NV-RISCV32（RV32I-MU，顺序单发射，主频 1.8 GHz）、NV-RISCV64（RV64I-MSU，乱序双发射，主频 2 GHz，支持 SMP）、NV-RVV（在 NV-RISCV32 基础上叠加 1024 位向量扩展）。
围绕这三个核心，NVIDIA 搭起一个叫 Peregrine 的统一子系统，把 RISC-V 内核、缓存、TCM、中断控制器、DMA、RSA/PKA、AES 引擎按需组合，给 GPU 控制平面提供一套可参数化配置的积木。NVIDIA 还加了 20 多项自定义扩展，覆盖 64 位物理地址、2KB 页面、ICD 安全调试、ROM 内存保护等。
GSP 和 DLA：两块真正干 AI 活的应用
GPU 系统处理器（GSP） 位于主机 CPU 和 GPU 之间，通过 PCIe 通信，直接控制 GPU 硬件单元和显存。GSP 用多个 RV64 内核加一致性互连和统一 TCM/缓存，做三件事：内核驱动卸载、减少 GPU 对 CPU 的暴露面、封装 GPU 底层细节。它支持多分区模式——一个 GPU 切成多份 vGPU 分给不同租户的 Guest VM。这种架构直接服务了云端 LLM 推理的多租户场景，也支撑了机密计算。
深度学习加速器（DLA） 是 NVIDIA 自研的固定功能推理加速 IP，也跑在 RISC-V 上——NV-RISCV32 跑标量、NV-RVV 跑向量，编译器能把多个算子融合到一个 RVV 内核里。Orin 等边缘 AI 芯片里 DLA 直接跑 TensorRT 模型的离 CPU/GPU 卸载路径，跟大模型部署关系紧密。
写在最后
RISC-V Summit 2024 上披露的这些细节，揭示了一件被 AI 算力叙事盖过去的事：现代 GPU 早就是一颗 SoC，里面不仅有 CUDA 核心，还有一套基于开源 ISA 的控制平面和加速子系统。
下次有人说 RISC-V 在数据中心还只是个实验品，把 NV-RISCV32/64/RVV、GSP、DLA、Peregrine 这一串名词丢过去就行。