如果你在做图像处理、音频滤波或者机器学习推理相关的嵌入式开发，大概率遇到过这样的场景：需要对一大段数据逐个执行相同的运算，标量指令一条一条算太慢，而GPU又不一定可用。这时候"向量计算"就是一个绕不开的话题。本文从向量计算的基本思路讲起，介绍RISC-V的Vector扩展（以下简称RVV）的核心设计理念，再通过几个实际的代码示例，帮助有C语言基础的开发者快速上手RVV编程。
一、什么是向量计算
先说标量计算。传统处理器每条指令处理一对操作数，比如C = A + B，A和B各是一个数，结果C也是一个数。如果要对一个包含1024个元素的数组做加法，就需要循环执行1024次加法指令。
向量计算的思路不同：一条指令同时处理一批数据。还是上面的例子，如果向量硬件支持32位整数、128位向量宽度，一条加法指令就能同时完成4组数据的相加。数据量越大，向量计算的优势越明显。这种"单指令多数据"（SIMD）的处理方式，在图像像素处理、音频采样运算、矩阵乘法等数据密集场景中效率提升显著。
二、RVV的背景与设计特点
RISC-V Vector扩展（RVV）1.0规范于2021年正式通过批准（Ratified），成为稳定版本，为后续处理器实现和软件生态提供了标准基础。经过数年迭代打磨最终定稿。与x86的SSE/AVX、ARM的NEON/SVE相比，RVV在设计上有几个值得关注的差异点。
首先是向量长度无关（VLA, Vector Length Agnostic）。传统SIMD的向量宽度在编译时就固定了——SSE是128位，AVX2是256位，写AVX2的代码不能直接跑在只支持SSE的硬件上。RVV换了个思路：代码不假设具体的向量宽度，而是在运行时查询硬件实际支持的宽度并据此处理。同一份代码可以在VLEN=128的小核心和VLEN=1024的大核上直接运行，不需要重新编译。这对软件的可移植性帮助很大。
其次是灵活的元素宽度支持。RVV在同一个向量寄存器上支持8/16/32/64位的元素宽度，覆盖从uint8到float64的多种数据类型，不需要像早期SIMD那样为不同数据类型使用不同的指令集子集。
此外，RVV还提供了向量掩码（masking）机制用于条件操作的向量化、分数LMUL用于更精细的寄存器管理，以及完整的整数和浮点向量运算支持。从数字信号处理到机器学习推理，RVV的适用范围比较广。
三、RVV编程的几个核心概念
上手RVV之前，有几个概念需要先搞清楚。
向量寄存器（V寄存器）：RVV定义了32个向量寄存器，每个寄存器的位宽由硬件实现决定，记作VLEN。VLEN由具体硬件实现决定，常见实现包括128位、256位、512位等，不同处理器可以根据应用需求选择不同的向量寄存器宽度。与固定宽度的SIMD不同，RVV代码不假设VLEN的具体值，而是通过运行时查询获取，这是实现VLA的基础。
LMUL（向量长度倍增）：这是RVV中比较有特色的机制。它允许将多个连续的物理向量寄存器组合为一个逻辑寄存器组来使用，整数倍可选1、2、4、8，此外还支持分数LMUL（1/2、1/4、1/8）用于减少寄存器占用。LMUL通过组合多个物理向量寄存器扩大单条指令可处理的数据量。例如LMUL=2时，一个逻辑向量寄存器由两个连续物理寄存器组成，可以承载更多元素，但同时会减少可独立使用的向量寄存器数量。分数LMUL则相反，每条指令处理的数据量减少，但可用寄存器更多。选择多大的LMUL取决于具体计算的特征：计算密集、寄存器压力小的场景适合较大的LMUL来提升吞吐；需要同时持有多个操作数的场景则需要较小的LMUL来保留更多寄存器空间。
SEW（元素宽度）：定义向量寄存器中每个元素占多少位，RVV支持8、16、32、64位。同一个向量寄存器，SEW=32时可容纳VLEN/32个元素，SEW=8时可容纳VLEN/8个元素。SEW通过运行时配置确定向量元素宽度，RVV允许同一套硬件支持不同数据类型的向量运算。不过在使用intrinsics编程时，开发者仍需要根据数据类型选择对应接口。
四、向量加法：第一个RVV程序
来看一个最简单的例子——两个数组逐元素相加。
标量版本：
void add_arrays(float *a, float *b, float *c, int N) { for (int i = 0; i < N; i++) { c[i] = a[i] + b[i]; }
}
用RVV intrinsics改写后：
#include <riscv_vector.h>
void add_arrays_rvv(float *a, float *b, float *c, int N) { int i = 0; while (i < N) { int vl = __riscv_vsetvl_e32m1(N - i); vfloat32m1_t va = __riscv_vle32_v_f32m1(a + i, vl); vfloat32m1_t vb = __riscv_vle32_v_f32m1(b + i, vl); vfloat32m1_t vc = __riscv_vfadd_vv_f32m1(va, vb, vl); __riscv_vse32_v_f32m1(c + i, vc, vl); i += vl; }
}
这里有几个要点：
__riscv_vsetvl_e32m1告诉硬件"我要用32位元素、LMUL=1的配置"，返回值vl是硬件实际能处理的元素个数。这个值取决于当前硬件的VLEN，代码不需要硬编码。
循环以vl为步长推进，每次迭代处理一组数据。当剩余元素不足一个完整向量长度时，vsetvl会根据剩余数据量调整vl值，最后一次循环只处理剩余元素，无需额外边界判断，但尾部元素的具体值取决于实现的尾部策略。
vle32是向量加载指令，从内存读取数据到向量寄存器；vfadd是向量浮点加法指令；vse32是向量存储指令，将结果写回内存。整个流程就是"加载-计算-存储"的向量版本。
这段代码在VLEN=128、SEW=32、LMUL=1的情况下，每次最多处理4个float32元素，而VLEN=256的硬件每次最多处理8个float32元素。由于代码通过vsetvl动态获取可用向量长度，因此同一份代码无需针对不同VLEN硬件进行修改。
五、图像亮度调整：RVV中的饱和运算与向量处理
向量加法是RVV最基础的应用场景，再来看一个更贴近实际图像处理的例子：调整图像亮度。常见的8位灰度图像或RGB通道数据，每个像素通常使用uint8_t表示，取值范围为0~255。当增加亮度时，需要避免超过255，因此需要进行饱和处理（saturation）。
标量版本：
void adjust_brightness(uint8_t *pixels, int count, uint8_t offset) {
for (int i = 0; i < count; i++) {
int val = pixels[i] + offset;
if (val > 255)
val = 255;
pixels[i] = (uint8_t)val;
}
}
标量代码通过if判断完成饱和限制。在向量计算中，如果逐个元素执行条件判断，会降低并行计算效率。RVV提供了丰富的向量算术和数据转换指令，可以通过扩大数据位宽、并行计算以及向量归约操作完成类似的处理。
RVV版本：
<riscv_vector.h>
void adjust_brightness_rvv(uint8_t *pixels, int count, uint8_t offset) {
int i = 0;
while (i < count) {
size_t vl = __riscv_vsetvl_e8m1(count - i);
vuint8m1_t vpx = __riscv_vle8_v_u8m1(pixels + i, vl);
// 扩展到16位，避免8位加法溢出
vuint16m2_t vpx16 = __riscv_vzext_vf2_u16m2(vpx, vl);
vuint16m2_t vsum16 = __riscv_vadd_vx_u16m2(vpx16, offset, vl);
// 饱和到255
vuint16m2_t vmax16 = __riscv_vminu_vx_u16m2(vsum16, 255, vl);
vuint8m1_t vres = __riscv_vncvt_x_x_w_u8m1(vmax16, vl);
__riscv_vse8_v_u8m1(pixels + i, vres, vl);
i += vl;
}
}
（本例仅演示正偏移的上限饱和，负偏移的下限饱和逻辑类似，通过掩码检测下溢即可）
这里没有直接使用8位加法，而是先将数据扩展到16位，避免uint8_t溢出导致结果错误。完成加法后，通过vminu限制最大值为255，再转换回8位数据。
与标量循环相比，RVV版本可以一次处理多个像素，实际处理数量由硬件的VLEN、SEW和LMUL配置决定。例如，在SEW=8、LMUL=1时，VLEN=128的处理器每次最多处理16个像素，VLEN=256的处理器每次最多处理32个像素。
RVV中的掩码（mask）机制则适用于更复杂的条件计算场景，例如只处理满足某些条件的像素。它可以将条件判断转换为向量级操作，减少传统分支带来的影响。
六、性能优化的几个考量
写出能跑的RVV代码不难，但要把性能做好，有几个方面值得注意。
●
数据对齐对性能影响明显。向量指令对对齐数据的访问效率远高于非对齐数据。分配缓冲区时建议按向量寄存器宽度做对齐（通常至少16字节对齐），避免非对齐访问带来的额外开销。
●
减少向量寄存器的加载和存储次数。向量寄存器的数据来自内存，加载和存储本身有延迟。尽量在一次加载中复用数据完成多个运算，减少访存压力。
●
对于大规模数据，缓存局部性也需要考虑。数据分块（tiling）的大小要和缓存容量匹配，避免缓存抖动。
●
LMUL的选择涉及吞吐量和寄存器数量的权衡。较大的LMUL提高单条指令的数据处理量，但消耗更多物理寄存器，可用的逻辑寄存器变少；较小的LMUL提供更多寄存器空间，但单条指令处理的数据量少。具体选择需要根据计算的特征来决定——计算密集且操作数少的场景适合大LMUL，需要同时持有多个数组的场景适合小LMUL。实际调优中可以参考处理器微架构文档和配套开发工具来定位性能瓶颈。
七、小结
RVV为RISC-V生态带来了标准化的向量计算能力。它的VLA设计让同一份代码可以适配不同宽度的硬件实现，这对嵌入式和边缘计算场景尤其有价值——软件不需要为每个硬件型号单独维护一套SIMD代码。随着主流工具链和处理器对RVV支持的逐步完善，向量计算的应用生态也在走向成熟。对于嵌入式开发者来说，RVV编程是一项值得投入时间学习的技能。
实际学习中，建议从具体的项目场景入手，比如本文演示的图像处理和数组运算，先把基本的向量加载、计算、存储和掩码操作跑通，再逐步尝试更复杂的矩阵运算或信号处理场景。工具链方面，主流GCC和LLVM均已支持RVV intrinsics，搭建好交叉编译环境后即可在开发板上验证。硬件选型上，玄铁系列处理器中有多款明确支持Vector扩展的型号，例如面向AI加速与推理的C908X（https://xrvm.cn/product/xuantie/C908X ），以及面向消费级应用和边缘计算的C920（https://xrvm.cn/product/xuantie/C920 ），各型号在VLEN、LMUL范围和浮点支持上有所不同，可根据目标应用的性能需求在玄铁产品总览页（https://xrvm.cn/product/list/xuantie ）中进一步对比选择。
