编者按随着 RISC-V 生态的快速扩张越来越多的基础软件和业务系统正从 x86、ARM 架构向 RISC-V 平台迁移。然而跨架构代码迁移并非简单的“换一套指令集重新编译”——多套指令集语法的深度掌握、复杂的依赖层级梳理、大量同质化的重复改造工作以及人工调试验证的巨大耗时构成了横亘在迁移路上的现实壁垒。在RISC-V 编译器生态和性能优化 MeetUp上中兴通讯 RCH 系统部生态工具专家申林分享了《面向 RISC-V 的跨架构代码智能迁移工具研发及性能优化实践》介绍了其自主研发的 RISC-V 智能代码迁移工具展示了一套从代码扫描、AI 生成、仿真验证到性能优化的全链路闭环体系为 RISC-V 代码迁移提供了一条“端到端”的自动化路径。同时中兴通讯作为龙蜥社区副理事长单位深度参与社区基础软件适配、架构迁移生态共建工作持续将自研工具能力对外开放助力龙蜥社区 RISC-V 生态规模化落地、技术适配迭代为社区软硬件兼容适配、性能优化工作赋能。以下为本次演讲全文跨架构迁移的挑战跨架构代码迁移的复杂度远超常规的移植工作主要体现在三个维度多架构适配门槛高。一次完整的迁移往往需要同时掌握 x86、Arm、RISC-V 三套指令集语法理解汇编和寄存器层面的底层操作并区分不同编程语言在架构适配上的差异。依赖层级复杂重复改造量大。实际项目通常存在多层嵌套的代码库和第三方库依赖其中大量架构相关代码呈现同质化特征。开发者需要逐一梳理依赖关系逐层进行代码改写和编译适配大量重复性工作难以避免。人工调试验证耗时。人工迁移需完成大批量代码改写汇编适配与跨架构性能调优往往需要多轮编译和全量验证人力投入巨大。尽管通用 AI 工具能力持续演进但在实际代码迁移场景中仍面临三重局限场景泛化与专业适配能力不足、难以从大规模工程中提取范式并聚焦架构核心、全量输入导致 Token 消耗过高。为突破上述瓶颈中兴通讯自研的RISC-V 智能迁移工具将 AI 能力深度集成以提升研发效能。首先内置编码规范与指令集手册强化领域知识支撑其次通过参考现有 x86 和 Arm 代码实践精准定位目标架构相关逻辑使上下文更聚焦最后前置过滤无关代码显著降低 Token 消耗在保障迁移质量的同时实现了成本与效率的双重优化。智能迁移工具AI 驱动的四层架构RISC-V 智能迁移工具的整体架构方案以 x86 和 Arm 源代码含文件、目录结构为输入首先通过自动扫描精准定位汇编、向量指令及外部依赖等架构相关的差异化组件。通过 AI 内生智能迁移依托多 Agent、RAG 及 Skill 调用等技术构建自主优化的闭环迭代体系。该闭环体系集成了 RISC-V 交叉编译工具链与仿真环境先由 AI 生成单元测试代码再通过工具链与仿真环境进行自主编译、运行与校验针对编译异常或功能错误等问题系统自动触发多轮自迭代修复直至确保功能正确性。在功能验证通过后进一步借助微架构分析工具对 RISC-V 指令进行深度优化消除冗余逻辑并提升代码并行度从而增强整体性能。最终该方案以可视化 web 平台及 skill 开发插件两种形态对外呈现。智能扫描与分析引擎。作为迁移流程的起点该引擎内置了适配 x86、Arm、RISC-V 的解析能力能够自动识别项目中的汇编代码、向量指令、外部依赖等架构差异化组件。通过对多语言源码C/C、Java、Python、Go的词法语法分析引擎会绘制代码依赖图谱、函数调用关系和数据流图形成对项目结构的结构化认知。在此基础上精准定位与特定架构平台相关的 API 调用、系统接口和依赖库识别迁移风险点。AI 内生智能生成。不同于传统的“自然语言对话”模式在 Agent 层面引入了 Workflow 工作流和目标强制达成机制通过脚本化的自然语言指令固化执行路径显著提升了 Agent 与大模型引擎的目标达成率和行为一致性。针对扫描出的架构相关代码我们以 Agent 作为核心执行主体使其具备代码上下文理解、变量传递分析及函数调用追踪能力。通过整体语义理解与深度解析Agent 能够自动生成符合 RISC-V 架构的新代码。同时我们集成了 RISC-V 手册规范等 spec 知识库并对其进行向量化存储至向量数据库。在工作流中系统强制要求 Agent 在生成 RISC-V 架构代码时必须引用该权威知识库确保代码生成有据可依从而有效保障生成代码的准确性、规范性与可维护性。闭环迭代验证体系。闭环迭代生成以单元测试通过率、编译兼容性及功能正确性为核心维度对每轮迭代产物的质量进行量化评分为自动迭代优化提供可度量、可优化的反馈依据。针对编译异常、单元测试失败及功能结果错误等问题系统能够自动调整生成的代码与脚本以适配 RISC-V 架构逐轮收敛缺陷持续提升移植代码的可用性与运行效率。由此形成了“仿真校验-量化评估-AI 优化”的完整正向循环使系统能够持续闭环修复迁移问题不断提升代码迭代生成的通过率实现全链路的闭环优化。微架构性能分析。“能跑”只是起点“跑得快”才是关键。在生成功能达标的代码后我们引入了性能优化专题聚焦迁移后的性能瓶颈。通过前述闭环体系我们已实现初步迁移并建立了完备的验证能力但真正的挑战在于释放 RISC-V 平台的全部性能潜力。为此我们深入剖析架构特性与代码瓶颈通过算法重构、指令集优化及并行计算开启实现从“能跑”到“跑得快”的关键跨越。当代 CPU 性能提升主要受限于两大因素一是数据依赖即指令需等待前序计算结果打断流水线并导致乱序执行引擎无法有效隐藏延迟直接降低 ipc二是资源限制硬件执行单元数量有限或被占用导致指令在调度队列中阻塞引发流水线停顿并限制指令并行度。针对上述问题我们开发了微架构分析工具作为静态性能分析器通过模拟 CPU 流水线定位性能瓶颈根因其一识别数据依赖以时间线视图直观展示指令间等待关系精准定位流水线停顿点其二分析资源压力识别竞争激烈的硬件执行单元其三计算每轮核心指标如 ipc 与整体吞吐量量化代码执行效率并提供优化基准线。基于该闭环指标体系每一轮代码生成都会输出 ipc 与块吞吐量报告自动关联后端压力与调度停顿为 AI Agent 提供明确优化方向例如循环展开、指令重排或指令替换从而实现性能的持续迭代提升。双重交付形态Web 平台与 Skill 插件为适配不同场景的使用需求RISC-V 自动迁移工具提供两种交付形态。Web 可视化平台提供直观的浏览器操作界面开发者可直接上传代码文件或整个项目目录系统自动识别待修改的架构相关问题——包括 Makefile、内联汇编、缺失的架构适配文件等并给出问题数量和预估工作量。平台支持报告的导出适合团队快速验证和评审。Skill 插件将核心功能封装为 IDE可调用的开发插件以 Plugin方式从代码库直接安装无缝集成到开发者的 IDE 和CI/CD 流程中。该形态主要面向需要深度定制和复杂调试的核心开发场景交互体验与日常编码工作深度融合。这里用网页版平台做一个演示。在网页版平台中用户只需上传代码文件或整个目录系统即可自动识别待修改项。平台支持识别 makefile、内联汇编、独立汇编文件及各语言源码等同时能检测缺失的 RISC-V 架构文件并统计问题数量以评估后续工作量。针对缺失的 RISC-V 架构的汇编文件系统会自动提示功能对等的 x86 或 Arm 源文件便于人工或 AI 基于已有文件生成 RISC-V 适配代码。此外平台还支持一键导出分析报告。在具体问题详情页用户可先对扫描结果进行人工校验。由于初始规则扫描可能存在误报或漏报用户可在编辑框中手动选择代码块并添加至建议列表从而在 AI 生成前构建一份经人工验证的精准待修改清单。点击“AI生成”后系统将以 Agent 模式或单条建议形式自动输出 RISC-V 代码。用户也可通过自主配置 API 的方式灵活对接不同的 AI Agent 完成代码生成。所有建议与生成结果均会在页面内直观展示。至于 skill 插件模式因其深度集成于 IDE 中此处不再赘述演示。实战案例从SM2 到 CRC 的跨越验证在 SM2国密椭圆曲线算法的 Arm 到 RISC-V 迁移中工具精准覆盖了十余个核心底层函数。Arm 架构中存在直接更新标志位的特殊指令而 RISC-V 并无直接的进位/借位映射逻辑——这正是跨架构迁移中最棘手的“语义等价转换”问题。RISC-V 自动迁移工具自动构建了进位运算的等价逻辑精准复现 Arm 汇编行为最终自动生成 1500 余条汇编代码并构建近 200 个边界条件测试用例全部通过验证实现了算法在 RISC-V 平台的高效落地。在性能层面由于 SM2 未涉及向量化运算迁移后的性能达到了人工手写的同等水准。在 CRC 校验算法的性能优化中原始代码存在严重的循环依赖导致 CPU 流水线频繁等待实测 IPC 仅为 3.69性能较差。通过微架构分析工具的动态调优——循环展开增加单次迭代处理的数据量以降低循环控制开销、指令重排根据数据依赖关系重新组织指令流——经过迭代优化后代码并行度充分释放了硬件资源IPC 提升至 5.76。CRC 整体性能达到了社区人工手写最优版本的 63.92%。综合来看从代码迁移适配到验证的完整流程工具相比人工方式实现了约 6 倍的效率提升。从辅助工具到AI 驱动定义迁移的新范式RISC-V 自动迁移工具的思路并非简单的“AI 辅助编码”而是构建了一套全新的代码迁移体系——从代码扫描到智能生成、再到验证与性能优化的全链路闭环并将智能扫描作为节省 Token 消耗的关键入口以 Workflow 固化和目标强制达成策略持续提升 AI 执行的可控性。在生态层面Web 可视化平台与 Skill 插件的双轨交付模式兼顾了快速评审与深度开发两种典型场景。这套全新的代码迁移体系不仅有效突破了传统迁移的效率瓶颈更从底层逻辑上明确了技术演进的实施路径。随着团队持续将 AI 的最新进展融入工具迭代这条从“能跑”到“跑得快”的技术路径正在为 RISC-V 生态的规模化代码迁移提供可复用的实践范式。依托龙蜥社区副理事长单位身份中兴通讯持续将这套成熟的跨架构智能迁移、性能优化能力对外开放、赋能社区助力龙蜥社区完善 RISC-V 架构软硬件适配体系、丰富基础软件迁移生态为社区各类开源项目、行业业务系统的跨架构迁移提供高效工具支撑。团队将持续深耕社区生态持续迭代工具能力助力龙蜥 RISC-V 生态规模化、高质量发展。同时本次技术成果与社区实践也得到了官方认可团队核心成员申林凭借在龙蜥社区技术共建、生态推广、技术分享等方面的突出贡献荣获龙蜥社区贡献者荣誉。未来团队将持续依托龙蜥社区平台深化跨架构迁移、AI 智能优化等技术方向的研究与落地输出更多可复用的工程实践成果。本次 MeetUp PPT 、视频回放已上线龙蜥官网欢迎点击查看PPT 下载链接龙蜥社区MeetUp - OpenAnolis 龙蜥操作系统开源社区文档中心视频回放Video - OpenAnolis code repository—— 完 ——
