CVA6项目中的Xilinx AXI以太网子系统集成研究
在开源RISC-V处理器CVA6的开发过程中,以太网功能的实现一直是一个重要课题。近期,一位开发者成功将Xilinx AXI 1G/2.5G以太网子系统集成到CVA6项目中,并在GenesysII FPGA开发板上实现了完整的网络功能支持,包括u-boot中的TFTP启动和Linux中的SSH连接。
Xilinx AXI以太网子系统相比项目原有的LowRISC以太网方案具有显著优势。该子系统采用DMA架构,能够提供更高的网络吞吐量,同时减少CPU在网络数据传输中的计算负担。这种架构特别适合需要高性能网络通信的应用场景。
在硬件实现方面,主要工作包括:
- 在ariane_peripherals_xilinx模块中添加Xilinx以太网系统
- 为Xilinx DMA控制器添加并连接AXI主总线
- 创建构建选项使Xilinx以太网与现有LowRISC以太网方案互斥可选
由于AXI协议的非缓存一致性特性,开发中遇到了一个关键技术挑战:如何确保CPU访问DMA描述符时不会使用缓存中的陈旧数据。解决方案是通过控制CSR寄存器动态禁用数据缓存。为了在Linux中实现这一功能,开发者扩展了CVA6架构,允许在监管者模式下访问缓存管理CSR。这一改动虽然实用,但也引发了关于安全性和架构一致性的讨论。
在软件支持方面,开发者提供了完整的软件栈支持,包括对u-boot和Linux的修改。这些修改确保了从底层驱动到上层应用的完整网络功能支持。
值得注意的是,Xilinx AXI以太网子系统中的TEMAC核心是Xilinx的专有IP,需要获得授权才能使用。开发者指出,用户可以申请120天的免费评估授权进行测试和开发。
这一工作为CVA6项目带来了重要的功能扩展,特别是在需要高性能网络通信的应用场景中。开发者已经将完整实现开源,包括硬件描述、软件修改以及用于生成完整Xilinx Vivado项目的脚本,为其他开发者提供了有价值的参考实现。
这项集成工作展示了开源RISC-V处理器与商业IP核协同工作的可能性,同时也提出了关于如何在保持开源项目独立性的同时集成专有组件的思考。随着RISC-V生态系统的不断发展,类似的技术整合将为开发者提供更多选择,推动RISC-V在更广泛领域的应用。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00