2025年10月，在北美RISC-V峰会上，Igalia编译器工程师Mikhail发表专题演讲《Unlocking 15% More Performance: A Case Study in LLVM Optimization for RISC-V》。演讲基于在进迭时空 SpacemiT-X60 RISC-V 处理器上开展的十个月优化实践，系统阐述如何通过上游 LLVM 的多项改进，显著提升 RISC-V 处理器性能，并在 SPEC CPU® 2017 基准测试中实现最高达 16% 的性能提升。

本次优化的重点涵盖三大方面：

• 为 SpacemiT-X60 引入定制调度模型

• 增强向量化在跨函数调用场景下的分析能力

• 支持过程间寄存器分配（IPRA）以优化寄存器使用

SPEC CPU® 2017 是业界公认的 CPU 性能评估标准，通过运行一系列计算密集型任务（如代码编译、科学计算、AI 推理等），全面测量处理器的整数与浮点运算性能。其测试结果能够客观反映 CPU 在实际应用中的执行效率，是衡量服务器、工作站及高端 PC 处理器性能的关键基准。

调度模型的引入是本次性能提升的关键。SpacemiT-X60作为一款按序双发射CPU核心，其执行效率高度依赖于编译器生成的指令序列能否充分适配硬件特性。以LOAD指令为例，在等待数据就绪的周期内，通过智能调度插入其他可执行指令，可有效避免流水线空等——这正如点外卖后，在送达前处理其他事务，而非一味守在门口。

通过引入针对 X60 的调度模型，多个 SPEC 2017 子项目均实现性能提升，其中最高达 16.8%，整体性能平均提升 4.75%。由于该调度优化作用于指令序列层面，不依赖特定程序逻辑，因此大多数软件均可受益于该项改进。

目前，LLVM 中的 RISC-V 后端尚缺乏一个默认的调度模型。此次为 SpacemiT-X60 开发的模型，有望成为LLVM RISC-V 目标默认的调度模型，为更多RISC-V场景提供优化支持。

SpacemiT-X60 支持 256 位宽的 RISC-V Vector (RVV) 1.0 扩展。在数据并行度高的任务中，正确使用向量指令可大幅提升程序性能，因此自动向量化始终是编译器优化的重点之一。然而，自动向量化的关键难点在于代价评估：编译器需准确判断在何种场景下向量化能带来性能提升，又在哪些情况下可能带来性能回退。

Mikhail 在报告中重点分析了跨函数调用这一典型场景。最终落地的 SLP fix 方案取得了显著优化效果，在测试中实现单个用例最高11.9%的性能提升，整体平均提升幅度也接近 1%。

报告同时介绍了对过程间寄存器分配（IPRA，Inter-Procedural Register Allocation）的技术支持。在函数调用过程中，为确保程序正确执行，需对寄存器进行保存与恢复。传统编译方式下，由于编译器无法预知被调用函数的具体寄存器使用情况，往往采取保守策略，对所有可能涉及的寄存器执行保存与恢复操作，造成不必要的性能开销。

而 IPRA 技术通过过程间分析，使编译器能够精确掌握被调用函数的寄存器使用情况。当确认某些寄存器不会被破坏时，即可省略相应的保存与恢复指令，从而减少内存访问、提升执行效率。目前IPRA还有bug尚在修复，暂未默认启用，但在Spec上的测试已经显示出0.5%的稳定性能提升，其优化效果已经得到验证。

从报告展示的最终数据来看，当前 GCC 与 LLVM 两大开源编译器在 RISC-V 平台上的表现各有优势，在不同测试项目中互有领先，这也表明未来仍有广阔的协同优化空间。

本次优化工作获RISE（RISC-V Software Ecosystem）项目RP009课题支持。RISE是由Linux基金会托管的全球合作计划，汇聚行业领导者共同推动RISC-V开源软件发展。作为RISE成员，进迭时空荣幸见证 SpacemiT-X60被选用于 RISC-V 的编译器性能优化研究并取得显著成果，特此感谢 Mikhail 及所有开发者的贡献。

截至目前，进迭时空 8 核 RISC-V AI CPU 芯片 K1 累计量产交付量突破 13 万颗，已成为量产速度最快的 RISC-V 高算力芯片。同时，公司通过 Bianbu Cloud 等云服务方式，为开发者提供便捷、即时的 RISC-V 算力服务。我们坚信，随着更多行业伙伴与开发者的加入，RISC-V 生态将加速迈向成熟。