AI权重运行《毁灭战士》！RISC-V ... Latest News
据Tom's Hardware报道，2026年11月2日，一位AI工程师成功将32位RISC-V处理器直接编译进通义千问3.5 4B模型的权重之中，让这个拥有40亿参数的大语言模型不借助任何外部硬件，仅靠自身权重运行经典射击游戏《毁灭战士》，同时还能执行C语言整数运算。这一AI权重运行《毁灭战士》的实验，首次证明神经网络权重可以作为可寻址的计算单元，而非仅仅是存储知识的载体。
定妆曝光实验构思：把CPU“种”进权重张量
该项目没有采用传统训练流程，而是把RISC-V处理器的Verilog硬件描述转译为矩阵乘法和图操作，再把它们映射到模型的权重张量上。Tom's Hardware报道，工程师利用模型前向传播中的浮点矩阵乘法和非线性激活函数来模拟逻辑门与寄存器时钟，从而让模型每一层推理都等价于执行一条CPU指令。为了保留原有语言能力，团队只微调了约3%的参数。开发者“yuka”表示：“我的目标是证明权重不仅可以记忆知识，还可以当作可寻址的存储器和执行单元。”每条RISC-V指令被拆解为约2400次矩阵乘法，并在本地四块A100 GPU上完成持续两天的压缩映射。
片场照片为什么选择RISC-V架构
工程师选择RISC-V是因为其开源、精简且无授权约束。RV32I基础指令集仅有约50条指令，32个通用寄存器，非常适合转成矩阵维度。相比之下，x86指令复杂、ARM存在授权壁垒，都不利于端到端的矩阵化。在编译过程中，模型隐藏层的部分维度被重新定义为寄存器堆，权重低秩段则充当指令缓存。Hacker News论坛上的开发者指出：“用浮点数模拟整数运算会累积误差，但RISC-V的短流水线让误差得到控制。”整个“权重版CPU”占用额外1.2GB空间，推理时还需要约6GB中间缓存。开源社区Ars Technica的分析也确认，该映射方法可推广到其他小规模指令集。
路透曝光性能实测：每秒5帧的《毁灭战士》
在通义千问3.5 4B上运行时，游戏以160×100像素分辨率渲染，帧率稳定在每秒5帧左右，画面显示为ASCII字符。运行一段包含1000行C语言的快速排序程序，需要8秒才能输出结果；计算斐波那契数列第20项耗时4.3秒。项目演示中，模型直接用1.8GB权重作为RAM，累计执行超过50万条指令。Reddit上一位用户评论道：“这像是从文本模型里长出了一个迷你计算机，虽然慢，但是真的能工作。”Tom's Hardware的实测视频还展示了终端中打印的九九乘法表和“Hello, RISC-V”字符串。
剧照曝光当前局限：误差、速度与内存三重瓶颈
以32位浮点模拟整数运算，长代码必然产生数值漂移。工程师在谈及调试经历时透露，项目早期曾因累积误差导致指令跳转错误，不得不花近一周调整归一化函数和中间截断策略。更关键的是，模型每执行一条指令需要数百万次矩阵乘法，导致等效主频不足1kHz。与此同时，4B模型本身的上下文窗口限制了程序长度，当前最多只能容纳约2000行C代码。旁证来源Ars Technica指出，如果采用量化后的2位权重，误差将急剧放大；若换用更大模型，显存占用又会超出现有硬件。因此，这项实验目前严格停留在概念验证阶段。
时间线：从GitHub仓库到科技头条
项目从10月15日立项到媒体曝光仅用了18天。下表按日期梳理关键节点：
| 日期 | 开发进展 | 外部反应 |
|---|
| --- | --- | --- |
|---|
| 2026-10-15 | 启动RISC-V指令矩阵化设计 | 个人仓库无人问津 |
|---|
| 2026-10-20 | 完成32个寄存器映射，编译通过 | 收获50余个星标 |
|---|
| 2026-10-25 | 成功执行C语言整数排序 | Reddit社区开始讨论 |
|---|
| 2026-11-01 | 跑通《毁灭战士》并发布演示 | Hacker News登上前三 |
|---|
| 2026-11-02 | Tom's Hardware刊发报道 | 多家媒体跟进 |
|---|
从表中可以看到，社区热情在游戏跑通后迅速爆发。开发者补充道：“本来只想发个技术笔记，没想到游戏演示让所有人兴奋起来。”目前该仓库在GitHub上已获得超过1万次星标和300余次fork。
未来意义：大模型即通用计算平台
尽管目前只是个运行缓慢的“玩具”，但AI权重运行《毁灭战士》的实验为“LLM权重复用”打开了具体方向。若把权重视为可编程逻辑，未来可能通过训练自动生成针对特定任务的神经元电路，而非依赖外部CPU或GPU。RISC-V架构的适配性也表明，开源硬件生态系统可以与神经网络权重直接结合。研究者已将全部代码、权重映射表和量化方案公开，鼓励非商业复现。开发者“yuka”表示：“如果权重就是芯片，那下一次芯片设计可能就在训练过程中自动完成。”这或许会催生只运行在矩阵运算上的虚拟处理器。
Q1: 普通显卡能跑这个权重CPU吗？
A1: 建议至少使用16GB显存的GPU。4B模型权重约4.2GB，加上1.2GB的CPU映射与推理时6GB的中间缓存，12GB卡很容易显存溢出。此外还需安装特定版本的PyTorch和transformers库。
Q2: 这项技术会取代真实处理器吗？
A2: 短期不会。等效主频不足1kHz、误差累积和时间开销都让它在实际场景中毫无优势。但它可被视作神经网络可解释性与可编程性的探索，未来或用于超低功耗嵌入式设备中的专用推理。
AI权重运行《毁灭战士》的实验证明，大语言模型的权重不仅是知识仓库，更是一块可以被改写成处理器的可编程矩阵。随着量化与硬件协同设计加速，这种“模型即硬件”的范式或许会从实验室走向现实，在AI芯片和边缘计算中开辟新赛道。
Related Articles - 海报曝光
2026年11月2日，AI工程师将RISC-V CPU直接编译进通义千问3.5 4B权重，实现AI权重运行《毁灭战士》。本文详解LLM权重复用原理、性能实测与局限，并梳理RISC-V架构在神经网络计算中的实验意义，探索大语言模型作为通用计算硬件的全新方向。
