NEON（ARM架构）与RISCV的Vector拓展（RISC-V架构）是两种针对SIMD（单指令多数据）并行计算的指令集扩展，其设计目标和应用场景有相似之处，但在实现方式、灵活性及生态支持等方面存在显著差异。以下从多个维度对比两者的异同：

1 相同点

1.1 SIMD加速目标

两者均旨在通过单指令操作多个数据，提升多媒体处理、科学计算、AI/机器学习等数据密集型任务的性能。

NEON应用场景：
- 在视频编解码、图像处理中广泛应用
- 能够同时处理多个像素或数据元素
- 加速视频压缩和解压缩过程
- 快速进行图像滤波、边缘检测、色彩空间转换等操作
RVV应用场景：
- 优化OpenCV、TensorFlow等框架的执行效率
- 提供更高效的向量指令集
- 加速图像识别、目标检测等任务
- 提升模型训练和推理速度

1.2 支持数据类型

均支持整数（8/16/32/64位）和浮点数（单精度/双精度）操作
可通过向量寄存器并行处理多个元素：
- NEON：128位寄存器可同时操作16个8位整数
- RVV：向量寄存器宽度可动态配置，如128，256，512，1024

1.3 应用场景重叠

两者均适用于需要高吞吐量的场景，如：

矩阵运算
信号处理
加密计算

2 不同点

2.1 应用领域扩展性

指令集	应用领域	作用
NEON	传统的嵌入式及移动终端	提升多媒体处理效率，优化用户体验
RVV	人工智能和高性能计算领域	支持机器学习和深度学习，高效处理大数据

2.2 寄存器设计与灵活性

指令集	寄存器长度	特点
NEON	固定长度	包括 16 个 128 位的 Q 寄存器或者 32 个 64 位的 D 寄存器，数据类型和并行度由指令明确指定，指令阅读门槛较低
RVV	可变长度	支持可变长度向量寄存器（VLEN），元素宽度（SEW）和向量长度（LMUL）能通过vsetvli指令动态配置，能适配不同硬件环境，为开发者提供更大灵活性和可扩展性

2.3 指令集设计哲学

指令集	设计思想
NEON	提供了丰富全面的指令集，支持加法、乘法、比较、移位、绝对值、极值运算等多种操作。通过扩展功能（如饱和操作、数据类型转换等）增强了指令的灵活性。
RVV	RISC 架构的核心思想是使用较少且简单的指令集。每条指令通常只完成一个基本操作，从而实现高效的指令执行和更高的处理速度。与复杂指令集（CISC）相比，RISC 的指令集更精简，硬件实现更简单，强调通过优化的流水线设计和高效的指令调度来提高性能。

2.4 生态与兼容性

指令集	描述
NEON	在 ARM 生态中是强制性扩展，所有 Cortex-A 系列处理器均支持。旨在为多媒体和信号处理等应用提供高效的向量处理能力，可并行处理多个数据元素提高处理速度，但不同版本工具链支持的 NEON 版本不同，可能带来兼容性问题。
RVV	进迭时空在开源与生态建设方面正在大步前行，积极参与各类开源项目，与众多开发者共享技术成果，不断推动技术的创新与发展。同时，进迭时空还致力于构建一个活跃且包容的开源社区，为开发者们提供交流与合作的平台，促进社区成员之间的知识共享和经验交流。

2.5 开发门槛

指令集	描述
NEON	依赖静态数据对齐和特定内存操作指令（如vld1/vst1）提升访存效率，需手动优化数据结构。在实际应用中，开发人员需要仔细分析数据的存储方式和访问模式。这一过程不仅需要对硬件架构有深入的理解，还需要具备丰富的编程经验和优化技巧。开发门槛较高。
RVV	通过内存连续访问自动向量化，支持非对齐访问，对普通数组即可启用 SIMD 加速，降低开发门槛。 RVV 技术的出现极大地简化了 SIMD 编程的复杂性，它能够自动识别连续的内存访问模式，并将其向量化，从而在无需手动调整数据结构的情况下，实现高效的并行计算。这一特性不仅提高了开发效率，还减少了因手动优化不当而可能引入的错误。降低了开发门槛。

指令集

描述

NEON

依赖静态数据对齐和特定内存操作指令（如vld1/vst1）提升访存效率，需手动优化数据结构。
在实际应用中，开发人员需要仔细分析数据的存储方式和访问模式。
这一过程不仅需要对硬件架构有深入的理解，还需要具备丰富的编程经验和优化技巧。开发门槛较高。

RVV

通过内存连续访问自动向量化，支持非对齐访问，对普通数组即可启用 SIMD 加速，降低开发门槛。
RVV 技术的出现极大地简化了 SIMD 编程的复杂性，它能够自动识别连续的内存访问模式，并将其向量化，
从而在无需手动调整数据结构的情况下，实现高效的并行计算。
这一特性不仅提高了开发效率，还减少了因手动优化不当而可能引入的错误。降低了开发门槛。

3 总结

RISC-V的主要优势

应用领域优势
- 在人工智能和高性能计算领域表现出色
- 为机器学习和深度学习提供有力支持
- 高效处理大量数据，加速模型训练和推理
- 为科学研究和工程应用提供强大计算能力
寄存器设计灵活
- 支持可变长度向量寄存器（VLEN）
- 元素宽度（SEW）和向量长度（LMUL）可通过vsetvli指令动态配置
- 适配不同硬件环境
- 为开发者提供更大灵活性和可扩展性
设计哲学先进
- 遵循RISC架构核心思想
- 使用精简指令集，每条指令完成一个基本操作
- 硬件实现简单
- 通过优化流水线设计和高效指令调度提高性能
开发门槛较低
- 支持内存连续访问自动向量化
- 支持非对齐访问
- 对普通数组即可启用SIMD加速
- 开发人员可专注于算法实现和业务逻辑
生态建设积极
- 开源社区建设持续推进
- 积极参与各类开源项目
- 共享技术成果
- 构建活跃包容的开源社区

4 参考代码

代码下载：add-examples

以下以向量加法为例，介绍NEON和RVV代码的异同：

4.1 NEON实现

详细代码可参考：

void vector_add_neon(int32_t *vec1, int32_t *vec2, int32_t *result, int size)
{
    // 按照 4 个整数一组进行处理
    for (int i = 0; i < size / 4; ++i)
    {
        // 加载向量数据到 NEON 寄存器
        int32x4_t v1 = vld1q_s32(&vec1[i * 4]);
        int32x4_t v2 = vld1q_s32(&vec2[i * 4]);

        // 执行向量加法
        int32x4_t vresult = vaddq_s32(v1, v2);

        // 将结果存储回内存
        vst1q_s32(&result[i * 4], vresult);
    }
}

此代码仅供参考，旨在展示两种指令集在实际使用时的不同

使用NEON指令集实现向量加法的关键特点：

使用固定长度的向量寄存器
需要手动对齐数据
使用特定的向量加载/存储指令

4.2 RVV实现

代码可参考：

void vector_add_rvv(int32_t* vec1, int32_t* vec2, int32_t* result, size_t size) {
    // 设置向量长度
    size_t vl;

    for (size_t i = 0; i < size; i += vl) {
        // 动态设置向量长度，如果__riscv_vsetvlmax_e32m4()>size-i，长度会被设置为size-i，否则会被设置为__riscv_vsetvlmax_e32m4()
        vl = __riscv_vsetvl_e32m4(size - i);  
        vint32m4_t v1 = __riscv_vle32_v_i32m4(&vec1[i], vl);  // 加载 vec1
        vint32m4_t v2 = __riscv_vle32_v_i32m4(&vec2[i], vl);  // 加载 vec2
        vint32m4_t vresult = __riscv_vadd_vv_i32m4(v1, v2, vl);  // 向量加法
        __riscv_vse32_v_i32m4(&result[i], vresult, vl);  // 存储结果
    }
}

使用RVV指令集实现向量加法的关键特点：

支持动态向量长度
自动处理数据对齐
简化的内存访问操作

编译运行：

# 交叉编译
riscv64-unknown-linux-gnu-gcc riscv_vector_add.c -march=rv64gcv -o ins.out -static
#本地编译
gcc riscv_vector_add.c -march=rv64gcv -o ins.out -static
#运行
./ins.out

运行结果：

9 9 9 9 9 9 9 9

1.1 SIMD加速目标​

1.2 支持数据类型​

1.3 应用场景重叠​

2 不同点

2.1 应用领域扩展性​

2.2 寄存器设计与灵活性​

2.3 指令集设计哲学​

2.4 生态与兼容性​

2.5 开发门槛​