UT实战第十期:AI 向量处理器—浮点混合加法模块验证实战 (进行中)
挑战RISC-V向量扩展实战,亲手验证AI芯片模块
Created Oct 22, 2025 - Last updated: Oct 22, 2025
任务介绍
本期验证任务要求参与者完成基于 RISC-V “V” 扩展实现的 向量浮点混合加法模块(LaneFAdd) 的功能验证,通过在实战中加深对 RISC-V 向量扩展的理解。
RISC-V “V” (Vector) 扩展旨在通过单指令多数据(SIMD)并行处理模式,显著提升处理器在科学计算、机器学习、多媒体处理等领域的性能。向量处理器的核心思想是使用一条指令,对一组数据(即"向量")中的所有元素执行相同的操作。
为实现高并行度,向量处理器的执行模块通常被划分为多个并行的"通道"(Lane)。每个 Lane 包含一组专用的执行单元。当执行一条向量指令时,整个向量被拆分到各个 Lane 中,由每个 Lane 的执行单元并行处理各自的数据分片。
本次验证的对象 LaneFAdd 就是这样一个位于 Lane 内部、专门负责浮点加法相关的执行单元,支持“V”拓展中的浮点加减法及浮点比较等指令,并且额外支持 AI 所需的BF16浮点格式。
本次任务将提供经 Chisel 转换生成的 Verilog 代码(原始 Chisel 设计源代码不予提供)。
欢迎各位报名参加,请填写报名问卷并加入交流群:
- 万众一芯验证交流群(QQ):600480230
- LaneFAdd 验证交流群(微信):

如何参与
参与本次验证任务需要完成以下步骤:
- 填写报名问卷
- 加入 LaneFAdd 验证交流群(上方的微信群)
- 完成验证工作:基于 ut-vector-fadd 仓库提供的验证环境开展验证
- 提交PR:将验证结果通过Pull Request方式提交至该仓库
成果提交
请按以下流程提交您的验证成果:
- Fork仓库:首先fork仓库 ut-vector-fadd
- 完成开发:在fork的仓库中完成验证代码的实现和验证报告的编写
- 提交PR:成果准备就绪后,请向原仓库发起Pull Request,提交您的验证成果
Bug 报告
请直接在仓库中的issue反馈 bug。提交bug时,请在label中选择bug标签。
成果需求
每个子任务需要提交以下成果:
- 验证环境+API:验证环境和API是代码成果,是针对待验证对象(DUT)的数据职责(引脚)和行为职责(逻辑)的封装,需要提供特定的可复用的接口、测试套件、测试覆盖率等的定义。其中,搭建验证环境可以参考验证环境搭建教程,测试覆盖率相关的文档可以参考这两篇:行覆盖率、功能覆盖率。
- 测试用例:测试用例是代码成果,定义了用于测试的输入组合,以及预期的输出组合。构建测试用例可以参考测试用例添加教程
- 验证报告:验证报告是文字成果,包括对环境、测试点和测试用例的介绍,复现代码所需的环境和指令,以及对测试覆盖率等衡量指标的报告。
- 验证报告的书写可以参考这篇教程:验证报告教程
- 其他说明:如果运行您的项目需要其他的依赖,可在测试报告或PR中说明
本期任务需要参与者自行搭建验证环境。
[!TIP] 参与者也可以通过 AI 驱动的 UCAgent 自动构建验证环境并生成测试用例,随后在此基础之上进行深入的开发和完善。
奖励信息
本次验证任务将以线上实习的方式进行,名额有限,任务完成后将得到2000元的基础奖金。
此外,如果为 LaneFAdd 模块找出 bug 并反馈确认后,还会有额外奖金。
任务详情
详情请查阅仓库中的 verification_spec.md。
报名方式
请填写报名问卷参与本期任务,也欢迎加入万众一芯官方qq群:600480230。
如有疑问可在微信群或qq群中联系群主,或联系万众一芯官方邮箱:unitychip@bosc.ac.cn。