deepin-ports SIG 把 deepin 25 搬上了进迭时空（SpacemiT）K3，本地 AI 模型小U同学（原 UOS AI）能在这块板子上离线跑起来。RISC-V 桌面系统第一次做到开箱即用的本地推理，不用联网、不依赖云端。
K3 的硬件底子：三域协作
K3 是全球首批完整符合 RVA 23 标准的 AI 计算芯片之一，单颗 SoC 里塞了三类核心：
- 8 颗 X100 通用核：4 发射、乱序执行的 64 位 RISC-V CPU，单核 SpecINT 2006 大于 9.0/GHz，最高主频 2.4 GHz，8 核共享 8 MB L2，整机通用算力约 130 KDMIPS。
- 8 颗 A100 AI 核：走自研 IME（矩阵运算扩展）指令集，8 核合计约 60 TOPS（INT4 稀疏），可跑最高 300 亿参数模型，30B 下推理速率大于 10 tokens/s。
- 2 颗 RT24 实时核：负责系统管控与低功耗。
X100 与 A100 都带 RVV 1.0 向量扩展（VLEN 分别为 256 和 1024），共享同一套编程模型，算子不需要额外转换。芯片还集成了支持 Vulkan / OpenGLES 的 3D GPU、4K 编解码视频引擎、PCIe Gen3、USB 3.0，典型功耗 15–25 W。
系统侧怎么落地的
deepin 25 对 K3 的支持不是临时补丁，而是分三层维护：
内核与引导走 deepin-ports-kernel 仓库，维护面向 K3 的 6.18 内核分支和 u-boot；系统镜像依赖 deepin-ports-image 打包机制，跟随 deepin 主线迭代，最近同步加入了 Next（RVA 23）库支持；图形侧在 deepin-ports 仓库适配了 K3 的 GPU 驱动与固件，实机验证可正常工作。
镜像下载、分区、刷写 bootloader 的链路已经在 deepin-ports 镜像列表放出，按部署指南走即可。
Next 库：把工具链基线抬到 RVA 23
deepin 25 主线基于 RVA 20 搭建，核心组件版本对 RVA 23 新硬件已经不够用。deepin-ports SIG 单独开了 Next 仓库（RFC 见 deepin-community/rfcs#18），作为 deepin 25 的上层叠加仓库，同时启用 amd64、arm64、riscv64、loong64 四个架构构建。
它带来的是一套更高基线的基础运行库，核心工具链全局升级：GCC 15（默认）+ 16 原生完整支持 RVA 23 Profile，可直接通过 -march 参数开启相关指令集；Binutils 2.46 引入 RVA 23 的汇编与链接支持；Glibc 2.42 合入 RISC-V RVA 23 相关的字符串与内存操作优化；LLVM 21（默认）+ 22 让 Rust、Clang 构建的软件包吃满最新调优；OpenSSL 3.5 整合了 SM3、SM4、SHA512、ChaCha20 等算法的 RISC-V Vector / Zbb 汇编级调优。
这里有个工程上的取舍：Next 库尽量压缩下游 patch、直接跟随上游版本，因为维护人力有限。它同时也是 deepin 下一代版本的技术校验场。GCC 15/16 与 binutils 中 backport 了 SpacemiT K1/K3 的 IME 支持，这是跑本地 AI 的前提。
本地推理链路：从工具链到应用层
适配镜像里的小U同学，底层是基于 RVA 23 与 SpacemiT 矩阵运算私有扩展构建的本地 AI 运行时 deepin-modelhub。它针对 riscv64 下的 CPU dispatch 做了适配，能根据当前芯片能力自动选择最优算子实现。
llama.cpp 等常用的 GGML 运算库也打开了 SpacemiT 对应指令集支持，整体 variant 已在 RVA 23 库中构建并验证 RVV 加速，同时合入了 K1/K3 私有扩展的加速能力。
实际用法有两条路：直接在 小U同学 里下载并运行本地模型，得到桌面级 AI 助手体验；或者自行从库部署 llama.cpp，加载自定义 GGUF 模型，搭自己的本地推理环境。
实测验证与判定标准
系统起来后，用 lscpu 或 /proc/cpuinfo 能识别到 K3 的 8 颗 X100 与 8 颗 A100。跑本地模型时，任务会自动派发到 8 个 A100 AI 核。
验证推理是否真的走了 AI 核，可以看两点：一是 top 里 A100 核心的占用是否起来，二是模型加载日志里有没有命中 SpacemiT 的 IME 算子路径。如果只看到 X100 在跑，说明算子没派发到 AI 核，大概率是模型格式或运行时版本不匹配。
适用场景与风险提示
这套方案适合离线推理、边缘 AI 消费硬件、办公会议和内容创作场景。15–25 W 的典型功耗摆在那，长时间满负载跑 30B 模型，散热和供电要提前规划，别拿它当数据中心推理卡用。
Next 仓库目前还在持续构建和校验中，基础库与工具链会继续补全。生产环境建议等版本稳定后再上，尝鲜用体验镜像没问题。
想参与的话
K3 的最新 deepin 25 RISC-V 体验镜像已在 deepin-ports 镜像列表发布，下载、校验、刷写按部署指南走。想贡献的工程师可以申请加入 deepin-ports SIG，或者进 Matrix 研讨群交流。
