RVV 作为 RISC-V 指令集的向量扩展，凭借其可变长等设计特点，为高性能计算带来全新可能的同时，也为编译器自动向量化和手工库优化带来新的挑战。自 2024 年进迭时空推出支持 256 位向量宽度的 RVV 1.0 扩展的 K1 芯片以来，SpacemiT K1 已经被全球开发者广泛用于 RVV 开发。

进迭时空在 RISC-V 产品化实践中，深刻受益于社区开发的 RVV 优化，也在实际使用中发现了一些潜在问题，并进行了修复与完善。秉持“取之于开源，贡献于开源”的理念，进迭时空将 RVV 的优化改动陆续 upstream。此前，进迭时空已分享过 Vector 技术实践、OpenCV 成果等系列工作，本文将进一步介绍 3 个重要基础库的改动。

libpng

libpng 是官方PNG（Portable Network Graphics）图像格式参考库，负责 PNG 图像的编码、解码及处理，广泛应用于浏览器、图像处理软件及操作系统中的 PNG 解析与生成。

在 Paeth 滤波实现png_read_filter_row_paeth_rvv中，RVV 并行处理多个像素的减法、绝对值、比较选择等操作，避免了传统逐像素处理的循环开销。进迭时空测试发现原实现存在未定义行为，导致高优化级别（-O2/-O3）下 PNG 解码输出损坏的图像数据。分析其根本原因是原 RVV 实现错误依赖于 “掩码未激活位置保留原始值”的特性。而根据 RVV 1.0 规范，掩码位为 0 的位置其行为是“实现定义”的——这些位置的值可能被保留，也可能被设为全1（0xFFFF）。

进迭时空 Upstream 的 patch ^[1] 改用完全确定性的无条件向量操作。新实现不仅更安全，指令更精简，速度还更快，在 SpacemiT K1 处理器上可获得约 14% 的速度提升。

在平均滤波实png_read_filter_row_avg_rvv中，RVV 利用向量加法与移位指令，一次性处理多个像素的并行平均计算，显著减少了分支与指令数，提升吞吐量。原有 RVV 实现中使用 vwaddu + vnsrl 完成平均值计算，性能优于标量实现，但仍存在优化空间。

进迭时空 Upstream 的 patch ^[2] 改用一条专门的向量无符号平均指令 vaaddu，并配合设置舍入模式（vxrm=2，朝零舍入），直接完成加法和平均计算。优化后指令数量减半，有效降低了指令缓存和译码的压力，减少了循环开销，从而显著提升了函数整体吞吐量。

zlib-ng

zlib-ng 是 zlib 库的下一代高性能实现，专注于数据压缩与解压缩，实现了 Deflate 算法（RFC 1951）。被 libpng、HTTP 服务器及游戏引擎等依赖，广泛用于实时压缩/解压数据流。

Deflate 算法中大量使用内存块复制（如字典回溯复制）。RVV 的向量加载/存储指令可一次性拷贝整个向量寄存器（如 256 位数据），减少循环迭代次数，隐藏内存延迟，尤其适合长距离重复模式的数据压缩场景。

进迭时空 Upstream 的 patch ^[3]  针对 chunkcopy_rvv 函数中内存重叠复制场景进行优化，通过跳过不必要的内存对齐和最大化单次复制长度，精细地优化了在真实负载（尤其是数据包压缩、安装软件等常见操作中出现的重叠复制模式）下的执行路径，带来了可观的性能提升。

libyuv

libyuv 是谷歌开源的跨平台的 YUV 图像处理库，核心功能是高效实现 YUV 与 RGB 颜色空间转换、图像缩放、旋转、裁剪及镜像等操作，广泛应用于移动端、WebRTC、编解码、视频处理等领域。

RVV 扩展指令虽已于 2021 年发布 v1.0 ratify 版本，但在实际开发中，除了直接使用汇编代码外，开发者更常借助更为便捷的 intrinsic 编程接口。RVV intrinsic 接口历经 v0.11、v0.12 版本，于 2025 年 4 月发布 v1.0  ratify 版本，对应的编译器版本也是逐步完善。

当前 libyuv 库中的 RVV 实现，主要通过宏定义等方式判断编译环境，为 v0.11 和 v0.12 分别提供支持。但在后续迭代过程中，v0.12 的支持被关闭，v1.0 则尚未被纳入考虑。

进迭时空 Upstream 的 patch^{[4] [5]}，通过重新梳理条件组合，使得 libyuv 在 v0.12 和 v1.0 的编译环境中，也能正确启用 RVV 优化。

结语

RVV 扩展自 2021 年迎来 v1.0 版本，随后市场上开始出现 SpacemiT K1 等支持 RVV 1.0 的处理器，为 RISC-V 社区开发提供了良好的硬件基础。RVV intrinsic 在 v0.12 之后接口已基本稳定，v1.0 也在 2025 年ratify，软件接口统一，工具链成熟，都将更好地支持 RVV intrinsic 的优化。

RVA23 时代，RVV 更是成为了必选扩展，2026 年市场上将有 SpacemiT K3 等更多支持 RVV 的高性能处理器，面向 RVA23 的软件也都将继续使用 RVV 深入进行性能优化。

进迭时空的高性能 RISC-V AI CPU，将搭载越来越强的 RVV 算力和 AI 算力，也将继续拥抱开源，与社区携手共建 RISC-V 软件生态。

附录

[1] https://github.com/pnggroup/libpng/commit/d27beddf9f4d80b8998791cbb91fe684820ff387

[2] https://github.com/pnggroup/libpng/commit/87ed1cd2b802ba8df133e6cbc91a5b4fdaf87cf6

[3] https://github.com/zlib-ng/zlib-ng/commit/962ab42190c0fd197595c8f47e2c9ea91fd7c0aa

[4] https://chromium-review.googlesource.com/c/libyuv/libyuv/+/6953818

[5] https://chromium-review.googlesource.com/c/libyuv/libyuv/+/6995438