印度開發者 Divyansh Agrawal 做出實驗專案 Qwenputer，把一個完整運作、結果可預測的 RISC-V CPU 編譯進 Qwen3.5 4B 這個開源語言模型的權重裡。執行這顆 CPU 的不是晶片，而是模型內部的神經網路權重本身，整個計算都在模型裡完成，不需呼叫外部工具。
他直接用編譯器把 CPU 電路描述轉換成模型注意力層的權重設定，而非訓練模型模擬 CPU。作法是把注意力層的門與寫入強度固定為 1，並用 one-hot 編碼讓這層精確扮演記憶體，就能執行標準的 32 位元 RISC-V 指令集，還做了一套用雜湊值定位檔名的簡易檔案系統。
這個 CPU 通過了官方 RISC-V 測試，曾連續執行 1800 萬條指令都沒有出錯，乘法和除法等算術測試的正確率達到 97.5%。社群討論的重點在於，這證明語言模型的權重本身可以被當成一種可程式化的計算載體使用，而不只是用來預測下一個字，是一個很有創意的底層技術實驗。
這個專案偏向硬核的底層技術實驗，牽涉編譯器、CPU 架構與神經網路數學，對剛開始學程式的孩子來說門檻偏高。但它是一個很好的例子，說明把電腦怎麼運作這種基礎知識學通之後，可以拿去做很多意想不到、很有創意的組合，這也是程式學習長期下來真正有價值的地方。
AI開源程式語言硬體模擬