CNCC｜软硬件协同设计：通往高效智能计算之路

哈亚军

上海科技大学信息学院 教授，后摩尔器件与集成系统研究中心 主任

在浙江大学、新加坡国立大学及比利时鲁汶大学分别获得电子工程学士、硕士及博士学位。他是国家自然科学基金“外国资深学者”和“重点国际(地区)合作”研究基金获得者，IEEE Transactions on Circuits and Systems II: Express Briefs（2022-2023）主编 (Editor-in-Chief)。研究兴趣包括FPGA电路/架构/工具、超低功耗数字集成电路和系统，以及以上研究在智能汽车、机器学习和硬件安全中的应用。

尹首一

清华大学 集成电路学院副院长/教授 

国家杰出青年科学基金获得者。研究方向为可重构计算、人工智能芯片设计。已发表学术论文200余篇，包括IEEE JSSC、TPDS、TCSVT、TVLSI、TCAS-I/II和ISSCC、ISCA、VLSI、DAC、HPCA等集成电路和体系结构领域权威期刊和学术会议。出版《可重构计算》、《人工智能芯片设计》专著2部。曾获国家技术发明二等奖、中国电子学会技术发明一等奖、中国发明专利金奖、教育部技术发明一等奖、江西省科技进步二等奖、中国电子学会优秀科技工作者奖、中国电子信息领域优秀科技论文奖。

报告题目：人工智能芯片的进展与挑战

人工智能的发展离不开“算力、算法、数据”三个关键要素的有力支撑，算力是承载和推动人工智能走向广泛应用的关键基础。随着人工智能快速从云端迁移到各类电子信息设备中，不断涌现的各类应用对计算芯片的算力、功耗和灵活性同时提出了严峻的挑战。研制可编程高能效人工智能芯片成为智能化时代必然选择。本报告从人工智能芯片的发展概况、技术路线、发展趋势、我国的优势和短板等方面系统介绍人工智能芯片领域的进展与挑战。

哈亚军

上海科技大学信息学院 教授，后摩尔器件与集成系统研究中心 主任

报告题目：基于FPGA的高能效轻量级神经网络加速器优化

FPGA得益于其高性能、高能效、高灵活性的特点，正在成为部署神经网络的重要平台。本报告从算法、电路和系统三个层面对基于FPGA的高能效轻量级卷积神经网络加速器设计与优化进行介绍。在算法层面，结合硬件对算法的需求优化了用于轻量级神经网络的量化算法；在电路层面，设计了高效的轻量级神经网络加速器以及面向FPGA 加速器的自适应电压频率调整平台；在系统层面，将电路层面的神经网络加速器与自适应电压频率调整结合，探索了自适应电压频率调整对加速器性能、功耗和精度的影响。

王中风

南京大学 微电子学院副院长

IEEE Fellow。在清华大学获得学士和硕士学位，在美国明尼苏达大学获得博士学位。他先后参与十余款商用芯片的设计，累计产值超10亿美金。他拥有百余项美国和中国的发明和专利，共发表300余篇国际期刊和会议论文，先后七次荣获IEEE主流会议和会刊的年度最佳论文奖。他累计8次担任IEEE多个会刊的编委和客座编辑，数十次担任各种国际会议的技术委员和各类主席。此外，他的有关技术方案已经被15种以上国际网络通信标准所采纳。目前他的主要研究方向是高速通信与人工智能系统的VLSI实现。

报告题目：高能效端侧神经网络训练加速器设计

本次报告重点介绍南京大学ICAIS实验室在高能效端侧训练加速器设计方面的研究成果。首先我们开发了混合压缩训练框架，实现了高达120倍计算量压缩和37倍的存储量压缩。此外，我们设计了专用的数据格式和量化算法，实现低比特高精度训练。同时，在训练的各个阶段，设计并实现了全流程三边(输入/权重/输出)稀疏的张量处理单元，通过层次化的索引匹配机制，灵活的片上数据流，实现高利用率和高能效比，从而满足端侧模型实时演化的需求。

王云鹤

华为算法应用部 部长

在华为诺亚方舟实验室从事人工智能算法的研发和在实际业务中的应用落地。主要的研究领域包含计算机视觉、机器学习、模型压缩、高能效AI计算等。在相关领域发表CCF A类学术论文近百篇，包含NeurIPS、ICML、CVPR、ICCV、IEEE TPAMI等。担任NeurIPS和ICML的领域主席，VALSE的高级领域主席。多项算法落地工业界产品，包含近几年发布的华为手机。主导的加法神经网络项目受到了业界的广泛关注。

报告题目：能耗高效的新型深度神经网络

深度神经网络的优势已经在很多任务展现了巨大优势，随着性能的提升，算力的增长已经成为了应用过程中的巨大瓶颈。面临这个业界挑战难题，加法神经网络和一系列低比特量化技术应运而生，配合硬件的协同创新，可以在内存、功耗、面积上取得较大的收益。

王井东

百度计算机视觉 首席科学家

CCCF动态编委、IEEE Fellow。2001和2004年在清华大学自动化系先后获得学士学位和硕士学位，2007年在香港科技大学计算科学与工程系获得博士学位。研究领域为计算机视觉、深度学习及多媒体搜索。代表工作包括高分辨率神经网络（HRNet）、基于有监督的区域特征融合（DRFI）的显著目标检测及基于近邻图的大规模最近邻搜索（NGS，SPTAG）等。曾担任过许多人工智能会议的领域主席，如 CVPR、ICCV、ECCV、AAAI、IJCAI、ACM MM等。现为IEEE TPAMI和IJCV的编委会成员，曾是IEEE TMM和IEEE TCSVT编委会成员。

报告题目：百度文心·CV大模型：算法和应用

本报告从预训练、下游任务算法、以及应用三个方面，介绍百度文心·CV大模型。预训练算法方面，主要围绕自监督表征预训练、以及图文弱监督表征预训练等展开讨论，并分析这两者之间的优势。下游任务算法方面，主要介绍基于transformer的2D和3D目标检测算法。应用方面，围绕百度在视觉大模型实际应用中的探索，包括自动驾驶感知和数据挖掘、智慧道路、能源等行业中的应用，涉及的技术包括自训练、特征蒸馏等。

穆黎森

地平线算法平台 总架构师

负责地平线产品研发技术架构设计。毕业于清华大学计算机科学与技术系，在算法开发、强化学习、机器学习等领域皆有深厚的研发及应用落地经验。

报告题目：软件2.0时代的自动驾驶技术及AI计算架构

面对AI对计算的需求大幅提升，地平线提出“AI计算的新摩尔定律”，以范式级智能算法和支持智能算法的硬件体系相结合，通过软件、算法和硬件架构联合优化，自主研发人工智能专用计算架构——BPU（Brain Processing Unit），实现高效的AI计算，加速智能计算架构2.0时代的到来。基于自研BPU计算架构，地平线打造高性能、大算力车规级AI芯片征程5，能够全面满足高等级自动驾驶的量产要求，将率先实现国产百TOPS级大算力AI芯片前装量产。