5月30日，集成电路“芯论道”前沿学术沙龙成功举办，本次会议以“面向高效人工智能的新型架构与电子系统”为主题，汇聚了来自北京大学、清华大学、电子科技大学、中山大学、南方科技大学、上海交通大学等多所知名高校的顶尖学者与青年才俊。与会专家围绕存算一体、类脑计算、高能效AI芯片、大模型推理加速、具身智能感知等前沿方向，分享了最新研究成果与产业洞见，为我国高效人工智能硬件生态的创新发展提供交流平台。
北京大学博雅特聘教授、信息工程学院院长杨玉超作为开场嘉宾，介绍了存算一体与类脑芯片的突破性进展。他长期从事存算一体芯片、类脑计算与脑机接口研究，主持国家重点研发计划等20余项重大科研项目。他指出，传统计算架构面临“存储墙”与“功耗墙”的双重挑战，而基于新型存储器件的存内计算技术有望将能效提升一到两个数量级。
电子科技大学周军教授带来了题为“面向具身智能的高能效视觉定位芯片设计”的报告。视觉定位是具身智能机器人的核心技术，但其算法复杂、算子混合、数据依赖性强，难以在CPU、GPU及传统AI芯片上高效运行。周军团队从算法与芯片协同设计角度出发，提出了高能效视觉定位专用芯片方案，有效降低了延时与功耗，为机器人自主导航提供了关键芯片支撑。
中山大学微电子科学与技术学院院长虞志益教授以“高能效智能计算芯片探讨：存算一体及类脑智能”为题，剖析了传统CPU与GPU面临的性能与能效挑战。他展示了基于存算一体技术的流处理器芯片原型，以及基于异步电路的自主学习类脑计算芯片，这些工作为后摩尔时代的智能计算开辟了新思路。
清华大学李学清副教授的报告聚焦“超高密度CMOS内存计算电路与架构”。他指出，现有SRAM与eDRAM存内计算方案的存储密度不足，导致大模型加速时需要频繁访问片外DRAM，严重制约系统级能效。李学清团队提出了SRAM-ROM混合型存内计算宏架构，并展示了支持CNN与Transformer加速的芯片，其宏级存储密度显著提升，结合迁移学习与稀疏优化，实现了灵活的任务扩展与高能效推理。
电子科技大学刘洋教授介绍了“基于2.xD封装的可配置算力系统”。针对雷达探测、目标识别等动态场景下不同算力需求（2Tops~1000Tops），以及传统GPU+FPGA方案在先进工艺下成本高、良率低、算力固定的问题，刘洋团队利用2.xD先进封装技术，开发了低成本基础算力芯粒与多功能芯粒，通过芯粒集成与可配置设计，实现了算力按需伸缩的标准化系统模块。
北京大学助理教授燕博南的报告“存储为中心的通用人工智能处理器设计”则从认知架构出发，提出了感知、理解、决策、学习四位一体的AGI硬件实现方法。他展示了数字型SRAM存内计算芯片、图模型加速器、大语言模型推理专用认知处理单元，以及基于FPGA的强化学习加速器PEARL，全方位重构了面向AGI的算力基础。
南方科技大学副教授王中锐以“面向忆阻计算的软硬件协同设计：从数据到模型”为题，阐述了如何将忆阻器的非理想特性转化为优势。他展示了零样本学习、图学习、扩散模型常微分方程求解器等应用案例，实现了模拟域存内处理与神经隐式表示的高效硬件部署。
上海交通大学副教授孙亚男聚焦“高能效异构存内计算电路设计”，针对Transformer大模型的端到端推理加速，提出了差分RRAM与SRAM异构的三维集成方案，并结合双比特权重串行、乒乓计算、动态任务调度等技术，有效减少了流水线气泡，提升了模型推理的吞吐与能效。
会上，中国电子学会期刊发展处处长宋甲英还介绍了中国电子学会及学会期刊集群情况，重点基于《电子学报》《Chinese Journal of Electronics》介绍中国电子学会期刊要求和服务，同时为研究生学术发表提出建议。
本次活动吸引了川内其他高校师生、企业负责人、师生等100余人参加。“芯论道”系列论坛将持续搭建集成电路与AI领域的跨学科学术交流平台，推动产学研深度融合，助力我国在集成电路领域自主创新与引领发展。
