11月16日至17日，由中国人工智能学会（CAAI）主办，CAAI会员服务工委会及CAAI会士之家联合承办，浙江杭州未来科技城（海创园）管委会协办，主题为“AI驱动的芯片设计”的中国人工智能学会AI前沿讲习班（CAAI-AIDL）第十四期在杭州成功举办，线下线上超95万人次参会。

　　此次讲习班由西安交通大学人工智能与机器人研究所教授孙宏滨和大连理工大学集成电路学院教授常玉春共同担任学术负责人，邀请来自多个领域的资深专家学者组成讲师团，为AI及芯片领域的青年学者、从业者、教育者，以及广大科技爱好者、兴趣者打造一系列关于“AI驱动的芯片设计”的精品课程。

　　讲习班上，浙江大学求是特聘教授、长聘教授卓成带来主题为“高效LLM加速器开发与模型推理的敏捷设计框架：挑战与实践”的报告。卓成表示，大语言模型正在各个应用领域产生深刻变革，而大模型算力需求与硬件算力供给间存在巨大矛盾。他指出，大模型的复杂性和规模对于传统设计分析和验证流程是个巨大挑战，亟须端到端的流程以支持软硬件协同的深层次优化能力。

　　复旦大学教授、集成芯片与系统全国重点实验室IP与芯片架构创新中心主任韩军带来主题为“RVLPU：基于RISC-V矩阵扩展的大模型处理器”的报告。韩军指出，矩阵算力需求激增，必须对传统的架构进行创新。当前，领域专用处理器接口有着巨大优势，包括精简的指令交互接口、快速的指令传输通道、支持多核扩展等。

　　天津大学微电子学院副院长刘强带来主题为“面向边缘训练的AI模型和架构设计”的报告。刘强从AI的日常应用入手，如无人驾驶、人脸识别、智能安防、人工智能生成等等，并介绍了在这些场景中的应用模型，部署在边缘侧的数据与云端的数据也会有差别。他指出未来将会在边缘侧进行训练，以避免反复上传云端进行训练产生的成本。

　　知合计算CEO、研究员孟建熠带来主题为“开源RISC-V架构与AI融合创新”的报告。孟建熠指出，RISC-V是计算架构生产关系的重大变革，进而例举了芯片制造、芯片设计等模式改变带来的行业的突飞猛进和工业界基于RISC-V的架构创新尝试。最后，他指出，打造高性能的标杆产品，并牵引软硬件统一生态的成熟是RISC-V发展的关键一步，而软硬件协同设计则是提升算力最有效的方法。

　　杭州电子科技大学特聘副教授赵镇鑫带来主题为“人工智能辅助模拟IC原理图自动生成”的报告。赵镇鑫介绍了EDA技术创新中心的研究内容，包括集成电路EDA技术研究和相关人才培养等。并重点介绍了模拟IC原理图的优点，包括能提升生成数量、生成能力、生成效率等。

　　俄罗斯工程院外籍院士、浙江海洋大学海天智能物联网实验室主任陈宏铭带来主题为“面向高性能人工智能芯片的设计与测试方案”的报告。陈宏铭的报告围绕高性能人工智能芯片的IP与ASIC设计方案、DFT与仿真方案和芯片测试方案三个部分展开。最后，陈宏铭提出了高速大功率测试的解决方案，主动式热控制（ATC）用于生产测试的温度控制，能让产品在量产测试中维持在正负3℃的温度变化。

　　上海交通大学电子信息与电气工程学院副教授孙亚男带来主题为“面向高阶智驾的多模态AI计算架构探讨”的报告。孙亚男从趋势与挑战、提高架构计算效率、增强架构可扩展性和产业落地—光至R1芯片四个方面展开。她指出，智能驾驶正在快速发展，而高阶自动驾驶的关键需求有两个需求，包括多模态需求和算力需求等。孙亚男重点介绍了光至R1芯片，该芯片是大模型时代第一颗原生具身智能芯片、数据闭环定义的高阶智驾芯片、具有图灵完备的通用可编程计算引擎和完整的异构协同计算配置。

　　安徽大学集成电路学院院长吴秀龙带来主题为“面向RISC-V芯片自动化设计的联合优化方法”的报告。吴秀龙首先介绍了模拟集成电路设计、数字集成电路、处理器芯片和存储电路设计，进一步提出了RISC-V的优化设计目标，并在最后指出，构建算法池，多算法联合优化能够在最大程度上解决芯片自动化设计中的优化难题。

　　宁波大学电子信息科学与技术系主任张跃军带来主题为“基于生物信号的人工智能疾病检测SoC芯片设计”的报告。张跃军首先从人体生物信号介绍入手，强调了包括脑电信号、心电信号、皮肤等多种人体生物信号可用于医学诊断、健康监测及人机交互系统。张跃军指出针对脑电信号的SoC芯片关键技术研究有利于癫痫、阿尔兹海默症的预测，并对流水线式卷积神经网络IP核设计和疾病监测AI+SoC芯片进行了介绍。

　　孙宏滨带来主题为“迈向具身智能计算系统之路——算法与架构协同创新”的报告。他从具身智能计算架构探讨和片上自学习架构研究进展两方面展开。他指出，我国自主智能系统SoC芯片是产业自主创新的短板，自主智能系统对芯片的算力需求快速增长，芯片可能再次成为产业短板，而具身智能是自主智能系统发展的重要方向。同时，孙宏滨列出了下一步研究工作，如片上自学习架构、多模态大模型推理等。

　　此次讲习班现场气氛热烈，与会师生与专家就报告内容和人工智能前沿研究与技术进行了热烈讨论，共同为AI驱动的芯片设计领域的发展贡献智慧与力量。专家学者们讲解了如何利用深度学习、强化学习和生成模型等AI技术，实现芯片的自动化设计、性能预测、优化电路布局等，并剖析AI在芯片设计工作中的具体案例，为与会者提供先进的技术见解与实际应用思路，助力芯片开发生态发展与AI技术产业化应用。

　　未来，AI将更深度、更全面地融入芯片设计，从最初的构思到最后的产品测试，贯穿整个流程。无论是芯片设计从业者还是对此领域感兴趣的科研人员，本期AI前沿讲习班深入探究了AI赋能下一代半导体技术的机会，也为AI赋能下一代半导体技术注入新的力量！（毛莹）