活动开场，赵亮研究员以 “突破内存墙：面向动态与非线性 AI 任务的存内计算架构创新” 为主题展开分享。他指出，随着人工智能的快速发展，传统架构面临严重的 “内存墙” 瓶颈，存内计算（CIM）架构虽为解决这一问题提供了方向，但现代 AI 模型中大量的动态权重访问和非线性操作给 CIM 架构设计带来了新挑战。赵亮研究员介绍了其团队研发的 AESHA 和 FeKAN 两种新型 CIM 框架。AESHA 是一种面向 Transformer 的混合 RRAM-SRAM 架构，通过特征分解和结构化剪枝，大幅减少了内存占用，同时解决了 RRAM 的耐久性限制；FeKAN 则采用基于 FeFET 的内容可寻址存储器（CAM）和查找表（LUT），实现了高效的 Kolmogorov-Arnold 网络（KAN）计算，包括大规模动态 B 样条插值。实验结果表明，这两种架构在性能和能效方面相比 GPU 均有显著提升。

浙江大学 赵亮

于维翰教授带来了 “高能效高密度面向边缘人工智能的存内计算和近内存计算电路算法协同设计” 的精彩演讲。他强调，边缘 AI 的快速发展使得对高能效、小面积计算和存储解决方案的需求愈发迫切，存内计算的电路算法协同设计是实现低成本、电池高效的边缘 AI 系统的有前途的电路架构。通过算法协同设计，能够开发出创新的电路技术，显著降低边缘 AI 推理的能源消耗。于教授将这些技术应用于关键词识别（KWS）、说话人验证和机器健康监测等应用，取得了最先进的性能提升。同时，他还探讨了低泄漏 5T - SRAM、无线分布式 AI、TD - CNN 和 AI 定义的电路系统等电路技术，以应对未来边缘 AI 的关键挑战。

澳门大学 于维翰

姜泓吾教授以 “面向点云神经网络的存算一体软硬件协同设计” 为核心，剖析 3D 点云神经网络（PNNs）在边缘设备部署时面临的内存访问密集型挑战。他提出基于存算一体的加速器设计方案，通过算法 - 硬件协同技术减少映射操作与 Sparse3D 卷积的冗余内存访问，实测数据显示其速度与能效优于现有主流加速器及 GPU。

香港科技大学（广州）姜泓吾

每场演讲后，参会者围绕技术产业化路径、跨学科融合方向等议题与主讲嘉宾展开热烈交流。从 “存算架构在自动驾驶中的实时性优化” 到 “边缘设备算力与存储的动态分配策略”，思想的交锋不仅深化了对技术细节的理解，更催生出跨维度创新思路，为集成电路产业协同发展提供新范式。

通过汇聚学界菁英、展示前沿成果、推动跨界对话，本次活动不仅为技术开发者提供了 “从原理创新到工程实现” 的参考依据，更以河套为关键支点，有效链接内地与港澳的创新资源。未来，研究院将持续推出 “创芯” 讲坛系列活动，聚焦技术发展趋势，打造学术交流高地，为集成电路技术突破贡献智慧力量。