目前人工智能芯片主要采用固化数据流的专用加速器架构来提供高性能、低功耗的计算能力。但是这样设计的架构编程性较差，存在芯片无法跟上人工智能算法快速发展的问题。为此，本项目将探索“强可编程智能芯片的指令集设计及实现研究”这一问题，以解决上述专用加速器的不可编程局限性。

为了提高人工智能芯片的编程性，本项目考虑深度融合基于冯诺伊曼架构的通用架构和基于固化数据流的专用加速器架构，吸收两种不同架构的优点，重点关注：1) 如何根据人工智能算法的要求为智能芯片选取合适的通用编程模型；2) 如何融合通用编程模型以及专用加速模型，以最小化对前者对后者造成的干扰；3) 如何在融合后的架构上有效的执行人工智能应用。

该研究成果可进一步完善现有人工智能专用芯片设计，为不断快速发展的人工智能算法提供编程性上的保障，从而为融合、统一现有两种不同的架构—通用架构和专用架构，提供一种新颖的思路。

冷静文，上海交通大学约翰·霍普克罗夫特计算机科学中心助理教授，主要研究方向包括异构计算系统的并行化和性能、能效、可靠性方面的优化，以及针对深度学习应用进行大规模并行化和新型加速芯片设计。他于2016年12月毕业于德州大学奥斯汀分校电子与计算机工程系并获得博士学位，2010年7月毕业于上海交通大学，获得学士学位。其在博士期间主攻方向为GPU处理器的体系结构优化，目前主持一项自然科学基金青年基金（2017年）和多项合作课题，他也入选了2018年微软亚洲研究院青年学者铸星计划。

CCF-腾讯犀牛鸟基金于2013年由腾讯公司和中国计算机学会（CCF）共同发起，致力于面向海内外青年学者搭建产学研合作及学术交流的平台。7年来，犀牛鸟基金为全球范围内极具创新力的青年学者提供了解产业真实问题，接触业务实际需求的机会，并通过连接青年学者与企业研发团队的产学科研合作，推动双方学术影响力的提升及应用成果的落地，为科技自主研发的探索和创新储备能量。