智能芯片与系统 | CNCC2021

李东升

国防科技大学

简介：国防科技大学教授、并行与分布处理国家级重点实验室常务副主任。兼任CCF体系结构专委会副主任、大数据专委会委员等职。曾获国家杰出青年基金、首批国家优秀青年基金、全国优秀博士学位论文。主要从事并行与分布式计算、高性能数据中心、数据智能处理等方面研究工作，在《中国科学》、IEEE/ACM Transactions等学术期刊以及USENIX ATC、NSDI、VLDB、EuroSys、IEEE INFOCOM等学术会议上发表学术论文100 余篇，主持研制的系统在国家重要领域得到应用。获国家科技进步二等奖、湖南省自然科学一等奖和中国青年科技奖等。

刘雷波

清华大学长聘教授、博士生导师，教育部长江学者特聘教授

刘雷波，清华大学长聘教授。1999年和2004年分别在清华取得学士和博士学位，后在欧洲微电子中心、麻省理工、牛津大学和林肯大学进修与访问。研究聚焦软件定义芯片、硬件安全与密码芯片、VLSI数字信号处理等。发表论文300余篇、授权专利80余项、撰写著作7部，参与制定国家标准1项。关键技术在一系国家重大工程中实现应用。曾获国家技术发明奖二等奖、中国专利金奖、教育部技术发明一等奖、中国电子学会技术发明一等奖等。

报告题目：软件定义芯片——可编程器件电路架构与设计范式创新

报告摘要：如何通过电路架构、编译技术和编程范式的软硬件协同创新，从根本上突破FPGA等传统可编程器件所面临的“编程门槛高”、“承载容量受限”和“能量效率低”这三大本征难题，突破下一代新型可编程器件的核心关键技术，以满足计算密集型和数据密集型应用不断增长的苛刻需求。报告人将给出对以上内容的分析和思考，并分享部分实验结果。

梁云

北京大学信息科学技术学院长聘副教授,获CCF 青年科学家奖

梁云，北京大学信息科学技术学院长聘副教授、博雅青年学者，北大-商汤智能计算联合实验室主任。梁云的研究领域是芯片设计自动化EDA和计算机体系结构，累计在相关领域的国际知名会议和期刊如ISCA、ASPLOS、MICRO、HPCA、DAC、ICCAD、FPGA等发表论文100余篇, 两次被评为国际会议 (ICCAD 2017, FCCM 2011) 最佳论文, 6次被提名为国际会议 (PPoPP 2019, DAC 2017/2012, ASPDAC 2016, FPT 2011, CODES 2008) 最佳论文。梁云是ACM TECS 和ACM TRETS 的Associate Editor，同时也是MICRO, ASPLOS, HPCA, DAC, FPGA 等会议的TPC。梁云是CCF 青年科学家奖，北京市杰出青年科学基金，北京市智源青年科学家的获得者。

报告题目：智能芯片的软硬件协同设计

报告摘要：芯片的体系架构决定了计算能力的峰值，而实际的性能发挥取决于基础软件包括算子库和编译。不论是芯片的硬件设计还是软件开发都面临开发周期长，门槛高的问题。本课题组提出软硬一体的智能芯片设计与优化方法，通过高层次的抽象，自动化工具，高效的算法，自动生成芯片的硬件架构和软件算子库, 降低芯片的软硬件开发门槛。

翟季冬

清华大学计算机系长聘副教授，博士生导师，清华大学计算机系高性能所副所长,获CCF-IEEE CS青年科学家奖（2020）

翟季冬，清华大学计算机系长聘副教授，博士生导师。现为清华大学计算机系高性能所副所长，ACM中国高性能计算专家委员会秘书长、北京智源青年科学家。主要研究方向包括高性能计算、性能评测和编译优化等。研究成果发表在相关领域顶级学术会议和期刊——SC、ICS、PPOPP、ASPLOS、MICRO、OSDI、ATC、IEEE TC、IEEE TPDS等。研究成果获ACM ICS 2021最佳学生论文奖、SC 2014 Best Paper Finalist、ICDCS 2020 Best Paper Honorable Mention奖。担任NPC 2018程序委员会主席、IEEE Cluster 2021领域主席、SC 2022领域副主席，SC、ICS、PPOPP等国际学术会议程序委员会委员。目前担任《IEEE Transactions on Computers》、《IEEE Transactions on Parallel and Distributed Systems》、《IEEE Transactions on Cloud Computing》等多个国际学术期刊编委。担任清华大学学生超算团队教练，指导的团队十一次获得世界冠军。获教育部科技进步一等奖、中国电子学会科学技术一等奖、中国计算机学会优秀博士学位论文奖、IEEE TPDS杰出编委奖、国家自然科学基金优秀青年科学基金（2017）、CCF-IEEE CS青年科学家奖（2020）。

报告题目：面向人工智能芯片的张量编译优化

报告摘要：随着摩尔定律发展的逐渐放缓，领域特定架构芯片成为当前处理器发展的主流趋势。为了满足深度学习应用对计算力的巨大需求，硬件公司推出了各种领域特定架构的人工智能芯片，例如寒武纪Cambricon、华为昇腾、阿里巴巴含光、百度昆仑等。如何开展面向人工智能芯片的自动编译技术对推动我国人工智能芯片的发展具有重要意义。本报告讨论当前在人工智能芯片上实现自动编译面临的主要挑战以及最新的研究进展。

欧阳剑

昆仑芯科技有限公司CEO

欧阳剑，昆仑芯科技有限公司CEO，原百度（芯片）首席架构师，原基础技术体系技术委员会主席。在计算机体系结构和系统领域有长时间的积累，参与过数据中心AI芯片，ARM服务器，软件定义Flash，智能网卡等一系列项目，曾在Hotchips 2014,2016,2017,2020发表过论文，ASPLOS2014最佳论文题目。

报告题目：昆仑AI芯片的架构，实现和应用

报告摘要：昆仑芯AI芯片是通用型人工智能处理器，目前已经量产了14nm的昆仑1和7nm的昆仑2。昆仑1在互联网，工业，政企等行业部署超过两万片。昆仑芯片有面向通用AI计算的架构，灵活易编程的软件栈，丰富的场景应用案例。该报告将介绍其技术，产品和应用场景。