文章导读
当AI算力需求爆炸式增长，摩尔定律却陷入停滞——上海交大张宸十年前提出的"Caffeine"框架如何逆势破局？这篇斩获ICCAD十年回顾最具影响力论文奖的突破性研究，首次实现深度神经网络端到端硬件加速：通过软硬件协同设计自动分析模型特征，生成功能定制化处理器架构，吞吐量与能效远超行业标杆。被谷歌、英伟达等巨头争相引用700余次，它不仅破解性能瓶颈，更重塑了后摩尔时代的设计范式。一窥这场改变产业格局的硬核创新，答案尽在文中。
— 内容由好学术AI分析文章内容生成，仅供参考。
10月26日至30日，IEEE/ACM国际计算机辅助设计大会（ICCAD 2025）在德国慕尼黑举行。上海交通大学集成电路学院（信息与电子工程学院）张宸老师荣获ICCAD Ten-Year Retrospective Most Influential Paper Award（十年回顾最具影响力论文奖）。
张宸（左三）在现场领奖
关于“十年回顾最具影响力论文奖”
IEEE/ACM International Conference on Computer-Aided Design (ICCAD) 是电子设计自动化（EDA）领域的顶级国际会议之一，自1982年创办以来，始终致力于推动集成电路与系统设计方法、工具及技术的创新。ICCAD以评审严格、学术前瞻性强著称，被誉为EDA领域的“风向标”。大会每年吸引来自全球顶尖高校、研究机构及科技企业的广泛参与。
ICCAD Ten-Year Retrospective Most Influential Paper Award每年评选1次，每次评选1篇，在当年对过往十年的研究进行回顾性评估，遴选对EDA领域产生持续且深远影响的代表性论文，是该领域最具分量的国际学术荣誉之一。
张宸作为论文第一作者获奖，论文题为“Caffeine: Toward uniformed representation and acceleration for deep convolutional neural networks”，发表于 ICCAD 2016，由其在攻读博士期间在丛京生院士和孙广宇教授指导下完成。论文提出面向深度卷积神经网络（CNN）的统一表示与加速框架，系统性缓解AI计算在硬件实现中的性能瓶颈，为人工智能计算在硬件架构层面的优化设计奠定了重要理论基础。
基于FPGA的可重构定制化人工智能处理器系统框架示意图
研究内容
在“后摩尔时代”，体系结构的演进正受到顶层算法需求与底层硬件约束的双重驱动。一方面，人工智能应用的爆发式增长使算力与带宽需求呈指数级攀升；另一方面，摩尔定律放缓使得芯片性能提升趋缓、设计复杂度与可靠性挑战加剧。应对这一趋势，芯片设计正从通用处理器转向领域定制架构（Domain-Specific Architecture，DSA）。
论文提出了一套软硬件协同设计的EDA框架，能够自动分析AI模型的计算特征，提取关键算子并生成功能完备的定制化处理器架构。该框架创新性地结合了高层次综合（HLS）工具与AI计算框架，实现对模型性能瓶颈的自动识别与优化，在最大化计算与带宽利用率的同时保持可编程性，实现了AI模型的端到端加速。
核心技术1：提出高维张量分析方法，自动分析AI模型的计算特征
核心技术2：软硬件协同的全自动AI处理器架构生成工具
具体而言，Caffeine通过对深度神经网络数据流图进行多面体与Roofline建模，实现软硬件全栈的性能分析与自动化生成：
（1）硬件层面：从AI模型中自动提取算子集合，统一映射到可重构中间表示，并生成高效的FPGA硬件实现；
（2）软件层面：根据硬件配置（矩阵引擎、缓存、流水线等）自动生成指令流，优化算子调度与内存管理。
论文首次实现了一个端到端的AI模型硬件部署框架，支持从AI计算框架自动生成FPGA实现，在推理层划分、矩阵乘法内核优化与通信带宽提升方面均取得显著成效。实验显示，所生成的加速器在吞吐量、资源利用率及能效方面均超过多项同期国际领先工作，为深度学习模型在可重构硬件上的快速部署提供了范式化解决方案。
辐射影响
该成果自发表以来在学术界与产业界均产生广泛影响，被谷歌（Google）、英伟达（NVIDIA）、英特尔（Intel）、AMD等国际领先科技企业引用与采用，对AI芯片和FPGA加速器的设计与优化产生了深远影响。据统计，该论文引用量持续攀升，目前已达到700余次，成为EDA领域过去十年中最具影响力的代表性工作之一。
此外，张宸同时荣获ICCAD 2025 Best Reviewer Award（最佳审稿人奖），以表彰其在国际学术评审工作中的严谨态度与卓越贡献。
获奖人介绍
张宸，2023年5月加入上海交通大学集成电路学院（信息与电子工程学院），现为长聘教轨助理教授。主要研究方向为人工智能计算架构与芯片系统设计。曾先后在微软研究院和阿里巴巴平头哥半导体公司任职，长期从事人工智能处理器设计与优化研究，参与多项国内外重大芯片研制工作。在国际顶级会议与期刊发表论文30余篇，第一作者或通讯作者论文总引用超过5300次，最佳论文或提名4次（FPGA’2015, TCAD’2019, MICRO’2022, ISEDA’2025, ISCA’2025），十年最有影响力论文2次（FPGA’2015, ICCAD’2016），入选FPGA名人堂、AI-2000世界最有影响力学者、Stanford and Elsevier前2%高被引学者等。
作者： 集成电路学院（信息与电子工程学院） 供稿单位： 集成电路学院（信息与电子工程学院）
© 版权声明
本文由分享者转载或发布，内容仅供学习和交流，版权归原文作者所有。如有侵权，请留言联系更正或删除。
相关文章
暂无评论...