第四届嵌入式人工智能技术线上论坛由四川省电子学会嵌入式人工智能专委会主办，致力于搭建嵌入式人工智能技术产学研交流平台。论坛邀请国内外知名高校及企业的专家学者，围绕嵌入式人工智能软硬件设计及应用等方向开展交流，旨在推动相关技术在省内外的发展。今年是第四届嵌入式人工智能技术论坛，专委会特别邀请了来自多个知名高校、企业、研究所的10位专家学者，围绕人工智能芯片设计、多模态大模型、机器人行业应用等热点方向带来精彩分享。 

一、时间和参会方式

论坛时间：2025年12月13日（周六）9:00-17:00

参会方式：腾讯会议链接https://meeting.tencent.com/dm/dmyTUiduNNcI，腾讯会议号326-422-157 

二、论坛议程

三、论坛主席

周军 四川省电子学会嵌入式人工智能专委会主任，电子科技大学教授

四、论坛主持人

罗杨 四川省电子学会嵌入式人工智能专委会秘书长，电子科技大学副研究员

刘野 四川省电子学会嵌入式人工智能专委会委员，电子科技大学副研究员

五、报告人

焦海龙，北京大学深圳研究生院副教授

报告题目：低功耗高能效片上智能

报告摘要：人工智能技术的飞速发展对于底层芯片的算力、功耗、能效提出了越来越严苛的要求。本报告将介绍边缘计算场景中，三维感知领域与脑机接口领域的人工智能芯片研究的新进展。

报告人简介：焦海龙教授2012年于香港科技大学获得博士学位。2013年加入荷兰埃因霍温理工大学，任职助理教授，2016年获得终身教职。2015年起，兼任比利时鲁汶微电子中心（IMEC）访问研究员。2017年全职加入北京大学深圳研究生院信息工程学院，任职副教授，2023年升任长聘副教授。焦海龙博士的主要研究方向为低功耗高能效集成电路设计，已在JSSC、ISSCC、VLSI等发表论文110余篇。

邱方长，浙江中力机械股份有限公司自动车辆事业部总经理

报告题目：场内外全场景数智移动解决方案

报告摘要：从产品级、模式级、系统级三层次全面解析场内外全场景数智移动解决方案，并介绍中力全系列移动机器人产品。

报告人简介：邱方长，硕士毕业，参加移动机器人产品开发、生产、市场等工作8年多，有丰富的产品落地和销售经验。

刘野，电子科技大学副研究员

报告题目：面向端侧的高能效视觉感知定位芯片设计

报告摘要：近几年，视觉感知定位技术逐渐成为一项关键技术被应用到许多领域中，诸如自动驾驶、无人机、移动机器人、AR等，都需要以视觉感知定位技术为核心进行定位、建图、导航等功能，这些场景同时又对视觉定位技术提出了高能效、实时性、高精度、小型化的需求。由于视觉定位算法具有较高的复杂度和较大的计算量，在传统CPU上很难达到实时性；又由于视觉定位算法的特殊性（数据高依赖性、复杂多样的算子、多维矩阵计算等）更无法在GPU上完成加速，功耗也无法满足应用场景需求。本报告将从算法与芯片协同设计的角度出发，探讨算法、架构、电路的协同优化策略，设计领域专用芯片，以满足应用场景对视觉感知定位技术的落地需求。

报告人简介：刘野，电子科技大学副研究员，曾入选博士后国家资助计划C档，研究方向为视觉感知定位算法与芯片协同设计，目前已发表论文20余篇，包括TCAS-I、TCAS-II、HPCA、A-SSCC、ISCAS等国际顶级期刊和会议论文，申请并授权国家发明专利7项，主研国家级科研项目3项，包括国家自然科学基金联合基金项目、国家重点研发计划项目、军科委创新特区项目，曾受邀2024-China-Crypto芯片学术会议组织委员会主席和2024-ITC-亚洲芯片会议Session-Chair，担任CCF计算机工程与工艺专业委员会执行委员、四川省电子学会嵌入式人工智能专委会委员，担任TCAS-I、TCAS-II、TVLSI、TBioCAS、ISCAS等期刊会议审稿人。

张俊安，重庆理工大学副教授

报告题目：基于片上电荷泵正/负内电源的自稳零12nmCMOS运算放大器电路设计

报告摘要：针对12nmCMOS工艺低电源电压和MOS管低本征增益这两项限制因素对高性能运算放大器电路设计带来的挑战，采用片上产生正/负扩展电源扩大电源范围的方式开展运算放大器电路新结构的研究。

报告人简介：张俊安，重庆理工大学两江人工智能学院副教授，硕士生导师，重庆市第四批产业技术带头人后备人选（2024年），重庆理工大学首届“士继英才”领军人才（2023年），《微电子学与计算机》期刊首届青年编委委员（2021年）。长期从事模拟/混合信号集成电路设计领域研究，曾获国防科技进步二等奖1项（排名第6）、国防科技进步三等奖1项（排名第3）、重庆市科技进步二等奖1项（排名第2）。

韦仕才，电子科技大学副研究员

报告题目：面向开放环境的鲁棒性的多模态学习

报告摘要：多模态学习是机器学习领域的重要分支，在公共安全、智能制造、智能交通等领域具有重要的研究意义和应用价值。尽管已有的多模态学习方法展示出了良好的性能，但它们大多是在受控场景下进行的，依赖于高质量的模态数据。而在实际的开放环境中，由于设备异构、环境动态、传感器故障等问题，现有方法面临着表征优化不平衡、模态质量动态变化、噪声容错机制缺失等关键挑战。针对这些问题，本研究将从梯度解耦、动态融合与表征约束三个角度展开系统分析，介绍适用于开放场景的鲁棒多模态学习框架。

报告人简介：韦仕才，电子科技大学智能协同计算技术国家级重点实验室副研究员，硕士生导师，四川省电子学会嵌入式人工智能专委会委员。长期从事多模态学习和计算机视觉的学术研究，发表学术论文13篇，以第一作者身份发表CCF-A/B /中科院一区学术论文9篇，共申请专利软著5项，授权3项，荣获四川省优秀毕业生，电子科技大学优秀博士毕业论文。核心参于国家重点研发计划、国自然面上基金等科研项目5项。

王勇，电子科技大学教授

报告题目：

报告摘要：报告面向频谱仪、示波器等宽频带射频测量仪器，聚焦超跨倍频程射频电路设计难点，介绍放大器、开关等设计进展，进一步聚焦射频直采示波器射频至真直流设计瓶颈，介绍DC-20GHz直采示波器前端套片研制情况。

报告人简介：电子科技大学信息与通信工程学院教授，长期从事硅基、化合物半导体射频芯片设计。

司鑫，东南大学副教授

报告题目：宽带仪表射频前端芯片设计进展

报告摘要：边缘端人工智能应用对于AI芯片的能效、面效和存储效率提出了更高的要求。本报告将围绕存算一体新型AI芯片架构介绍最新存算一体AI芯片发展现状和趋势，主要包含边缘端部署AI算法的挑战，面向计算密集型和访存密集型任务的存内计算设计，以及存算一体AI芯片的设计案例。

报告人简介：司鑫，东南大学副教授，博士生导师，国家级青年人才。从事于存算一体AI芯片设计和研究，累计发表集成电路领域顶级会议期刊60余篇，包含17篇芯片奥林匹克论文ISSCC，11篇集成电路顶刊JSSC，3篇中国科学信息科学SCIS。主持多项国家、省部级科研项目。目前担任电子器件奥林匹克会议IEDM，亚洲固态电路会议ASSCC等会技术委员会委员。

安丰伟，南方科技大学副教授

报告题目：面向具身智能感知的软硬件协同双目视觉芯片设计

报告摘要：本报告介绍了一种软硬件协同设计的双目视觉芯片，旨在满足物理环境中的上述核心感知需求。通过将专有算法与专用硬件创新相融合克服传统立体视觉系统在机器人及自主应用中的根本性局限。此软硬件协同设计框架具有以下两大关键创新：资源优化型深度引擎，采用存内计算架构，在2MP分辨率下实现60帧/秒的实时处理，同时较传统方案功耗降低40%；混合环境自适应技术，集成具备时-空降噪功能的专用图像信号处理器，确保在极端光照条件下（有效测距范围0.05-200米）仍能保持鲁棒性。该芯片主要面向服务机器人、人形机器人及自动驾驶车辆。与传统立体视觉系统相比，我们的协同设计方案展现出更低的计算延迟和更优异的环境鲁棒性。

报告人简介：安丰伟博士，现任南方科技大学深港微电子学院副教授。他于2013年获得日本广岛大学博士学位。在加入南方科技大学之前，曾任广岛大学副教授以及日本松下半导体株式会社主任工程师。安博士于2019年3月加入南方科技大学深港微电子学院，其主要研究方向为高性能视频/图像处理集成电路以及高能效人工智能/数字信号处理芯片。

付靖霖，德国联邦物理技术研究院（德国计量院PTB）

报告题目：BTDF多维绝对测量系统关键技术及应用

报告摘要：作为描述材料光学外观的重要物理量之一，透明度（translucency）一直没有明确的物理定义以及标准测量方法。该报告主要介绍了一套由德国计量院PTB新研发的角分辨光学漫透射测量系统，以实现对各类光学透射型材料的精确测量。报告中指出了针对光学双向透射分布函数（BTDF）测量中所涉及到的关键技术，以及BTDF精确测量在各领域的应用。报告还提到了通过对半透明材料BTDF的研究，将其定义及测量方法拓展至适用于半透明材料的精确测量。

报告人简介：付靖霖，德国国家计量院（PTB）博士研究生在读，专注于高精度光机电测量系统开发与计量基准建立，拥有光学精密测量、辐射度量学与计量学方向的前沿研究经验。主导完成德国国家光学漫透射计量标准装置的设计、搭建、装调与验证，在材料透射反射性质测量、误差建模与标准化方向有深厚积累。

黄田进，英国埃克塞特大学讲师

报告题目：从优化器视角理解与缓解大语言模型训练中的不稳定性

报告摘要：Training large language models (LLMs) at scale is often hampered by instability, manifesting as gradient spikes, divergence, and sudden loss collapse. Such failures not only increase computational cost but also hinder the adoption of more efficient techniques, including low-bit training. This talk will explore LLM training instabilitiy issues, drawing on empirical observations from recent studies and then present recent optimizer-based solutions, such as SPAM and StableSPAM, that help mitigate these issues and improve training stability.

报告人简介：Tianjin Huang is a Lecturer in the Department of Computer Science at the University of Exeter (UK) and a Member of the ELLIS Society. He obtained his PhD from Eindhoven University of Technology (the Netherlands) in 2023. His research focuses on building efficient and reliable machine learning systems, with an emphasis on model compression, robustness, and scalable training of foundation models and large language models. His work explores how to make modern AI systems not only larger and more capable, but also stable, resource-efficient, and deployable in real-world environments. He received the Best Paper Award at LoG 2022.

五、四川省电子学会嵌入式人工智能专委会联系人及联系方式（扫微信二维码）