端侧AI芯片架构

UC Berkeley 在AI芯片架构与开源硬件方面具有全球影响力，BWRC 聚焦无线与低功耗计算系统，而 RISC-V 与 ADEPT 等项目推动了开源指令集与领域专用架构的发展。伯克利的研究强调从指令集架构到电路实现的垂直整合，在端侧推理加速器设计方面产出丰富。

杜克大学在AI硬件加速器、存内计算与边缘智能方面具有特色优势，研究涵盖模拟存内计算、稀疏推理加速与可重构AI芯片。杜克强调算法与硬件的协同设计，在面向边缘设备的能效推理芯片方面产出丰富。

ETH Zurich 在数字集成电路设计与AI硬件加速器方面享有欧洲领先地位，其 IIS 实验室在近存计算、稀疏推理加速与低功耗ASIC设计方面产出丰富。ETH 强调从算法到电路的垂直协同设计，在 ISSCC 与 JSSC 上持续发表端侧AI芯片创新成果。

佐治亚理工学院在高效计算架构与AI芯片协同设计方面具有突出实力，研究涵盖存内计算、稀疏加速、近似计算与软硬件协同设计。其 C3 中心专注于芯片、封装与系统的跨层协同设计，为端侧AI推理提供从算法到电路的完整解决方案。

MIT 在端侧AI芯片与能效计算架构领域处于全球领先地位，其 EEMS 实验室长期致力于面向移动与嵌入式设备的能效多媒体系统研究，涵盖近阈值计算、近似计算、定制加速器与存算一体架构。MIT 的研究强调从电路到系统栈的跨层协同优化，在 ISSCC、JSSC 等顶级会议与期刊上持续发表高影响力工作。

普渡大学在异步电路、近似计算与AI硬件加速器方面具有长期积累，研究涵盖存内计算、随机计算、近似逻辑与面向边缘推理的专用加速器。普渡强调从器件物理到系统架构的跨层创新，在低功耗与容错AI芯片设计方面有独特优势。

斯坦福大学在AI硬件加速器与高效计算架构方面拥有深厚积累，研究涵盖存内计算、稀疏神经网络加速器、模拟AI芯片与异构系统集成。依托 SystemX 联盟与 HAI 研究所，斯坦福将电路创新与机器学习算法紧密结合，推动端侧AI芯片在能效与灵活性上的突破。

清华大学在端侧AI芯片与类脑计算领域处于国内领先地位，研究涵盖存算一体架构、神经形态芯片、NPU 设计与异构加速。清华微电子所与类脑计算研究中心在 RRAM 存内计算与模拟推理芯片方面取得多项国际领先成果，推动了国产AI芯片从学术到产业的转化。

密歇根大学在VLSI设计、存内计算与AI加速器架构方面拥有深厚积累，研究涵盖模拟存内计算、稀疏推理加速与异构集成。密歇根强调从器件物理到系统架构的跨层创新，在模拟CIM与低功耗AI芯片设计方面具有独特优势。

UT Austin 在计算机架构、AI加速器与集成电路设计方面具有突出实力，研究涵盖存内计算、稀疏推理加速与领域专用架构。依托与德州仪器、AMD、NVIDIA 等公司的紧密合作，UT Austin 在端侧AI芯片从研究到产业转化方面具有独特优势。