简介
面向复杂AI计算场景，当前计算系统面临计算密集、访存密集、实时环境交互等多种负载深度交织的挑战。传统的同构/异构计算架构难以端到端、高效能支撑上述复杂场景。论坛以"超异构"为核心理念，探索CPU/XPU/DSP/PIM等多种计算部件在电路、架构、系统等层面的协同设计，推动超异构计算机体系结构的理论创新与技术突破。上届论坛研讨中，初步厘清了类型（如CPU+GPU+LPU）、位置（如存算）、机理（如量子）三种超异构类型。在此基础上，本届论坛将聚焦智能体与物理AI场景，以及存算一体超异构，重点研讨AI辅助关键部件电路设计，存算超异构中的软硬件设计等基础前沿问题，推动形成物理AI超异构加速结构参考设计。
简介为官网原文，部分内容可能未写完。
人员
主席
- 李雪琦 · 中国科学院计算技术研究所
嘉宾
- 徐策羽 · 香港科技大学
- 承书尧 · 中国科学院计算技术研究所
- 陈家贤 · 北京理工大学（珠海）
- 黄禹 · 华中科技大学
- 包云岗 · 中国科学院计算技术研究所
- 武延军 · 中国科学院软件研究所
- 李东升 · 国防科技大学
- 金海 · 华中科技大学
- 杜夏威 · 曙光信息产业（北京）有限公司
报告安排
初探存算一体的物理AI处理器（Panda）
李雪琦 · 中国科学院计算技术研究所
简介
智能体AI、物理AI等新兴模型，需要与环境持续交互，形成OODA环。此类负载中，计算、访存与控制密集算子并存，且特征差异大，对能效、延迟和功耗提出迫切需求。报告研究了此类混合负载的主要算子，提出一种存算一体的物理AI加速结构（Panda），重点探讨新型存储/存算加速部件设计方法，以及多加速部件间的高效互连与控制机制。报告从超异构体系结构视角出发，探讨物理AI处理器架构的参考设计。
经由大模型生成代码提示增强的CPU微架构设计
徐策羽 · 香港科技大学
简介
CPU单核性能提升遭遇瓶颈，加宽发射、扩大缓存等"蛮力"手段边际收益递减。现代乱序处理器依赖预取、分支预测、值预测等运行时"微决策"，其精度决定性能与可扩展性。传统离线编译分析缺失运行时上下文，在线启发式硬件受限于面积、功耗与延迟。本报告提出融合大语言模型与微架构的新范式：利用LLM的代码理解与轨迹泛化能力，离线生成高质量代码提示辅助在线微决策，弥合离线先验与在线状态的信息鸿沟。已实现大模型驱动的硬件预取器原型，硬件开销基本不变而IPC较先进策略提升10%–20%，并将拓展至分支预测、缓存管理等场景。
启蒙：处理器逻辑全自动设计
承书尧 · 中国科学院计算技术研究所
简介
本报告围绕处理器逻辑自动化设计这一关键问题，分析其核心技术挑战，介绍“启蒙”系列处理器逻辑全自动设计的相关进展，并进一步探讨未来研究中的开放性问题。
软硬协同的异构存算融合架构
陈家贤 · 北京理工大学（珠海）
简介
面对数据密集型系统中日益严峻的“存储墙”与数据搬运开销，本报告聚焦于面向前沿负载的软硬协同异构存算融合架构。针对区块链分析、海量向量检索与 HTAP 场景中暴露出的长路径链式访问、计算-I/O 强串行依赖等本质瓶颈，我们提出了跨层语义穿透与存储感知异构计算的设计范式：一方面打破主机与存储设备的语义壁垒，将关键算子直接下推至存储介质边界；另一方面深度协同主机端与存储端处理器的异构算力，高效匹配闪存物理通道并行性，消除跨层级的冗余数据迁移，大幅降低端到端延迟并提升系统吞吐。
面向领域融合智能计算负载的存算融合架构设计探索
黄禹 · 华中科技大学
简介
聚焦面向领域融合负载的异构存算融合架构，以检索增强生成（RAG）与智能体为代表的"检索—推理—生成"融合负载为牵引，探索处理-存储协同、可重构计算与领域定制加速的协同优化技术路径。针对RAG检索与生成两阶段对存储容量和带宽的差异化需求，提出异构存内计算系统HeterRAG，以DIMM存内计算承载大规模向量检索、HBM存内计算承载生成推理，并通过局部性感知与细粒度流水实现两阶段高效协同；进一步提出Meridian，基于文档注意力分解将RAG中的长文档注意力计算下沉至存储内部，削减数据搬移开销；面向超长序列推理，提出稀疏化软硬件协同设计方法DIFFSPEC；面向智能体推理，构建基于3D混合键合DRAM/逻辑/Flash的容量-带宽解耦近数据处理架构AgentX。上述工作形成了从负载特征刻画、存储层次重构到软硬件协同优化的完整技术链条，有效提升了融合任务的执行效率与能效。