全球每年仅1席！学院张宸老师荣获ICCAD十年回顾最具影响力论文奖

10月26日至30日，IEEE/ACM国际计算机辅助设计大会（ICCAD 2025）在德国慕尼黑隆重举行。开云网页登录 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

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

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。

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。