近日，国际计算机体系结构领域顶级会议HPCA 2025（International Symposium on High-Performance Computer Architecture）在美国召开。睿创微纳AI-ISP研发团队与中国科学技术大学联合发表的学术论文成功入围，提出创新性技术路径，赋能红外图像AI-ISP，会议现场获得国际权威专家学者的高度评价。

睿创微纳AI-ISP研发团队与中国科学技术大学联合发表的学术论文题目为《Exploring the Performance Improvement of Tensor Processing Engines through Bit-weight Dimension Transformation in MAC Operations》。研究团队跳出以传统基于乘加器的张量计算架构，首次提出从“位权维度”优化矩阵乘法的全新微架构设计方法及高算力密度的计算架构，在算子底层实现突破性性能提升，为红外ISP中的AI模块带来了显著加速效果。

聚焦底层架构

深挖位权优化潜力

人工智能作为现代技术革命的引擎，其发展根基深植于张量计算体系——尤其是被称为深度学习基石的矩阵乘法运算。当前主流的GPU、NPU等AI加速芯片均将张量处理引擎（Tensor Processing Engine, TPE）作为专用矩阵乘法单元进行集成，但这类硬件模块往往占据芯片30%-50%的晶圆面积及40%以上的动态功耗，成为制约AI算力提升与成本控制的关键瓶颈。

针对这一产业级挑战，睿创微纳AI-ISP研发团队突破传统乘加器（Multiply-Accumulate, MAC）的位权维度约束，首创基于位权解耦的组件化架构设计范式。该技术从位权维度重构了矩阵乘法中的基本运算单元，揭示了更广阔的架构设计空间。特别值得关注的是，团队开发的张量计算微架构已有效适配红外图像增强算法，为低成本、高算力密度的边缘端AI视觉处理开辟了新的技术路径。

多维优化

指标全面提升

研究团队提出了多种优化后的计算架构，在实际测试中展现出了卓越的能效与面积效率表现。与传统基于乘加单元的矩阵乘法单元对比，在28nm制程下，其张量核INT8算力面积效率实现1.56倍提升（达11.29 TOPS/mm²），能效比提升1.49倍（达13.89 TOPS/W）。特别是创新性位稀疏架构，通过稀疏特征编码与红外图像的协同优化，较基准方案面积效率实现2.85倍的提升，为边缘计算场景的高性能AI推理提供了新的硬件范式。

行业赋能

加速红外图像处理

睿创微纳基于该架构研发的AI推理引擎，在红外图像增强算法中取得了显著的加速效果。该AI图像增强算法融合了传统图像增强算法的一些策略，不仅具有极佳的能效、面效表现，且图像细节重建能力显著增强。

▲使用AI超分前

▲使用AI超分后

▲使用AI超分前

▲使用AI超分后

关于HPCA

作为计算机体系结构领域四大顶级会议（HPCA、ISCA、ASPLOS、MICRO）的核心成员，IEEE高性能计算机架构国际研讨会（HPCA）自1995年创办以来始终引领着全球计算硬件的创新方向。

该会议以严苛的学术评审著称，本届会议共收到534篇来自全球顶尖科研机构及高校的论文投稿，最终录用率仅为21%。（近年论文录用率稳定在18%-22%）。会议评审专家大多来自于高通、英特尔、英伟达、IBM、AMD等顶尖研究机构，持续位列CSRankings体系结构类会议前三甲。HPCA聚焦计算架构的范式革新，其技术议程涵盖AI芯片架构、存算一体架构、量子-经典混合计算、超异构处理器等前沿方向。

历届体系结构四大会议曾发布重塑行业格局的里程碑成果，包括Google TPU（ISCA'17首代张量处理器）、华为昇腾910（HPCA'21首个达芬奇架构NPU）、寒武纪MLU（ISCA'16首款商用深度学习ASIC）等标杆性芯片设计。