北航港大新作：扩散模型怕模拟存算噪声？早随机晚确定FID暴降2.58倍
模拟存内计算（CIM）这几年在AI硬件圈几乎成了“低功耗加速器”的代名词：它把矩阵向量乘法直接塞进存储阵列内部，省掉了芯片上最烧钱、最耗电的数据搬运，用来跑需要几十上百次迭代的扩散模型，理论能效相当诱人。
标签：AI芯片
共 18 篇
诺思罗普·格鲁曼新方案：10纳秒无微波读取超导量子比特，保真度99.7%
超导量子比特的读取一直是规模化的“卡脖子”环节——传统色散读取又慢又依赖微波。诺思罗普·格鲁曼团队这次直接甩出一套无微波方案：10纳秒制备与读取、99.7%保真度、282个器件验证，还顺带把量子信号转成数字逻辑，整套思路对超导量子计算控制系统而言，属于值得细读的硬核参考。
29个检测器12个数据集实测：自动驾驶存储减负新范式
这篇文章切入角度很刁钻：别人都在优化模型算力，它却盯上了摄像头到内存的搬运能耗。用一个带语义感知的存储编码器，在保护行人检测精度的前提下，把前视相机接口能耗砍掉约36%，而且跨29个检测器、12个数据集验证，落地感很强。
最新综述：FPGA压缩加速不协同，25个案例仅1个能横比？
FPGA上跑AI模型，压缩和加速是两件事吗？这篇综述梳理了2015-2026年25个协同设计案例，用五分类法重新组织，结果发现：只有1个案例报告了统一基线的压缩比与精度变化。想快速摸清FINN、HLS4ML、Vitis AI谁更靠谱，这套分类和开放挑战值得一读。
没有百亿参数也能救场！小型神经网络把读出带宽压力压掉九成
粒子物理的未来，正被一场“数据洪水”堵在门口。这不是比喻，而是字面意义上的每条读出链路每秒几十个G比特的洪流。
130nm流片实测：电压跌落1.2周期降频，告别亚稳态焦虑！
电源电压像坐过山车，芯片时钟就得跟着遭殃？这篇来自CISPA和IHP的流片实测论文，把一个曾只存在于仿真里的全数字自适应时钟频率校正电路，放到了130nm真实硅片上验证。没有PLL、全数字、1.2个时钟周期内响应，还顺手把亚稳态这个老大难问题用掩蔽锁存器给“治”了。做低功耗芯片、高性能处理器或对电压波动敏感的数字电路设计的朋友，这篇值得认真看一看。
模拟存内计算秒变“猪队友”？北大港大出手：只调一个引导参数，扩散模型FID狂降75%！
模拟存内计算（CIM）部署扩散模型是低功耗生成的重要路径，但芯片非理想性会让引导信号悄悄“失真”。这篇北大港大合作的工作把失效通道定位到无分类器引导残差上，并给出免重训练、只改一个标量参数的优雅修复方案，在3个扩散模型上大幅恢复生成质量，值得所有关注AI芯片落地和扩散模型的读者一读。
Google+UC Berkeley新作：ArchAgent v2自动进化三级预取器
预取器是芯片里的“预言家”，过去全靠人类工程师手搓，如今Google联合UC Berkeley让LLM进化智能体自己“进化”出一个三级预取器，直接拿下DPC4冠军，IPC比人类顶级方案还高0.3%，低带宽场景下更是领先2%。这是AI自动硬件设计第一次真正在权威竞赛里赢过人类冠军，值得所有做体系结构和AI的人围观。
1B vs 70B算什么，LLM推理力度自适应才是真省钱
LLM智能体调芯片，烧的是真实美元。这篇鲁汶大学新作给出两个反常识答案：精心雕琢的长期记忆，不如普通拼接有用；真正决定优化质量与成本比的，是推理力度该何时加码。Ares靠一个耐心计数器动态调度，等成本下PPA优化深度提升23–27%，成本仅SotA的12%——继6月聊过让智能体学会止损之后，省钱这件事从动作层面卷到了芯片设计。
5.5倍吞吐量提升！SK海力士用PNM破解LLM混合长度服务难题
当LLM服务的上下文长度从几百到百万不等时，GPU内存成了最大的短板。SK海力士与KAIST联手拿出硬核方案——NELSSA，把长上下文请求“请”到CXL互联的PNM（近内存处理）芯片上执行，GPU只管短请求和FFN。实测解码吞吐量飙涨5.5倍，P99延迟骤降15倍，而且是在真实硬件上跑出来的！这可能是下一代LLM基础设施的关键拼图。
清华参与，HCCStar质子束实测：三模冗余到底有多稳？
继2026年7月聊过DeepSeek边缘芯片的极致能效后，龙哥今天带来一篇更硬核的芯片测试——为HL-LHC升级量身打造的HCCStar ASIC质子束实测。三模冗余保护效果如何？数据丢失率低至10⁻¹⁰，每年每bit仅约10次修正翻转。这不是理论推断，是实打实的辐射数据。
上交大华为联手：vDiT重用计算省16倍能效
视频扩散Transformer最烦的不是“能不能生成”，而是“生成一段视频到底要烧掉多少算力”。Kaleido不跟稀疏注意力硬卷，而是从潜空间通道相关性下手，顺手把算法和硬件一起改了，思路很工程，也很狠。
