200 多家明星企业，20 位著名投资机构顶级投资人共同参与！「新智造成长榜」致力于发掘 AI 领域有 “三年十倍” 成长潜力的创新公司，下一波 AI 独角兽，会有你么？点击阅读原文了解详情！
雷锋网按：基于神经网络的人工智能近年取得了突破性进展，正在深刻改变人类的生产和生活方式，是世界各国争相发展的战略制高点。
神经网络作为实现人工智能任务的有效算法之一，已经在各种应用场景获得广泛的应用。从云端到移动端，不同应用场景也对神经网络的计算能力提出了不同的需求。
神经网络的广泛应用离不开核心计算芯片。目前的主流通用计算平台包括 CPU 和 GPU，存在着能效较低的问题（能效即能量效率，是性能与功耗的比值）。为了获得更高的能效，我们需要设计一种专用的神经网络计算芯片来满足要求。国际 IT 巨头，如英特尔、谷歌、IBM，都在竞相研发神经网络计算芯片。
然而，神经网络的结构多样、数据量大、计算量大的特点，给硬件设计带来了巨大挑战。因此，在设计面向神经网络的高性能、高能效硬件架构时，我们需要思考清楚以下三个问题：
雷锋网 (公众号：雷锋网) 本期公开课特邀请到清华大学微纳电子系四年级博士生涂锋斌，为我们分享神经网络硬件架构的设计经验。他将通过介绍其设计的可重构神经网络计算架构 DNA （Deep Neural Architecture），与大家分享在设计神经网络硬件架构时需要思考的问题。他在完成设计的同时，解决了这些问题，并对现有的硬件优化技术做出了总结。
主要内容
主题：设计神经网络硬件架构时，我们在思考什么？
本次公开课将围绕以下内容进行：
研究背景
基于神经网络的人工智能任务，给其硬件加速带来了怎样的需求？目前现有的通用计算平台存在哪些不足，可以从哪些方面考虑改进？
计算模式
对于神经网络而言，什么是好的计算模式？如何根据优化目标对计算模式进行优化？
架构设计
针对计算模式的需求，如何设计高性能、高能效的神经网络计算架构？可重构神经网络计算架构 DNA（Deep Neural Architecture）具有哪些特点？
实验结果
DNA 的性能与能效表现如何？与顶尖工作相比的情况如何？基于 DNA 架构的 Thinker 芯片，得到了李克强总理怎样的评价？
总结思考
围绕研究工作，有哪些设计经验可以与我们分享？
嘉宾介绍
涂锋斌，清华大学微纳电子系博士生。博士课题是高能效神经网络加速芯片设计。他的研究兴趣包括深度学习、神经网络加速、计算机体系结构和超大规模集成电路设计。作为核心计算架构 DNA 的设计者，他参与了课题组第一代神经网络计算芯片（代号：Thinker）的设计、流片和测试。Thinker 芯片支持电路级编程和重构，是一个通用的神经网络计算平台，可应用于机器人、无人机、智能汽车、智慧家居、消费电子等广泛领域。Thinker 芯片作为清华大学的代表性成果参加了 2016 年全国双创成果展，获得李克强总理的赞许。
活动详情
主题：设计神经网络硬件架构时，我们在思考什么？
嘉宾：涂锋斌，清华大学微纳电子系博士生
时间：2017 年 5 月 15 日，周一晚上 8 点
形式：雷锋网 APP 视频直播，可在雷锋网 App 直播频道内 “问答区” 进行提问。
同步直播
雷锋网 APP：直播频道
斗鱼直播平台：（房间号：788495），地址：https://www.douyu.com/788495
关注「雷锋网」公众号，回复 170，进入行业微信群讨论。
