主导面向云端的高性能AI推理芯片「星刃-300」全周期架构设计，负责计算单元微架构、异构存储层级及片上网络（NoC）的拓扑规划，协同算法、前端、后端团队完成从模型量化感知到RTL验证的落地，目标实现INT8算力128TOPS、功耗比竞品低20%的PPA指标。

• 针对大模型推理场景的稀疏计算需求，牵头设计混合精度计算单元（支持FP16/INT8/INT4动态切换），创新性引入权重缓存重映射机制，解决稀疏张量访问时的存储墙问题；通过SystemVerilog验证平台模拟200+典型模型（如ResNet-152、BERT-large），确认计算单元利用率从75%提升至88%，支撑单周期完成4096个MAC操作。
• 为应对多任务并行下的访存冲突，基于TSMC 5nm工艺约束，构建三级存储架构（寄存器堆-本地SRAM-全局HBM2e），结合流量预测算法动态分配NoC带宽；采用Cadence Innovus进行物理实现验证，最终存储访问延迟降低35%，片上带宽峰值达1.2TB/s，满足Transformer模型层间数据实时传输需求。
• 主导跨团队协同的功耗优化专项，引入动态电压频率调整（DVFS）与计算单元睡眠模式联动策略：通过MATLAB建立任务负载预测模型，实时调节各模块供电；流片后实测典型负载下静态功耗占比从18%降至9%，整机功耗较上一代产品下降22%，助力客户数据中心PUE指标优化。
• 搭建基于MLIR的架构仿真框架，集成TensorRT模型量化工具链，实现从ONNX模型输入到架构性能预估的自动化流程；该框架将架构迭代周期从8周缩短至3周，支撑项目提前2个月完成tape-out，目前芯片已完成工程样片回片，INT8算力实测达135TOPS，关键指标超预期12%。

负责公司边缘AI芯片「轻脑-200」系列的架构升级，聚焦实时性（延迟<10ms）与低功耗（典型场景<2W）的平衡，主导定义RISC-V核+专用NPU的异构计算架构，协同固件团队完成指令集扩展与编译器适配，支撑智能摄像头、工业传感器等终端产品落地。

• 针对边缘端多模态感知需求，重构NPU微架构：将传统脉动阵列改为可分块计算模式，支持图像（32x32）、语音（1024点）等多尺寸数据并行处理；通过Chisel硬件描述语言实现流水线深度动态配置，在ResNet-50图像分类任务中，延迟从15ms降至8.2ms，同时面积占用减少18%。
• 为解决小样本场景下的能效比问题，设计基于强化学习的任务调度引擎：利用历史负载数据训练策略网络，动态分配CPU与NPU的计算任务；在实测中，当负载低于30%时，系统自动切换至CPU轻量级推理，整体功耗降低40%，成功应用于某安防客户的低功耗摄像头产品，量产良率达97%。
• 主导片上存储系统的可靠性优化，针对边缘端高温、高振动环境，引入ECC校验与纠错码（LDPC）双重保护机制；结合Synopsys PrimeTime进行时序分析，调整SRAM单元布局，将存储错误率从1e-9降低至1e-12，满足车规级AEC-Q100 Grade 2认证要求。
• 搭建架构指标评估体系，整合MLPerf边缘推理基准测试与自定义场景（如工业缺陷检测），建立包含延迟、功耗、精度在内的20+维度评估模型；该体系支撑公司芯片在2023年中国边缘计算芯片市场报告中，综合能效比位列TOP3。

参与5G小基站射频基带芯片的架构设计，负责物理层算法到硬件实现的映射，协助定义FFT/IFFT加速器、信道编解码单元的接口规范，支撑芯片从需求规格到RTL初步设计的转化，目标满足3GPP R16标准的低时延与高可靠性要求。

• 针对5G NR的上行共享信道（PUSCH）处理流程，分析算法复杂度瓶颈，提出蝶形运算单元的复用架构：将128点FFT拆分为4个32点子计算，通过时分复用降低硬件资源消耗；在Cadence Genus中进行逻辑综合，最终FFT模块面积减少30%，处理时延从1.2μs降至0.8μs，满足3GPP规定的1ms子帧处理要求。
• 负责信道编码（Polar码）的硬件加速模块设计，创新性采用分层译码策略：将长码（1024bit）分解为短码级联，每级使用专用路径度量表缓存；通过ModelSim仿真验证，译码吞吐量从80Mbps提升至1.2Gbps，接近理论峰值，支撑基站上行峰值速率达标。
• 搭建基带处理链路的延迟模型，基于SystemC模拟从天线采样到比特输出的完整流程，识别出同步模块与FFT单元间的握手延迟是主要瓶颈；通过优化AXI-Stream接口的握手协议，将链路总延迟从15μs压缩至9μs，为后续算法迭代预留20%的时间裕量。
• 协助完成芯片原型验证平台的搭建，集成Xilinx Kintex UltraScale+ FPGA与高速ADC/DAC板卡，编写测试向量生成脚本（Python），覆盖70%以上的3GPP测试用例；平台成功输出首版基带信号，经第三方仪表测试，误码率（BER）在-10dB信噪比下低于1e-5，达到预期指标。

车规级智能座舱SoC多模态交互IP核设计与量产化项目

• 项目背景：随着车规级智能座舱向“沉浸式交互”升级，客户需要一款支持语音、手势、视觉多模态融合的IP核，要求延迟≤15ms、满足AEC-Q100 Grade 2可靠性，而现有竞品IP延迟超30ms且车规级适配不足。我的核心职责是主导IP核的架构设计、RTL实现及量产导入。
• 关键难题：1）多模态数据实时同步的延迟瓶颈——语音采样率48kHz、手势帧率30fps、视觉分辨率1080P的多源数据对齐易导致流水线阻塞；2）车规级环境适应性——高温（125℃）下时钟漂移会引发时序违规，传统静态时序分析无法覆盖动态场景。
• 核心行动与创新：1）设计“分层流水+异步FIFO”的同步架构，将数据采集、预处理、融合拆分为三级流水，通过FIFO深度动态调整解决速率不匹配，延迟降低40%；2）提出“温度感知的自适应时钟校准算法”，基于片上传感器实时监测die温度，动态调整PLL分频系数，将时钟漂移控制在±50ps以内，满足车规级时序要求；3）基于ISO 26262 ASIL-B标准搭建验证平台，覆盖10万+corner case（如电磁干扰下的数据丢包恢复）。
• 项目成果：IP核延迟稳定在12ms内，一次性通过AEC-Q100 Grade 2认证，已量产应用于客户旗舰智能座舱芯片，累计出货50万片，占该客户多模态交互模块采购量的70%；我个人主导的“温度自适应时钟方案”被纳入公司车规级IP设计规范。

消费级AIoT芯片BLE 5.3 MAC层协议栈低功耗优化项目

• 项目背景：公司主打消费级AIoT传感器芯片，竞品因BLE MAC层功耗高（待机电流1.2mA），导致终端设备续航仅7天，而客户需求是续航≥10天。我的角色是负责MAC层协议栈的重构与功耗优化。
• 关键难题：1）BLE 5.3 Extended Advertising新特性与传统MAC调度不兼容——扩展广播包的随机时隙分配会导致频繁唤醒；2）低功耗模式下的“唤醒延迟-数据丢失”平衡——深度睡眠（<1μA）唤醒时间过长（>1ms）会错过传感器数据上报。
• 核心行动与创新：1）重构基于“事件驱动+流量预测”的睡眠调度算法，通过机器学习模型预测传感器数据产生频率（如加速度计的静止/运动状态），动态调整唤醒周期（从固定10ms优化为5-20ms自适应），减少30%的无效唤醒；2）优化重传策略，将传统固定窗口（3次重传）改为“指数退避+信道质量自适应”——根据RSSI值调整重传间隔（从100ms优化为50-200ms），降低20%的重传功耗；3）采用C语言实现协议栈轻量化，代码体积缩小15%，减少RAM占用。
• 项目成果：MAC层待机电流降至0.85mA，整体功耗降低25%，芯片通过BLE 5.3认证；搭载该芯片的AIoT传感器上市后销量破100万台，客户终端续航提升至12天，产品满意度评分从4.2升至4.7（满分5分）。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。