收集并分析典型端侧AI应用场景（如拍照录像、Agent、LLM等）的神经网络模型
选取典型端侧AI应用场景进行系统级软硬件联合验证
设计轻量化、高能效的NPU微架构，确定计算单元、控制单元、片上缓存等模块的整体架构方案
构建指令集及控制机制，支持灵活的操作控制与资源调度
设计多任务调度机制，支持边缘推理任务的优先级分配与资源共享
【课题名称】 端侧高效推理NPU架构优化技术研究
【课题内容】
结合端侧设备的功耗、面积和实时性限制，探索轻量化、高能效的NPU微架构设计
针对常见深度学习算子（卷积、矩阵乘法、注意力机制等）进行硬件友好的重新设计与加速策略研究
优化片上存储结构（如SRAM/BRAM）以支持高效的数据调度和多任务并行处理
构建高效的DMA调度机制与片外内存访问控制策略，减少数据传输瓶颈
研究端侧NPU多任务协同下的推理调度策略，支持任务优先级、时间片切换等机制