突破云-端协同环境下人工智能芯片的异构设计、可扩展性和低功耗等问题，整体提高芯片设计的智能化和芯片功能的智能化，形成云-端协同环境下的高效智能计算能力，具体研究内容包括：
1）芯片设计的智能化，利用强化学习、图模型、自动测试技术，突破模拟／混合信号版图设计、设计复用问题，加速芯片智能化设计迭代；
2）人工智能芯片IP核的群组，研究并整合深度神经网络、计算机视觉、语音识别、自然语言处理等芯片IP核，结合异构多核系统，形成可配置和可重构的人工智能芯片IP核的群组，降低传统芯片企业向智能时代跃升的门槛；
3）类脑芯片设计，结合忆阻器新进展和神经元结构，设计芯片来提升计算能力，在芯片架构上不断逼近人脑，实现超低功耗智能感知芯片设计。
微波无线感知器件
- 非接触行为感知器件
非接触手势、心率、呼吸检测
手势交互的电磁射线追踪模型
- 多源融合感知系统：基于创新的小型化低功耗雷达传感器，利用超近距雷达感知技术，同时融合摄像头、麦克风等传统数据采集设备，实现对车内多场景的跨媒体、全天候、全天时感知与监测。
GPU和DNN融合架构设计
- 通用GPU与DNN深度融合的新计算架构，能效提高50%（与Nvidia Turning架构相比）
- 面向GPU芯片的DNN加速训练技术，在单卡GPU上利用了DNN稀疏性获得2倍训练加速（DATE19)
随机生成大量架构友好的Dropout 模版，节省计算与传输，保证神经元Dropout概率