第二届知存科技杯华东专项赛开启！挑战AI创新，赢取高额奖金与荣誉！

[存内计算开发者]

你是否想在AI领域一展身手？是否渴望用技术解决真实行业难题？第二届知存科技杯华东专项赛正式启动！本次竞赛由知存科技联合浙江大学、复旦大学、上海交通大学等顶尖高校共同举办，面向计算机、微电子及芯片相关专业的本硕学生（本科生优先），提供实践与创新的舞台。无论你是算法优化达人，还是硬件设计高手，这里都有属于你的赛道！

1.竞赛亮点抢先看：

高额奖金激励

1. 每个赛道均设：一等奖2万元、二等奖1万元、三等奖5000元及优秀奖2000元！
2. 额外奖励：荣誉证书、企业实习机会、推荐信等，助力职业发展！

2.三大前沿赛题，直击行业痛点

赛道一：轻量化AI模型优化

设计动态TensorCore调度框架，优化MobileNetV2模型的性能与能效，用FP16模式实现速度与精度的双赢！

赛道二：低功耗算法设计

在ARM CPU上开发近似算法，结合量化、稀疏化等技术，降低功耗的同时保持精度，征服移动端需求！

赛道三：NPU矩阵乘法优化

手动设计高性能矩阵乘法单元，用Verilog/SystemVerilog代码突破算力瓶颈，挑战计算效率极限！

3.校企联合，资源支持

知存科技提供技术指导与评审支持，助力学生将理论转化为实践。

优胜者有机会进入企业人才库，获得实习或全职offer！

深度解读：存内计算与数字TensorCore优化

技术背景
存内计算（Computing In-Memory）是打破“内存墙”的前沿技术，通过直接在存储单元内完成计算，大幅减少数据搬运能耗与延迟。结合数字TensorCore的高效并行计算能力，可显著提升AI模型的能效比与实时性。

 

核心任务

1. 分析MobileNetV2模型各层计算需求，设计基于存内计算的数字TensorCore调度策略。
2. 在FP16模式下优化关键层，融合存内计算架构，实现端到端推理速度提升与能耗降低。
3. 验证优化后模型在CIFAR-10数据集上的精度（误差小于1%），并提交完整的能效分析报告。

评分维度

1. 能效比提升率：单位功耗下的计算性能提升。
2. 框架兼容性：与主流AI框架（如TensorFlow/PyTorch）的适配程度。
3. 创新性：存内计算与TensorCore融合设计的独创性。
4. 实用性：方案在边缘设备或移动端的落地潜力。

参赛全流程指南：

5月1日-6月30日：报名通道开启，组队或个人均可参与！

7月15日前：提交作品，专家全程答疑解惑！

7月28日：公布获奖名单，见证荣耀时刻！

 

为什么你要参加？

1. 对学生：掌握存内计算、TensorCore等前沿技术，积累高含金量项目经验，为升学就业加码！
2. 对高校：推动产学研深度融合，加速芯片与AI领域的技术突破！
3. 对企业：挖掘兼具算法与硬件能力的复合型人才，推动技术商业化落地！

立即行动，开启你的创新之旅！

 

挑战自我，定义未来！第二届知存科技杯，等你来战！