Talk预告 | 哈佛大学万梓燊：面向物理智能的系统-体系架构-芯片协同设计

本期为TechBeat人工智能社区第764期线上Talk。

北京时间4月29日(周三) 20:00，哈佛大学博士后研究员万梓燊的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的主题是：面向物理智能的系统-体系架构-芯片协同设计。届时他将围绕面向物理智能的系统-体系架构-芯片协同设计展开分享，结合神经-符号计算的关键系统瓶颈研究、首个面向神经-符号推理的可编程SoC芯片设计以及从算法到硅实现的端到端设计工作，系统介绍如何在满足实时性、能效与安全性约束的真实场景中，提升物理智能系统在感知-推理-行动闭环中的计算效率与系统性能。

Talk·信息

主题：面向物理智能的系统-体系架构-芯片协同设计

嘉宾：哈佛大学·博士后研究员 - 万梓燊

时间：北京时间4月29日(周三) 20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

Talk·介绍

随着人工智能从“感知与生成”走向“推理与行动”，新一代物理智能 (Physical Intelligence) 系统，如机器人和具身智能，正在快速发展。这类系统需要在真实世界中完成感知、推理与控制的紧耦合闭环，并满足严格的实时性、能效与安全性约束 。然而，现有计算系统主要针对深度学习优化，在面对符号推理概率推理等非结构化计算时效率低下，导致系统在复杂任务下出现延迟爆炸与能效瓶颈 。

本次报告的核心亮点包括：

✓ 提出面向物理智能的系统-架构-芯片跨层协同设计范式

✓ 揭示神经-符号计算（Neuro-Symbolic AI）的关键系统瓶颈

✓ 介绍首个面向神经-符号推理的可编程SoC芯片

✓ 展示从算法、系统到硅实现的端到端设计与实际芯片验

Talk大纲

1. 背景与挑战：物理智能计算的系统需求

- 什么是物理智能：感知-推理-行动闭环

- 实时性、能效与安全性约束

- 当前计算系统与物理智能之间的不匹配

2. 面向认知的计算系统设计（Cognition）

- 从“纯神经模型”到“组合式AI（Compositional AI）”

- 神经-符号计算：融合神经网络、逻辑推理与概率建模

- 系统瓶颈：符号推理的高延迟与低硬件利用率

3. 面向神经-符号计算的体系结构与芯片

- 统一中间表示将推理转化为体系结构问题

- 面向语义的可重构处理单元

- 异构存储与软件定义功耗管理

- 神经-符号SoC芯片设计与测量结果

4. 面向自治的计算系统（Autonomy）与系统集成

- 大脑与小脑计算的紧耦合执行

- GPU + 专用推理加速器的协同设计

- 面向机器人与智能体的系统级优化

5. 未来研究方向

- 面向Agentic AI的计算系统设计

- 从边缘设备到大规模智能体系统的统一架构

- 安全、可靠与可验证的物理智能计算平台

Talk·预习资料

[1] REASON: Accelerating Probabilistic Logical Reasoning for Scalable Neuro-Symbolic Intelligence, in HPCA 2026 论文链接：https://arxiv.org/pdf/2601.20784

[2] CogSys: Efficient and Scalable Neurosymbolic Cognition System via Algorithm-Hardware Co-Design, in HPCA 2025 论文链接：https://arxiv.org/pdf/2503.01162

[3] ReCA: Integrated Acceleration for Real-Time and Efficient Cooperative Embodied Autonomous Agents, in ASPLOS 2025 论文链接：https://dl.acm.org/doi/pdf/10.1145/3676641.3716016

[4] MulBERRY: Enabling Bit-Error Robustness for Energy-Efficient Multi-Agent Autonomous Systems, in ASPLOS 2024 论文链接：https://dl.acm.org/doi/pdf/10.1145/3620665.3640420

[5] Compositional AI Beyond LLMs: System Implications of Neuro-Symbolic-Probabilistic Architectures, in ASPLOS 2026 论文链接：https://dl.acm.org/doi/pdf/10.1145/3760250.3762235

Talk·提问交流

在Talk界面下的【交流区】参与互动！留下你的打call和问题，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

Talk·嘉宾介绍

万梓燊

哈佛大学·博士后研究员

万梓燊，现为哈佛大学工程与应用科学学院博士后研究员，2025年获佐治亚理工学院电子与计算机工程博士学位。主要从事计算机体系结构与集成电路设计研究，致力于面向具身智能的系统-架构-芯片跨层协同设计，探索支撑下一代物理智能的高性能、高能效与高可靠计算平台。

万梓燊在ASPLOS、MICRO、HPCA、ISSCC、JSSC、DAC、ICCAD等国际顶级会议和期刊发表学术论文50余篇，出版专著《Robotic Computing on FPGAs》和《具身智能机器人系统》。其研究成果曾获得Design Automation Conference最佳论文奖、IEEE Computer Architecture Letters最佳论文奖、美国半导体协会最佳论文奖，以及DAC博士生论坛第一名和ACM Student Research Competition第一名，并入选计算机体系结构领域年度最佳论文提名。他曾获得高通奖学金、百度奖学金、CRNCH博士奖学金、蒋震海外研究生奖学金，并入选2023年“机器学习与系统新星”和2024年“信息物理系统新星”。

其研究成果受到MIT Technology Review、Fortune、Google AI Blog及Georgia Tech News等媒体报道，并被Intel、IBM、Google等企业采用与转化，在学术界与工业界均产生了积极影响。更多信息请见：https://zishenwan.github.io/

个人主页: https://www.techbeat.net/grzytrkj?id=9527

-The End-

如果你也想成为讲者

自荐 / 推荐

单人Talk | 团队专场 | 录播or直播 | 闭门交流

多种方式任你选择！

推荐讲者成功也有奖励哦~

关于TechBeat人工智能社区

TechBeat(www.techbeat.net)隶属于将门创投，是一个荟聚全球华人AI精英的成长社区。

我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。

期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>

预约本期Talk