为攻克片上自学习难题，星凡智能（XFEON）与西安交通大学自主系统与智能芯片实验室达成深度产学研战略合作。双方围绕“片上自学习AI芯片”这一前沿方向，开展算法-硬件协同设计攻关，目前已取得关键突破，成果将应用于打造面向太空计算以及具身智能等高价值场景的智算底座。

一、 产学研深度融合，攻克片上自学习难题

本次合作的校方执行团队为西安交通大学自主系统与智能芯片实验室，该团队由孙宏滨教授领衔，拥有20+硕博精英，在大模型轻量化、智能芯片架构与电路设计、软硬件协同设计方向拥有深厚积累。

孙宏滨教授是国家级高层次人才特聘教授(高端芯片方向)，现任人工智能学院院长、人机混合增强智能全国重点实验室副主任，主持国家级科研项目20余项。

当前，多数AI芯片在部署后仅能执行推理任务，无法根据新数据持续学习更新。并且面临同时执行训练与推理导致算力开销倍增、归一化层小批量训练时失效、训练与推理的稀疏结构难以统一等难题。如何让芯片在低功耗、小面积约束下实现高效的片上参数更新，成为从“能算”迈入“会学”的关键瓶颈。

基于西安交通大学自主系统与智能芯片实验室在“片上自学习芯片”方向的扎实基础，结合星凡智能在国产化芯片设计与商业化落地的经验。针对“片上自学习AI芯片”的高能效需求，双方将持续开展算法-硬件协同设计攻关，开发一套“片上自学习训练异构处理系统”。

目前，已形成以下核心技术成果：

• 提出软硬件协同设计的片上学习训练框架，攻克了训推计算成本高、归一化层瓶颈、稀疏模式不一致等核心难题，浮点运算量减少40%、EMA成本降低39%；
• 研制了片上学习高效处理器，设计了资源共享的统一FP/EP PE阵列，等效面积效率41.2GOPS/mm²、等效能量效率90TOPS/W；

二、 展望未来，从“能算”到“会学”

星凡智能始终坚持以自研为核心，信创为基座，不走“通用芯片平台”的宽泛路线，而是以“算法定义芯片”为核心理念——从Token算力工厂、具身智能、太空计算等实际场景的算法需求出发，围绕高价值场景打造差异化产品。

片上自学习能力是AI芯片从“能算”走向“会学”的关键一步，通过此次与西安交通大学自主系统与智能芯片实验室的产学研深度合作中，这一技术拐点将加速到来。