2026 Inno CIM 存算一体高校挑战赛

存算一体（Computing-in-Memory, CIM）作为后摩尔时代提升计算能效的主要技术路径，正在重塑AI时代算力基础层的技术格局与发展方向，为我国AI大模型、智能应用的爆发提供高质增长引擎。 作为国内存算一体先锋企业，知存科技历经两届区域赛事沉淀，2026年正式升级赛事为全国高校挑战赛。联合魔搭社区 与Springer Nature 等权威伙伴，以“以赛促研、以赛遇才”为宗旨，搭建面向全国高校集成电路等相关领域学子的存算一体技术交流平台。

【5大赛道一键入门指南来袭，快速上手，比起方案完整性更强调创新性，更多问题扫码加入赛道群，大胆提问评委们，收获产业一线专家交流机会 https://iucylxooqp.feishu.cn/docx/IiBId19Mvo6eUIxtKvfcp3jVnvd?from=from_copylink】 赛题类别1.1 题目3D异构集成与系统技术协同优化（STCO）1.2 题目背景存内计算技术发展和架构进步推动了计算性能、效率和功能的持续提升。存内计算技术的“存”+“算”结合特性天然与异构3D集成技术相契合，包括Chiplets堆叠、晶圆背面处理、混合键合等技术。这些创新能够将不同的芯片功能（逻辑、内存、电源传输）分配到专门的堆叠层中，这是一种由系统技术协同优化（STCO）驱动的新范式，从而针对各种工作负载优化性能、能耗和面积。随着互连和3D封装等异构集成技术的进步，关注点也在逐步向上转移到系统层面，这决定了异构Chiplets能否高效协作，且在资源访问方面不会出现任何瓶颈。同时，在3D集成中凸显的供电以及散热问题，也亟待创造性的优化方案。赛题研究方向开放性非命题类研究2.1 研究方向面向“存内计算技术”，如何设计设计3D异构集成方案，实现1+1>2的效果，提高计算性能的上限；面向“存内计算技术”，如何通过系统技术协同优化（STCO），解决在3D集成中凸显的供电以及散热问题；2.1.1 基本目标抛开传统的“油改电”套路，回归第一性原理，从基本需求出发，设计“纯电车”；利用维度的扩展与STCO带来的设计灵活性，为“存内计算技术”提供稳定可控的电、热环境；既可以从“整体”出发，改善电、热指标。比如，通过在堆叠中增加interposer DIE（含DTC电容）并结合不同层阵列延迟启动，优化di/dt引起的IR Drop;可以从“局部”出发，利用STCO+异构堆叠解决过程中遇到的问题 。比如，模拟存算技术对Array的空间+时间温差均要求稳定。在实现热管理时，如何利用有限的温度Sensor实现对一个“面”进行温度分布感知；也可以从“调度控制”出发，充分利用3D堆叠扩展的第三维度，进行动态温度（功耗）控制策略或者自适应的温度（功耗）控制策略。将传统2D芯片的动态功耗管理（DPM）以及自适应频率控制（AVFS）思想扩展适配存算+3DIC特征2.1.2 设计误区容易陷入“工程是否可实现的循环” ；立足于当前的工程能力，又要高于当前阶段的能力；容易陷入“具体实现的细节中”；STCO+3D异构堆叠，均是横跨多个领域的工程，可以“抓大放小”，重点放在关键环节上赛题交付3.1 交付需求设计报告：参赛队伍需提交设计报告（doc/docx及pdf文件）， 内容需包含：  引言  工作原理以及技术原理说明：任务的核心需求  详细设计与实现：架构选择以及理由  关键挑战：精度控制，动态尺寸支持以及流水线优化  性能优化分析  总结  参考文献和团队介绍 介绍 PPT：主要工作，创新点，数据对比，结论3.2 模型说明通过搭建简化模型而非完成产品来说明有效性的方法，常见的有概念验证（Proof of Concept，PoC）、原型（Prototype）和最小可行产品（Minimum Viable Product，MVP），三者核心都是以低成本快速验证核心假设，以下是具体说明：3.2.1 概念验证（PoC）核心目标：验证核心技术或概念的可行性，回答 “能不能做” 的问题，不追求产品形态与用户体验，仅聚焦技术与逻辑层面的有效性证明。典型特点：极度简化，可能只是一个实验脚本、简易硬件组合或核心算法模型，不考虑可扩展性等非核心要素。适用场景：新想法、新技术落地初期，判断技术路径是否可行3.2.2 原型验证（Prototype）核心目标：将抽象概念转化为具象模型，验证功能逻辑、用户交互或设计方案的合理性，回答 “好不好用 / 合不合理” 的问题，典型特点：有基础的交互，形式多样，如纸质原型、数字线框图、简易功能样机等，重点是呈现核心功能与流程，不追求性能与稳定性。适用场景：产品设计阶段，快速迭代优化功能与体验，确保方向符合需求3.2.3 最小可行验证（MVP）核心目标：用极少的资源，把原型验证中的方案进行物理实现，针对识别的关键环节，进行详细实现。其他非必要环节，做等效实现典型特点：具备核心功能，能解决用户核心痛点，不包含非必要功能，用于快速验证需求方案，指导迭代方向。适用场景：创新项目初期，快速试错，降低验证成本3.3 赛题案例与评判参考3.3.1 案例一选择研究方向研究方向：面向“存内计算技术”，如何通过系统技术协同优化（STCO），解决在3D集成中凸显的供电以及散热问题；定义研究目标模拟存算技术，对Array的空间+时间温差均要求稳定。在实现热管理时，如何利用有限的温度Sensor实现对一个“面”进行温度分布感知提出可能的解决方案想法：利用机器学习方法，把有限Sensor感知的温度，恢复为完整温度分布图把一个时刻的温度分布等效为一张“图片”，把随着时间变化的温度分布等效为一段“视频”有限的温度sensor等效为“马赛克”问题变为，如何把“马赛克”图片或视频，恢复为原始图片；-> 在图像处理领域，有较多的成熟研究，可以将其跨界应用到温度感知方向-> 芯片由确定的功能模块组成，不同模块完成不同的功能，协同完成特定的业务；因此，芯片在行为行为下，有其独特的功耗分布“指纹”4. 实现方案说明阶段阶段目标要求概念验证核心目标：验证核心技术或概念的可行性，回答 “能不能做” 的问题，不追求产品形态与用户体验，仅聚焦技术与逻辑层面的有效性证明。典型特点：极度简化，可能只是一个实验脚本、简易硬件组合或核心算法模型，不考虑可扩展性等非核心要素。做逻辑分析以及概念分析图文并茂，把问题以及解决问题的思路描述清楚完成相关文献检索，输出检索分析报告该问题是否已经有类似的研究，研究进展如何，仍存在哪些问题提出的想法，与过往研究有哪些优势核心方法对比分析原型验证核心目标：将抽象概念转化为具象模型，验证功能逻辑、用户交互或设计方案的合理性，回答 “好不好用 / 合不合理” 的问题，典型特点：有基础的交互，形式多样，如纸质原型、数字线框图、简易功能样机等，重点是呈现核心功能与流程，不追求性能与稳定性。用简化的数学模型，验证“概念方案”的效果以及可行性可以用python/matlab做数学建模使用机器学习方法，需要有足够的训练数据；训练数据可以通过构造来获得可以假设理想数据最小可行验证核心目标：用极少的资源，把原型验证中的方案进行物理实现，针对识别的关键环节，进行详细实现。其他非必要环节，做等效实现典型特点：具备核心功能，能解决用户核心痛点，不包含非必要功能，用于快速验证需求方案，指导迭代方增加非理想性情况 附加挑战/加分项芯片上T-sensor感知温度是一个模拟量，是否可以通过对不同模块的功耗感知，恢复芯片温度分布功耗感知是否可以通过对不同区域的利用率统计替代给出芯片实现的方案3.3.2 评分标准本次验证分为概念验证、原型验证、最小可行验证三个核心阶段，附加挑战为加分项，总分按100 分（核心）+20 分（加分） 设定，各阶段分值根据完成难度、核心度梯度分配，评分标准聚焦完成度、科学性、创新性、实操性四大维度，贴合3D异构集成与系统技术协同优化（STCO）阶段评分标准概念验证分值占比：30 分核心目标：验证核心技术逻辑可行性，完成文献支撑与思路论证阶段要求 & 对应评分标准 + 分值1. 逻辑分析及概念分析（15 分）10-15 分：图文并茂（含逻辑框图、技术路线图等），清晰界定芯片温度分布恢复 / 功耗感知 / 利用率统计替代的核心问题、技术痛点，解决思路逻辑闭环，贴合芯片设计，无逻辑漏洞。5-9 分：有图有文，能描述核心问题与解决思路，但痛点界定模糊，或思路存在少量逻辑瑕疵，未完全贴合芯片硬件实现场景。0-4 分：仅文字描述，无相关图示；或问题、思路描述混乱，核心逻辑不成立。2. 相关文献检索及分析报告（15 分）（1）研究现状与现存问题（5 分）5 分：全面梳理相关研究进展，精准提炼当前研究的核心未解决问题；2-4 分：梳理研究进展不全面，仅提炼出部分现存问题，与本研究结合度低；0-1 分：未梳理研究进展，或现存问题提炼错误。（2）本研究想法的优势（5 分）5 分：明确对比过往研究，从技术路线、实现成本、感知精度、芯片适配性等方面提炼本研究的核心优势，且优势具有实际研究价值；2-4 分：能提出本研究优势，但未结合过往研究对比，或优势描述空洞、无实际价值；0-1 分：未分析优势，或优势与过往研究存在明显重复。（3）核心方法对比分析（5 分）5 分：构建对比维度（如算法复杂度、硬件开销、感知效率、适用场景），对本研究核心方法与过往主流方法进行量化 / 定性对比，附对比表 / 图，结论清晰；2-4 分：有对比分析，但对比维度单一，未形成系统的对比框架，结论模糊；0-1 分：未做核心方法对比，或对比内容错误。原型验证分值占比：40 分核心目标：通过数学建模将抽象概念转化为具象模型，验证方案可行性1. 简化数学模型构建与验证（40 分）（1）建模工具与模型设计（10 分）10 分：选用 Python/Matlab 适配建模需求，数学模型贴合设计方案，模型假设合理，变量、参数定义清晰；6-9 分：使用 Python/Matlab 建模，模型基本贴合物理规律，但部分参数定义模糊，假设存在少量不合理性；2-5 分：建模工具选用不当，或模型设计与核心问题脱节，关键参数缺失；0-1 分：未完成数学模型构建。（2）数据准备（10 分）10 分：若使用机器学习方法，构造的训练数据贴合芯片实际工作场景，数据量充足、维度完整，附数据预处理流程；未使用机器学习方法则理想数据假设贴合芯片物理特性，边界条件设定合理；6-9 分：构造的数据维度基本完整，但与芯片实际场景贴合度低；或理想数据假设基本合理，边界条件有少量疏漏；2-5 分：数据量不足、维度缺失，或理想数据假设明显脱离实际，边界条件未设定；0-1 分：未准备训练数据 / 设定理想数据。（3）模型仿真与结果分析（20 分）16-20 分：完成完整的模型仿真实验，仿真流程可复现，输出清晰的仿真结果（如精度曲线、误差分析、功能验证图），结果分析能明确验证方案的可行性与效果，且能提炼模型存在的优化点；10-15 分：完成仿真实验，流程基本可复现，有仿真结果，但结果分析不深入，仅能初步验证方案可行性，未提炼优化点；4-9 分：仿真实验不完整，流程不可复现，结果缺失，仅能验证部分功能逻辑；0-3 分：未完成模型仿真，或仿真结果与验证目标完全无关。最小可行验证分值占比：30 分核心目标：物理实现核心方案，增加非理想性情况验证，验证芯片实际场景下的方案有效性1. 非理想性情况的引入与验证（30 分）（1）非理想性场景设计（10 分）10 分：全面引入芯片实际工作中的非理想性情况（如模拟量噪声、芯片工艺偏差、区域间串扰、负载波动、环境温度变化等），场景设计贴合工业级芯片应用实际，边界条件明确；6-9 分：引入主要的非理想性情况，但场景设计未考虑芯片实际工艺 / 工作特性，部分边界条件模糊；2-5 分：仅引入少量非理想性情况，场景设计单一，与实际脱节；0-1 分：未引入非理想性情况。（2）核心方案的物理实现（10 分）10 分：针